示例：卷积寻边器

函数 > 图像处理 > 寻边器 > 示例：卷积寻边器

示例：卷积寻边器

使用 freichen、sobel、prewitt 和 roberts 函数识别图像的边界，具体方式为对矩阵依次卷积不同的核。边界识别可用于增强图像中某类取决于边界的特征的可读性。

有关使用此示例的信息，请参考关于图像处理示例。

freichen

此函数使用以下两个核对图像矩阵进行卷积：

单击可复制此表达式

<region id="ID0EH5MZ" top="216" left="24" width="163.025998692513" height="64.331" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math>
    <define xmlns="http://schemas.mathsoft.com/math50">
      <id label="None">K1</id>
      <apply>
        <mult />
        <apply>
          <div />
          <real>1</real>
          <apply>
            <plus />
            <real>2</real>
            <apply>
              <nthRoot />
              <placeholder />
              <real>2</real>
            </apply>
          </apply>
        </apply>
        <matrix rows="3" cols="3">
          <real>1</real>
          <apply>
            <nthRoot />
            <placeholder />
            <real>2</real>
          </apply>
          <real>1</real>
          <real>0</real>
          <real>0</real>
          <real>0</real>
          <real>-1</real>
          <apply>
            <neg />
            <apply>
              <nthRoot />
              <placeholder />
              <real>2</real>
            </apply>
          </apply>
          <real>-1</real>
        </matrix>
      </apply>
    </define>
    <resultFormat>
      <decimal precision="round-trip-decimal-places" show-trailing-zeros="false" radix="dec" imaginary-value="i" />
      <matrix size="12,12" offset="0,0" />
    </resultFormat>
  </math>
</region>

单击可复制此表达式

<region id="ID0EV5MZ" top="216" left="216" width="167.220665795008" height="64.331" xmlns="http://schemas.mathsoft.com/worksheet50">
  <math>
    <define xmlns="http://schemas.mathsoft.com/math50">
      <id label="None">K2</id>
      <apply>
        <mult />
        <apply>
          <div />
          <real>1</real>
          <apply>
            <plus />
            <real>2</real>
            <apply>
              <nthRoot />
              <placeholder />
              <real>2</real>
            </apply>
          </apply>
        </apply>
        <matrix rows="3" cols="3">
          <real>-1</real>
          <real>0</real>
          <real>1</real>
          <apply>
            <neg />
            <apply>
              <nthRoot />
              <placeholder />
              <real>2</real>
            </apply>
          </apply>
          <real>0</real>
          <apply>
            <nthRoot />
            <placeholder />
            <real>2</real>
          </apply>
          <real>-1</real>
          <real>0</real>
          <real>1</real>
        </matrix>
      </apply>
    </define>
    <resultFormat>
      <decimal precision="round-trip-decimal-places" show-trailing-zeros="false" radix="dec" imaginary-value="i" />
      <matrix size="12,12" offset="0,0" />
    </resultFormat>
  </math>
</region>

1. 读入图像。

2. 将 freichen 函数应用于图像。

3. 比较两个图像。

(brain.bmp)

(brain_fre.bmp)

对于用不同的强度级定义图片中不同边界的图像，freichen 边界探测器非常有用。这些核对相对像素值具有较强的敏感度，而与亮度无关。

sobel

此函数使用以下两个核对图像矩阵进行卷积：

单击可复制此表达式

单击可复制此表达式

将 sobel 函数应用于输入图像。

(brain_sob.bmp)

sobel 核提供了均匀的边界识别，尽管它为正交像素指定的权重大于对角像素。

prewitt

此函数使用以下两个核对图像矩阵进行卷积：

单击可复制此表达式

单击可复制此表达式

将 prewitt 函数应用于输入图像。

(brain_pre.bmp)

prewitt 核同等考虑正交像素和对角像素的差分。

roberts

此函数使用以下两个核对图像矩阵进行卷积：

单击可复制此表达式

单击可复制此表达式

将 roberts 函数应用于输入图像。

(brain_rob.bmp)

roberts 核只考虑对角像素的差分，这会使拐角突出得更明显，但会使较小的水平或竖直特征模糊在一起。

相关主题

卷积寻边器

这对您有帮助吗?