Блог

Я пытаюсь понять, как вычислить конечно-разностную производную матрицу аппроксимации для направленных изображений. Под направленным изображением я подразумеваю изображение, имеющее только одно направление, например:

Приведенное выше изображение имеет только одно направление, поэтому мы можем сказать, что ориентация градиента для этого изображения является положительным углом (например, 50 градусов). У меня есть следующий код, который я нашел для вычисления конечно-разностной производной матрицы аппроксимации. У меня проблема с пониманием этого кода. Почему, когда Th> = 0 (Th — ориентация), производная в направлении y должна быть построена с использованием прямой разности, а не обратной. И для изображений с разными направлениями, как я могу изменить этот код для вычисления конечно-разностной производной матрицы аппроксимации.

 Df = sparse(-eye(N) diag(ones(N-1,1),1)); Df(end,end)=0; % forward diff.
Db = sparse(eye(N)-diag(ones(N-1,1),-1)); Db(1,1)=0; % backward diff.
Dx = kron(Df,eye(N));                           % derivative in x-direction
if Th>=0
    Dy = kron(eye(N),Df);                       % derivative in y-direction
else
    Dy = kron(eye(N),Db);                       % derivative in y-direction
end