什麼時候圖像的梯度方向比幅度更有用？

Question

是否存在現實世界中的問題或情況：圖像Gx和Gy的方向梯度比其幅度sqrt（Gx^2 + Gy^2）更有用？對於某些直覺，如果需要，請參閱matlab image gradient

Answer 1

我想你可以在想要各向異性（方向相關）濾波器時使用它;就像你想只在特定的方向上用邊過濾對象一樣。

Answer 2

通過考慮邊緣取向可以使形狀檢測（如線條，圓等）的霍夫變換更有效;例如，請參閱我剛發現的這些演講幻燈片：http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MORSE/hough.pdf

Answer 3

確保梯度信息與圖像（以及更一般的灰度級）輪廓垂直。因此，它與圖像中物體的幾何形狀有關，而不是它們的「顏色」。因此，它是一個獨立於任何像素的實際亮度值的信息，它僅取決於它們的相對分佈。這也被創造爲對比度變化不變量度。

對比度變化很可能發生在現實世界的應用程序中。以一個視頻監控系統爲例：白天，太陽會在地平線上移動，雲層可以飛過，導致光強度改變。檢測梯度方向變化而不是梯度幅度變化的像素值的系統對於這些照明變化將更加魯棒。更一般地說，不同於其大小，梯度方向與在形狀識別環境中非常有用的廣闊場域image morphology密切相關。

Answer 4

當分別考慮x和y梯度時，許多現實世界問題更容易解決。雖然其中許多將是非常專業的，但想到天空線檢測。邊緣檢測器給予yGradient偏好（或僅使用信息）可以更容易區分地平線。

幾乎任何必須檢測沿特定方向運行的邊緣的東西都可以使用單獨的x和y漸變。雖然我想不起很多例子，但我很確定我前段時間閱讀了一篇關於自動檢測瓶子填充水平的文章，該文章充分利用了垂直梯度，同時抑制了水平。

在我自己的工作中，我已經寫了幾個邊緣檢測算法來檢測鑽孔圖像中的水平分層，這爲垂直梯度分配了比水平分量更大的權重。這可以抑制鑽孔痕跡和卡鉗臂陰影，同時增強大多數水平層。