Lei Mao's Log Book
·
Sobel算子
💡
原文英文，约1100词，阅读约需4分钟。
📝
内容提要
Sobel算子用于图像边缘检测，通过两个3x3核$K_x$和$K_y$近似水平和垂直方向的导数。它是可分离的，可以用两个一维卷积核计算。梯度大小和方向由L2范数和反正切函数定义。Sobel算子通过平滑处理来近似导数。Python示例展示了可分离卷积的实现，但仅适用于滤波器秩为1的情况。
🎯
关键要点
- Sobel算子是一种用于图像边缘检测的卷积核。
- Sobel算子通过两个3x3核K_x和K_y近似图像强度函数的导数。
- Sobel算子是可分离的，可以用两个一维卷积核计算。
- 梯度大小由L2范数定义，梯度方向由反正切函数定义。
- Sobel算子通过平滑处理来近似导数。
- Python示例展示了可分离卷积的实现，适用于滤波器秩为1的情况。
- Sobel算子使用六个像素来计算梯度，而简单的近似只使用两个像素。
- Sobel算子通过加权平均来计算梯度，使用硬编码的平滑系数。
- 可分离卷积的实现不一定能节省计算量，因此不必总是使用可分离滤波器。
- 卷积的可分离性仅在滤波器的秩为1时成立。
➡️
