是否存在现实问题或图像Gx和Gy的方向梯度比其幅度sqrt（Gx ^ 2 + Gy ^ 2）更有用的情况？如果需要，请参阅matlab image gradient
答案 0 :(得分：2)
保证梯度信息垂直于图像（更常见的是灰度级）轮廓。因此，它与图像中物体的几何形状有关，而与它们的“颜色”无关。因此，它是独立于任何像素的实际亮度值的信息，它仅取决于它们的相对分布。这也被创造为对比度变化不变量。
在现实世界的应用程序中很可能发生对比度变化。 以视频监控系统为例：在白天，太阳将在地平线上移动，云可以飞过，导致光强度发生变化。检测梯度方向变化而不是梯度幅度变化的像素值的系统对于这些照明变化将更加稳健。
更一般地说，梯度方向与其大小不同，与image morphology的广泛领域密切相关，这在形状识别环境中非常有用。
答案 1 :(得分：1)
分别考虑x和y渐变时，很容易解决许多现实问题。虽然其中许多都是非常专业的，但我想到的是天线检测。优先（或仅使用信息）来自yGradient的边缘检测器可以更容易地区分地平线。
几乎任何必须检测在一个特定方向上运行的边缘的东西都可以使用单独的x和y渐变。虽然我无法想到很多例子，但我很确定我前一段时间读过一篇论文，自动检查瓶子的填充水平，充分利用垂直梯度同时抑制水平。
在我自己的工作中，我编写了一些边缘检测算法来检测井眼图像中的水平分层，这使得垂直梯度的权重大于水平分割。这可以抑制钻孔标记和卡钳臂阴影，同时增强大部分水平层。
答案 2 :(得分：0)
我想你可以在想要各向异性（方向相关）滤波器时使用它;就像你想要只在特定方向过滤边缘的对象一样。
答案 3 :(得分：0)
通过考虑边缘取向，可以使用于形状检测的霍夫变换（例如，线，圆等）更有效;例如，请参阅我刚发现的这些演讲幻灯片：http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MORSE/hough.pdf