目標
本文檔嘗試解答如下問題:
瞭解圖像邊緣原理 sobel提取邊緣原理準備知識 圖像可以理解成 z=f(x,y) z便是灰度值
原理
Note
以下內容來自於Bradski和Kaehler的大作: Learning OpenCV .
上面兩節我們已經學習了卷積操作。一個最重要的卷積運算就是導數的計算(或者近似計算).
爲什麼對圖像進行求導是重要的呢? 假設我們需要檢測圖像中的 邊緣 ,如下圖:
你可以看到在 邊緣 ,相素值顯著的 改變 了。表示這一 改變 的一個方法是使用 導數 。 梯度值的大變預示着圖像中內容的顯著變化。
用更加形象的圖像來解釋,假設我們有一張一維圖形。下圖中灰度值的”躍升”表示邊緣的存在:
使用一階微分求導我們可以更加清晰的看到邊緣”躍升”的存在(這裏顯示爲高峯值)
從上例中我們可以推論檢測邊緣可以通過定位梯度值大於鄰域的相素的方法找到(或者推廣到大於一個閥值).
更加詳細的解釋,請參考Bradski 和 Kaehler的 Learning OpenCV 。