這很簡單 . 您關心的是使用蒙版執行圖像過濾，其中每個蒙版都是衍生過濾器 . 通過這種方法，knedlsepp是正確的，因為這樣做只會找到關于給定方向的偏導數 . 您可以指定一個遮罩來檢測水平邊，另一個遮罩指示垂直邊 .

Gx 代表 vertical 邊緣響應，使用垂直微分濾波器， Gy 代表 horizontal 邊緣響應，使用水平微分濾波器 . 要獲得響應，您可以拍攝圖像并使用任何蒙版的2D卷積對其進行過濾 .

接下來，您將兩個響應一起 combine 以獲得總體幅度響應 . 但是， edge 會在引擎蓋下執行大量噪聲清理，并執行閾值處理以獲得最終響應 . 簡單地計算幅度并不是 edge 的全部故事 .

在任何情況下，為了檢測水平邊緣，Prewitt掩模看起來像這樣：

Gy_prewitt =

-1 -1 -1

0 0 0

1 1 1

使用上述掩碼執行過濾可找到水平邊緣響應，或 Gy .

要查找垂直邊緣響應或 Gx ，您只需 transpose 上面的掩碼并找到濾波器響應，因此：

Gx_prewitt =

-1 0 1

-1 0 1

-1 0 1

Sobel面罩與Prewitt面罩略有不同 . 掩模的中心行(對于垂直)或列(對于水平)的中心行更夸張，并且加權兩倍 . 水平面具是：

Gy_sobel =

-1 -2 -1

0 0 0

1 2 1

同樣，Sobel的垂直掩模定義為：

Gx_sobel =

-1 0 1

-2 0 2

-1 0 1

值得注意的是，掩碼 equals to zero 中所有系數的總和，實際上是實際看到的任何邊緣檢測掩碼的屬性 .

現在，要確定整體邊緣響應，您可以對每個水平， Gy 和垂直 Gx 進行過濾響應，并對每個相應像素應用幅度運算：

out = sqrt(Gx.^2 + Gy.^2);

如果你想更直觀地解釋為什么Sobel面具與Prewitt略有不同，我建議你看一下這篇文章 . 如果你不能使用內置的卷積方法，它提供了一個非常好的解釋以及如何自己實現過濾操作的好圖表：

這是圖表：

基本上，對于要在圖像中過濾的每個像素，提取3 x 3鄰域并在鄰域中的像素和所需的過濾器之間執行加權和 . 在這種情況下，這將是Sobel垂直邊緣檢測器 .

祝好運！

總結

以上是生活随笔為你收集整理的matlab梯度检测,Matlab：关于梯度的一阶导数边缘检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。