qq_55621259的博客

我们的梯度方向显然是从黑到白即45°即▽F方向，而我们的边缘方向为-45°阶梯方向，显然垂直！因为通过观察上面的幅度图和角度图可以发现这些部分的幅度大约在100，角度大约为40°，所以我们在上面代码的基础上添加下面这一段代码，就可以实现！而前面一个向量是垂直方向的一阶导（所以是检测垂直边缘）， 后面一个向量则是进行平滑（为了平滑求导放大的噪声）！红色的值比较高，代表很强的垂直边缘，蓝色的值比较低代表很弱的垂直边缘。上面看的都是我们的水平梯度和垂直梯度，下面让我们看下梯度的赋值和角度!......

imread与imshow函数结果： 我们还可以用whos命令查看图像的信息：在命令行窗口输入whos I查看上面那种图片的信息：显示图像的直方图用hist函数，将直方图均衡化用histeq函数我们在上述代码基础上继续输入下面代码：结果： 可以看到图像的对比度比较低，我们进行直方图均衡，继续输入下面代码：结果： 我们使用imwrite函数将上述均衡化的图像I2写入磁盘：可以看到左侧文件区多了output.png我们在命令行窗口使用imfinfo函数能看见该图片更为详细的信息： 拓展：

用5*5的核平滑lena图片。第一种方式：对RGB分量操作第二种方式：对HSV空间的V分量即亮度分量操作结果：HSV分量：平滑结果： 代码：

自适应中值滤波器的另一个优点是它会在试图保留图像细节的同时平滑非冲激噪声,而传统中值滤波器是做不到这一点的。可见实验结果证实了这一点！

灰度变换（1）线性变换图像的灰度集中在较亮的区域而导致图像偏亮，这个时候可以对图像的每一个像素灰度作线性拉伸。原图像f(i,j)的灰度范围为[a,b]，线性变换后图像g(i,j)的范围为[a1,b1]关系式为：MATLAB代码：clc;clear all;img=imread('dog.jfif');img_gray=rgb2gray(img);a1=50;b1=250;a=0;b=255;figure(1)subplot(2,2,1);imhist(img_gray).

之前一直不清楚为什么Sobel算子能检测边缘，一直觉得跟梯度有关，今天看到这篇博客才豁然开朗：Sobel边缘检测算子的本质_大熊背的博客-优快云博客_sobel边缘算子