Python图像处理与机器视觉入门 课件 第13章 图像锐化.ppt

1-3图像锐化（1）导数（微分）1-3图像锐化（1）导数（微分）练习71-3图像锐化（2）经典高通滤波模型1-3图像锐化（2）Sobel算子偏导数概念1-3图像锐化（2）Sobel算子描述了该方向的变化情况y方向，水平边缘x方向，竖直边缘该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值1-3图像锐化（2）Sobel算子原函数的一阶导数在原函数平滑处取零值，在原函数的“边缘”处取极值。所以，图像边缘增强可由图像求导来实现。1-3图像锐化（2）Sobel算子原函数与高斯函数一阶导数的卷积如下图所示，可知，卷积的结果与求导非常相似，所以可以利用卷机操作来取代求导。*********************图像处理技术李钦、杨耿深圳信息职业技术学院软件学院科技楼1703D室1295254769@图像处理技术第十三章图像锐化1-3图像锐化（1）导数（微分）连续函数的导数1-3图像锐化（1）导数（微分）连续函数的导数离散函数的导数f(n)=f(n+1)-f(n)/(n+1)-nf(x)=df(x)/dxf(n)=df(n)/dn=?1-3图像锐化（1）导数（微分）连续函数的导数离散函数的导数f(n)=f(n+1)-f(n)/(n+1)-nf(x)=df(x)/dxf(n)=df(n)/dn=?1-3图像锐化（1）导数（微分）连续函数的导数离散函数的导数f(n)=f(n+1)-f(n)/(n+1)-nf(x)=df(x)/dxf(n)=df(n)/dn=?1-3图像锐化（1）导数（微分）连续函数的导数离散函数的导数f(n)=f(n+1)-f(n)/(n+1)-nf(x)=df(x)/dxf(n)=df(n)/dn=?1-3图像锐化（1）导数（微分）连续函数的导数离散函数的导数f(n)=f(n+1)-f(n)/(n+1)-nf(x)=df(x)/dxf(n)=df(n)/dn=?f(n)=?*********************