这些函数使用高斯平滑和对称差分进行梯度估计。 它们可用于支持例如 Canny 边缘检测器,并可形成许多图像和数据处理操作的初始阶段。 梯度函数接受不同类型的数据: gradients_x: 一个向量
gradients_xy:一个二维数组,通常是一个图像。 返回梯度的两个分量。
gradients_xyt:两个二维数组,每个数组通常是一个图像。 返回空间和时间梯度。
gradients_n:一个 ND 数组。 返回沿每个轴的梯度。
支持平滑函数执行高斯平滑,输入:
gsmooth:一个向量
gsmooth2:二维数组
gsmoothn:ND 阵列
如果需要,这些函数提供各向异性平滑。 (也就是说,每个轴的平滑常数不同。)
特别注意如何处理靠近数组边界的元素。 默认情况下,输出数组小于输入数组,因此只需要计算有效值。 但是,一个选项允许输出与输入的大小相同; 然后通过使用反射或平
2021-05-30 14:04:05
21KB
matlab
1