我发起了我的高斯作为fspecial('gaussian', 4, 1)
,我知道gradient()
是获得一阶导数的一种非常方便的方法。反正我是否可以在不使用gradient()
的情况下计算出一阶导数?我正在使用它来创建Harris Corner探测器,如教科书中的第一步所示:
答案 0 :(得分:1)
如果您打算实施Harris Corner Detector,那么您根本不应该使用gradient
。传统上做的是使用衍生内核并使用此内核过滤图像。您可以使用各种内核,但我在实践中看到的是使用中心差异,使得水平内核dx
为[-1 0 1]
,垂直内核dy
为转置此或[-1;0;1]
。因此,您使用这些内核过滤图像以获得响应Ix
和Iy
,其中这些是图像的水平和垂直渐变,然后您对这些图像的平方版本执行高斯平滑处理:{{ 1}},Ix.^2
,以及他们的产品Iy.^2
。然后形成相关矩阵,找到行列式和轨迹并确定拐角响应。任何超过此阈值的值都是潜在的角落。对导数图像执行高斯平滑有效地过滤原始图像,并使用高斯导数,如您在问题中最初所述。
因此,假设您的图片存储在Ix.*Iy
中,您只需执行以下操作:
im
您可以使用im = double(im); % Cast to double precision to ensure accuracy
dx = [-1 0 1];
dy = dx.';
Ix = conv2(im, dx, 'same');
Iy = conv2(im, dy, 'same');
和Ix
来最终计算Harris Corner Response。如果您有图像处理工具箱,我建议您改用imfilter
。它更快,它使用Intel Integrated Performance Primitives (IIPP)。如果您想了解有关如何正确计算的更多信息,请查看我之前的帖子:Trying to find/understand correct implementation of Harris Corners