如何计算水平梯度值？

Question

所以我想测量图像的垂直边缘，以便稍后将其用作 2D 到 3D 转换的深度提示。

为此，我必须计算每个块的水平梯度值以测量垂直边缘，如下所示：

̅ g(x,y) = 1/N  ∑_((x',y')∈ Ω(x,y))〖g(x', y')〗

地点：

g(x',y') 是像素位置 (x',y') 处的水平梯度，

omega(x,y) 是像素位置(x',y')的邻域

和 N 是 omega(x,y) 中的像素数。

这是我在 matlab 上所做的：

I = im2double(imread('landscape.jpg'));

% convert RGB to gray
gI = rgb2gray(I);
[nrow, ncol] = size(gI);

% divide the image into 4-by-4 blocks
gI = mat2tiles((gI),[4,4]);

N = 4*4; % block size

% For each block, compute the horizontal gradient  
gI = reshape([gI{:}],4*4, []);
mask = fspecial('sobel');
g = imfilter(gI, mask);
g_bar = g./N;


g_bar = reshape(g_bar,nrow, ncol);

我是 Matlab 新手，所以我不确定我的代码是否以正确的方式表达方程式。

如果您认为它是正确的，请告诉我？因为我不确定如何测试输出！

Answer 1

您无需将图像分解为 4 x 4 块。水平梯度可以用Sobel滤波器或Prewitt滤波器，为3 x 3，可直接放入imfilter。 imfilter 使用指定的掩码/内核为您执行 2D 卷积/过滤，因此不需要平铺。因此，您可以将imfilter 与通过fspecial 定义的掩码一起使用，并定义N = 9。因此：

I = im2double(imread('landscape.jpg'));

% convert RGB to gray
gI = rgb2gray(I);

N = 9;

mask = fspecial('sobel');
g = imfilter(gI, mask);
g_bar = g./N;

根据经验，增加渐变蒙版的大小不会给您带来更好的效果。您要确保掩码尽可能小，以捕获尽可能多的本地更改。