文档

imgradientxy

图像的方向梯度

语法

[Gx,Gy] = imgradientxy(I)
[Gx,Gy] = imgradient (I,method)
[gpuarrayGx,gpuarrayGy] = imgradientxy(gpuarrayI, gpuarrayGy),___

描述

例子

Gx孔侑[中文:返回方向梯度,Gx而且孔侑,与输入图像大小相同

当在图像边界处应用梯度算子时,假设图像边界外的值等于最近的图像边界值。

例子

Gx孔侑[中文:方法返回方向渐变方法

例子

gpuarrayGxgpuarrayGy[中文:gpuarrayI___在图形处理器上执行操作。输入图像和返回值是gpuArrays。此语法需要并行计算工具箱™

例子

全部折叠

将图像读入工作区。

I = imread(“coins.png”);

计算x -而且y-方向梯度使用Prewitt梯度算子。

[Gx, Gy] = imgradientxy(I,“普瑞维特”);

显示方向梯度。

图imshowpair(Gx, Gy,“蒙太奇”);标题(“方向梯度:x方向,Gx(左),y方向,Gy(右),使用Prewitt方法”

读取图像到一个gpu阵列。

I = gpuArray(imread)“coins.png”));imshow(我)

计算梯度大小和梯度方向使用普瑞威特的梯度算子和显示图像。

[Gx, Gy] = imgradientxy(I,“普瑞维特”);图,imshow(Gx,[]),标题(“方向梯度:X轴”图,imshow(Gy,[]),标题(“方向梯度:Y轴”

将图像读入工作区。

I = imread(“coins.png”);

计算x- - -y -方向渐变,默认使用Sobel渐变操作符。

[Gx, Gy] = imgradientxy(I);

显示方向梯度。

图imshowpair(Gx, Gy,“蒙太奇”)标题(“方向梯度,Gx和Gy,使用Sobel方法”

计算梯度的大小和方向使用方向梯度。

[Gmag, Gdir] = imgradient(Gx, Gy);

显示梯度大小和方向。

图imshowpair(Gmag, Gdir,“蒙太奇”)标题(“梯度幅度,Gmag(左),梯度方向,Gdir(右),使用Sobel方法”


                   

读取图像并返回方向梯度,Gx而且Gx,以及梯度大小和方向,Gmag而且Gdir,利用默认的Sobel梯度算子。

读取图像到一个gpu阵列。

I = gpuArray(imread)“coins.png”));imshow(我)

计算梯度和显示图像。

[Gx, Gy] = imgradientxy(I);[Gmag, Gdir] = imgradient(Gx, Gy);图,imshow(Gmag,[]),标题(“梯度大小”图,imshow(Gdir,[]),标题(的梯度方向)图,imshow(Gx,[]),标题(“方向梯度:X轴”图,imshow(Gy,[]),标题(“方向梯度:Y轴”

输入参数

全部折叠

输入图像,指定为灰度或二值图像,即必须是非稀疏的数值或逻辑2-D矩阵,或gpuArray。

数据类型:||int8|int32|uint8|uint16|uint32|逻辑

输入图像,指定为二维灰度或二进制gpuArray图像。

数据类型:||int8|int32|uint8|uint16|uint32|逻辑

梯度运算符,指定为以下值之一。

方法 描述
“索贝尔” Sobel梯度运算符(默认)
“普瑞维特” 普瑞威特梯度算子
“中央”

中心差梯度:dI/dx = (I(x+1)- I(x-1))/2

“中间”

中间差梯度:dI/dx = I(x+1) - I(x)

数据类型:字符|字符串

输出参数

全部折叠

方向梯度沿x-axis,作为与图像大小相等的非稀疏矩阵返回.的x-axis指向增加列下标的方向。输出矩阵是一流的,除非输入图像是类图像在这种情况下,他们是有地位的

数据类型:|

方向梯度沿x-axis,返回为与image大小相等的非稀疏gpuArray.的x-axis指向增加列下标的方向。输出矩阵是一流的,除非输入图像是类图像在这种情况下,他们是有地位的

数据类型:|

方向梯度沿y-axis,作为与图像大小相等的非稀疏矩阵返回.的y-axis指向增加行下标的方向。输出矩阵是一流的,除非输入图像是类图像在这种情况下,他们是有地位的

数据类型:|

方向梯度沿y-axis,返回为与image大小相等的非稀疏gpuArray.的y-axis指向增加行下标的方向。输出矩阵是一流的,除非输入图像是类图像在这种情况下,他们是有地位的

数据类型:|

提示

  • 当在图像边界处应用梯度算子时,假设图像边界外的值等于最近的图像边界值。

算法

算法方法是计算方向梯度相对于x设在和y设在。的x-axis是沿着右列和y-axis沿着向下的行定义。

imgradientxy不归一化梯度输出。如果梯度输出图像的范围必须与输入图像的范围相匹配,则考虑归一化梯度图像,这取决于方法参数使用。例如,对于Sobel核,归一化因子是1/8,对于Prewitt,是1/6。

在R2012b中介绍

这个话题有帮助吗?