Prewitt算子

Prewitt算子用于图像边缘检测。它检测两种类型的边缘

• 水平边缘
• 垂直边缘

边缘是通过计算图像中对应像素强度的差异来计算的。所有用于边缘检测的掩模也被称为导数掩模。因为正如我们之前在本系列教程中多次提到的，图像也是一种信号，因此信号的变化只能使用微分来计算。所以，这些算子也称为导数算子或导数掩模。

所有导数掩模都应具有以下属性

• 掩模中应存在相反的符号。
• 掩模的总和应等于零。
• 权重越大，边缘检测效果越强。

Prewitt算子为我们提供了两个掩模，一个用于检测水平方向的边缘，另一个用于检测垂直方向的边缘。

垂直方向

上述掩模将找到垂直方向的边缘，这是因为垂直方向上的零列。当您将此掩模与图像进行卷积时，它将为您提供图像中的垂直边缘。

工作原理

当我们将此掩模应用于图像时，它会突出显示垂直边缘。它的工作原理类似于一阶导数，并计算边缘区域中像素强度的差异。由于中间列为零，因此它不包含图像的原始值，而是计算该边缘周围左右像素值的差异。这增加了边缘强度，并且与原始图像相比，它得到了增强。

水平方向

上述掩模将找到水平方向的边缘，这是因为零列位于水平方向上。当您将此掩模与图像进行卷积时，它将突出显示图像中的水平边缘。

工作原理

此掩模将突出显示图像中的水平边缘。它也基于上述掩模的原理，并计算特定边缘的像素强度差异。由于掩模的中间行由零组成，因此它不包含图像中边缘的原始值，而是计算特定边缘上下像素强度的差异。从而增加了强度的突然变化，使边缘更加清晰。以上两个掩模都遵循导数掩模的原理。两个掩模中都存在相反的符号，并且两个掩模的总和都等于零。第三个条件不适用于此算子，因为以上两个掩模都是标准化的，我们无法更改其中的值。

现在是时候看看这些掩模在实际中的应用了

示例图像

下面是一个示例图片，我们将依次应用以上两个掩模。

应用垂直掩模后

在上述示例图像上应用垂直掩模后，将获得以下图像。此图像包含垂直边缘。您可以通过将其与水平边缘图片进行比较来更准确地判断它。

应用水平掩模后

在上述示例图像上应用水平掩模后，将获得以下图像。

比较

您可以看到，在第一张我们应用垂直掩模的图片中，所有垂直边缘都比原始图像更清晰。同样，在第二张图片中，我们应用了水平掩模，结果所有水平边缘都清晰可见。因此，通过这种方式，您可以看到我们可以从图像中检测水平和垂直边缘。