blocks|key|4425988|text|我建议你试试这个：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4425989|sensitive.|4425990|Second+|unordered-list-item|4425991|平滑:如果图像可能包含噪声，我会首先用高斯核过滤它，因为二阶导数是非常噪声的sensitive.|ordered-list-item|4425992|Second导数:用离散拉普拉斯算子过滤图像，例如:0+1+0；1+-4+1；0+1+0|4425993|查找二阶导数的局部最大值:用这个掩码扩展图像:1+1+1；1+0+1；1+1+1|4425994|4425995|4425996|这三个步骤在OpenCV\Matlab中都有现成的实现。|4425997|entityMap^0|0|0|0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|T|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|U|8|@]|9|@]|A|$]]|$1|D|3|E|5|F|7|V|8|@]|9|@]|A|$]]|$1|G|3|H|5|I|7|W|8|@]|9|@]|A|$]]|$1|J|3|K|5|I|7|X|8|@]|9|@]|A|$]]|$1|L|3|M|5|I|7|Y|8|@]|9|@]|A|$]]|$1|N|3|-4|5|6|7|Z|8|@]|9|@]|A|$]]|$1|O|3|-4|5|6|7|10|8|@]|9|@]|A|$]]|$1|P|3|Q|5|6|7|11|8|@]|9|@]|A|$]]|$1|R|3|-4|5|6|7|12|8|@]|9|@]|A|$]]]|S|$]]

I would suggest trying this:

<ol>
<li>Smooth: If the image might contain noise, I would filter it first with a Gaussian kernel since the second derivative is very noise sensitive.</li>
<li>Second derivative: filter the image with the discrete laplacian, e.g:
0 1 0;
1 -4 1;
0 1 0</li>
<li>Find the local maximum of the second derivative:
Dilate the image with this mask: 1 1 1; 1 0 1; 1 1 1</li>
</ol>

All three steps have ready implementations in OpenCV\Matlab.

to detect valleys, I would like to find the min values of my 2D signal in the direction along which signal has greatest magnitude of its second order derivative. 

I think that I can calculate, on each pixel, the magnitude of second derivative w.r.t xx, yy, xy, yx, take the max of these, and see if my pixel is a local min in this direction.

First do you think that I am right when doing so? 

Second, what are filters like to compute the directional derivative? I have an idea this is

001111100

001111100

001111100

00-2-2-2-2-2-200

00-2-2-2-2-2-200

00-2-2-2-2-2-200

001111100

001111100

001111100

for derivative along yy,

000000000

01110-1-1-10

01110-1-1-10

01110-1-1-10

000000000

0-1-1-101110

0-1-1-101110

0-1-1-101110

000000000

for derivative along xy, etc...

but I would like somebody to confirm, or to hint at relevant doc.

Thanks and regards.

image processing - second order directional derivative

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

为了检测谷值，我想找出2D信号在信号具有最大二阶导数幅度的方向上的最小值。我想我可以计算每个像素上的二阶导数w.r.txx，yy，xy，yx的大小，取其中的最大值，看看我的像素是不是这个方向上的局部最小值。首先，你认为我这样做是对的吗？第二，什么是滤波器来计算方向导数？我有个想法，这是00111110000111110000111110000-2-2-2-2-20000-2-2-2-2-20000

问图像处理.二阶方向导数
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问图像处理.二阶方向导数EN