ITK:高斯的一階導(dǎo)數(shù)進(jìn)行卷積來(lái)計(jì)算圖像的梯度

• 內(nèi)容提要
• 輸出結(jié)果
• C++實(shí)現(xiàn)代碼

內(nèi)容提要

通過(guò)與高斯的一階導(dǎo)數(shù)進(jìn)行卷積來(lái)計(jì)算圖像的梯度。
GradientRecursiveGaussianImageFilter的輸出由兩個(gè)圖像組件（沿X和Y方向的漸變）組成。在此示例中，我們使用CovariantVector像素類(lèi)型的圖像存儲(chǔ)這些組件。協(xié)變矢量是梯度的自然表示形式，因?yàn)樗鼈兊刃в诘戎盗餍蔚姆ň€(xiàn)。
此示例還顯示了如何將X和Y梯度提取為圖像，以及如何計(jì)算CovariantVector圖像的大小。
請(qǐng)注意，協(xié)變量向量類(lèi)型僅添加到ITK 4.7中的VectorIndexSelectionCastImageFilter Python包裝中。

輸出結(jié)果

C++實(shí)現(xiàn)代碼

#include

總結(jié)

以上是生活随笔為你收集整理的ITK:高斯的一阶导数进行卷积来计算图像的梯度的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。