Ejemplo. Buscadores de bordes de convolución
Utilice las funciones freichen, sobel, prewitt y roberts para detectar bordes en una imagen mediante la convolución de distintos kernels seguidos en la matriz. La detección de bordes se utiliza para mejorar la legibilidad de la imagen en el caso de determinados tipos de funcionalidad que dependen de los límites.
Para obtener información sobre el uso de este ejemplo, consulte Acerca de los ejemplos de procesamiento de imágenes
freichen
Esta función realiza la convolución de una matriz de imagen con los dos kernels siguientes:
1. Lea una imagen.
2. Aplique la función freichen a la imagen.
3. Compare las dos imágenes.
 (brain.bmp) |  (brain_fre.bmp) |
El detector de bordes freichen resulta útil para imágenes en las que hay varios niveles de intensidad que definen los diversos bordes en la imagen. Estos kernels muestran una mayor sensibilidad a los valores de píxel relativos, con independencia del brillo.
sobel
Esta función realiza la convolución de una matriz de imagen con los dos kernels siguientes:
Aplique la función sobel a la imagen de entrada.
(brain_sob.bmp)
El sobel kernel proporciona una detección de bordes uniforme, aunque dé mayor peso a los píxeles ortogonales que a los píxeles diagonales.
prewitt
Esta función realiza la convolución de una matriz de imagen con los dos kernels siguientes:
Aplique la función prewitt a la imagen de entrada.
(brain_pre.bmp)
El kernel prewitt tiene en cuenta los diferenciales de píxeles ortogonales y diagonales por igual.
roberts
Esta función realiza la convolución de una matriz de imagen con los dos kernels siguientes:
Aplique la función roberts a la imagen de entrada.
(brain_rob.bmp)
El kernel roberts tiene en cuenta solo los diferenciales de píxeles diagonales, que realzan las esquinas con mayor claridad pero pueden difuminar elementos verticales u horizontales pequeños.