sobel_dir（算子）

sobel_dir - 使用Sobel算子检测边缘（振幅和方向）。

sobel_dir(Image : EdgeAmplitude, EdgeDirection : FilterType, Size : )

描述

sobel_dir计算图像的一阶导数，并用作边缘检测器。过滤器基于以下过滤器掩码：

A =
1 2 1
0 0 0
-1 -2 -1

B =
1 0 -1
2 0 -2
1 0 -1
根据所选的过滤器类型，这些掩码的使用方式不同。 （在下文中，a和b表示将图像与A和B卷积为一个特定像素的结果。）

对于尺寸为3x3的Sobel算子，直接应用相应的滤波器A和B，而对于较大的滤波器尺寸，首先使用尺寸为Size-2的高斯滤波器（参见gauss_image）或二项式滤波器（参见binomial_filter）对输入图像进行平滑处理。 。为上述FilterType值选择高斯滤波器。这里，必须使用Size = 5,7,9,11或13。通过将“_binomial”附加到FilterType的上述值来选择二项式过滤器。这里，可以在5到39之间选择大小。此外，可以通过在Size中传递两个值来选择不同的平滑列和行方向的量。这里，Size的第一个值对应于掩模宽度（列方向上的平滑），而第二个值对应于二项式滤波器的掩模高度（行方向的平滑）。二项式滤波器只能用于byte，uint2和real类型的图像。由于平滑减小了边缘幅度，在这种情况下，边缘幅度乘以因子2以防止信息丢失。因此，
sobel_dir(I,Amp,Dir,FilterType,S)

对于Size > 3在概念上等同于

 scale_image（I，F，2,0）gauss_image（F，G，S-2）sobel_dir（G，AMP，风向，过滤式，3）

或者

 scale_image（I，F，2,0）binomial_filter（F，G，S [0] -2，S [1] -2）sobel_dir（G，AMP，风向，过滤式，3）。

边缘方向在EdgeDirection中返回，并以2度步长存储，即，在数学上正方向的x度的边缘方向和相对于水平轴的边缘方向在边缘方向图像中存储为x / 2。此外，考虑强度变化的方向。让我们表示图像渐变。然后以r / 2返回以下边缘方向：

边缘幅度为0的点被指定为边缘方向255（未定义的方向）。
sobel_amp可以在OpenCL设备上执行。请注意，当对Size> 3使用高斯过滤时，结果可能与CPU实现不同。

并行

支持OpenCL计算设备。
多线程类型：可重入（与非独占运算符并行运行）。
多线程范围：全局（可以从任何线程调用）。
在元组级别自动并行化。
在通道级别自动并行化。
在域级别自动并行化。

参数

Image （input_object）（多通道 - ）图像（-array）→对象（byte / int2 / uint2 / real）
输入图像。

EdgeAmplitude（output_object）（多通道 - ）图像（-array）→对象（byte / int2 / uint2 / real）
边缘幅度（梯度幅度）图像。

EdgeDirection（output_object）（多声道 - ）图像（-array）→对象（方向）
边缘方向图像。

FilterType（input_control）string→（string）
过滤器类型。
默认值：‘sum_abs’
值列表：‘sum_abs’，‘sum_abs_binomial’，‘sum_sqrt’，‘sum_sqrt_binomial’
值列表（用于计算设备）：‘sum_abs’，‘sum_sqrt’，‘sum_abs_binomial’，‘sum_sqrt_binomial’

Size（input_control）整数（-array）→（整数）
过滤面罩的大小。
默认值：3
值列表：3,5,7,9,11,13,15,17,19,21,23,25,27,29,31,33,35,37,39