GradientFilter

GradientFilter[data,r]

给出 data 的梯度幅度，使用采样半径 r 的高斯离散导数进行计算.

GradientFilter[data,{r,σ}]

使用带有标准偏差 σ 的高斯.

GradientFilter[data,{{r1,r2,…},…}]

使用 data 中 i 级别，半径为 ri 的高斯.

更多信息和选项

  • GradientFilter 通常用于检测信号和图像中快速变化的区域.
  • 对于单通道图像和数据，梯度幅值是某像素位置处的梯度 的欧拉法线，在每个维度上使用高斯的离散导数近似.
  • 对于多通道图像，定义雅克比矩阵 为 ，其中 是通道 的梯度. 梯度的幅度是 的最大特征值的平方根，以单通道图像的形式返回.
  • data 可以为如下选项：
  • list任意阶的数值数组
    tseries时间数据，例如 TimeSeries、TemporalData、…
    image任意 Image 或 Image3D 对象
    audio一个 Audio 对象
  • GradientFilter[data,r] 使用标准偏差 .
  • 可以指定下列选项：
  • Method Automatic卷积核
    Padding "Fixed"填充方法
    WorkingPrecision Automatic所使用的精度
  • 可以对 Method 给出下列子选项：
  • "DerivativeKernel""Bessel"卷积核
    "NonMaxSuppression"False是否使用非最大值抑制
  • "DerivativeKernel" 的可能设置包括：
  • "Bessel"标准贝塞尔导数核，用于 Canny 边缘检测
    "Gaussian"标准高斯导数核，用于 Canny 边缘检测
    "ShenCastan"指数的一阶导数
    "Sobel"Sobel 边缘检测核的二项一般化
    {kernel1,kernel2,…}对每个维度指定显式核
  • GradientFilter[data,…] 默认情况下，给出与 data 同样维数的数组、音频对象或图像.
  • 设置 Padding->None，GradientFilter[data,…] 一般给出一个数组、音频对象或小于 data 的图像.
  • GradientFilter[image,…] 返回实数型的图像.

范例

打开所有单元关闭所有单元

基本范例  (3)

灰度图像的梯度滤波：

三维图像的梯度滤波：

将梯度滤波应用于数组成的向量：

范围  (10)

数据  (6)

数值向量的梯度滤波：

数值矩阵的梯度滤波：

对 TimeSeries 滤波：

滤波一个 Audio 信号：

对彩色图像滤波:

滤波一幅 3D 图像：

参数  (4)

使用增加的半径梯度滤波：

使用不同的水平和垂直半径：

只在垂直方向的 3D 图像梯度导数：

只滤波水平平面：

默认的标准偏差是 ：

指定不同的 ：

选项  (9)

Method  (3)

使用默认的贝塞尔方法计算梯度幅度：

使用 Shen–Castan 方法：

使用普里威特内核（Prewitt kernel）计算梯度幅值:

通常情况下，在梯度滤波时，拐角是圆形的：

Shen–Castan 方法给出大尺度上的较好的拐角形状：

默认情况下，不应用非最大抑制（suppression）：

非最大抑制（Non-max suppression）给出梯度线的唯一脊线：

使用带有非最大抑制的 Shen-Castan 方法：

Padding  (2)

GradientFilter 使用不同的填充方法：

Padding->None 一般返回的图像小于输入图像：

WorkingPrecision  (4)

默认情况下，MachinePrecision 与整数数组一起使用：

执行精确的计算：

实数数组，默认情况下使用输入精度：

指定使用的精度：

符号数组，使用精确计算：

当滤波图像时，忽略 WorkingPrecision：

总是返回实类型的图像：

应用  (4)

使用梯度滤波器找到边：

计算一个未锐化的掩膜：

在原图像上添加一个未锐化的掩膜：

利用梯度滤波作为分水岭分割的预处理步骤：

从彩色地图中获取边界：

属性和关系  (4)

向量的 GradientFilter 是向量的高斯的第一个导数：

灰度图像的 GradientFilter 是图像的每个维度的高斯第一个导数的平方和的平方根：

选择半径的梯度滤波的脉冲响应：

2D 中的梯度滤波脉冲响应：

使用不同 "DerivativeKernel" 设置的的梯度滤波的脉冲响应：

二进制图像的梯度滤波给出实类型的灰度图像：

可能存在的问题  (1)

梯度滤波通常产生一个具有较小的像素值的深色图像：

对亮度进行调整创建了一个可视度更高的图像梯度：

巧妙范例  (2)

计算并且可视化多级梯度滤波：

基于图像梯度的艺术效果：

Wolfram Research (2008)，GradientFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/GradientFilter.html （更新于 2016 年）.

文本

Wolfram Research (2008)，GradientFilter，Wolfram 语言函数，https://reference.wolfram.com/language/ref/GradientFilter.html （更新于 2016 年）.

CMS

Wolfram 语言. 2008. "GradientFilter." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/GradientFilter.html.

APA

Wolfram 语言. (2008). GradientFilter. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/GradientFilter.html 年

BibTeX

@misc{reference.wolfram_2024_gradientfilter, author="Wolfram Research", title="{GradientFilter}", year="2016", howpublished="\url{https://reference.wolfram.com/language/ref/GradientFilter.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_gradientfilter, organization={Wolfram Research}, title={GradientFilter}, year={2016}, url={https://reference.wolfram.com/language/ref/GradientFilter.html}, note=[Accessed: 22-November-2024 ]}