索贝尔算子

Sobel 算子与 Prewitt 算子非常相似。它也是一个衍生掩模，用于边缘检测。与 Prewitt 算子一样，sobel 算子也用于检测图像中的两种边缘：

与 Prewitt 算子的区别

主要区别在于，在索贝尔算子中，掩模的系数不是固定的，可以根据我们的要求进行调整，除非它们不违反导数掩模的任何性质。

该掩模的工作原理与 Prewitt 算子垂直掩模完全相同。只有一个区别是第一列和第三列的中心有“2”和“-2”值。当应用于图像时，此蒙版将突出显示垂直边缘。

当我们在图像上应用此蒙版时，它会突出垂直边缘。它的工作原理就像一阶导数一样，计算边缘区域中像素强度的差异。

由于中心列为零，因此它不包括图像的原始值，而是计算该边缘周围左右像素值的差值。第一列和第三列的中心值分别为 2 和 -2。

这为边缘区域周围的像素值赋予了更多的权重年龄。这增加了边缘强度，并且与原始图像相比得到增强。

上面的掩码会在水平方向找到边缘，这是因为零列在水平方向。当您将此蒙版卷积到图像上时，它会突出图像中的水平边缘。它之间唯一的区别是它有 2 和 -2 作为第一行和第三行的中心元素。

该蒙版将突出图像中的水平边缘。它也按照上述掩模的原理工作，并计算特定边缘的像素强度之间的差异。由于掩模的中心行由零组成，因此它不包括图像中边缘的原始值，而是计算特定边缘的上方和下方像素强度的差异。从而增加强度的突然变化并使边缘更加明显。

现在是时候看看这些面具的实际效果了：

以下是一张示例图片，我们将在其中一次应用上述两个蒙版。

在上面的样本图像上应用垂直掩模后，将获得以下图像。

在上面的示例图像上应用水平掩模后，将获得以下图像

正如您所看到的，在我们应用垂直蒙版的第一张图片中，所有垂直边缘都比原始图像更明显。同样，在第二张图片中，我们应用了水平蒙版，结果所有水平边缘都是可见的。

通过这种方式，您可以看到我们可以检测图像中的水平和垂直边缘。另外，如果将 sobel 算子的结果与 Prewitt 算子进行比较，您会发现与 Prewitt 算子相比，sobel 算子找到了更多边缘或使边缘更明显。

这是因为在索贝尔算子中，我们为边缘周围的像素强度分配了更多的权重。

现在我们还可以看到，如果我们对蒙版施加更多的权重，它就会为我们获得更多的边缘。另外，正如教程开头提到的，sobel 算子没有固定系数，所以这里是另一个加权算子

如果您可以将此掩模的结果与 Prewitt 垂直掩模的结果进行比较，很明显，与 Prewitt 掩模相比，该掩模将给出更多边缘，因为我们在掩模中分配了更多权重。