Algorithm 3x3 Sobel算子与梯度特征

阅读论文时，我很难理解所描述的算法：

给定手写样本的黑白数字图像，剪下单个字符进行分析。因为这可以是任何大小，所以算法需要考虑这一点（如果更容易，我们可以假设大小为2^n x 2^m）

现在，描述说明给定此图像，我们将其转换为512位功能（512位哈希），如下所示：

（192位）通过使用3x3 Sobel运算符对图像进行卷积来计算图像的梯度。每个边缘的梯度方向量化为12个方向

（192位）结构特征生成器获取渐变贴图，并在邻域中查找渐变值的特定组合。（用于计算表示图像中线条和角的8个不同特征）

（128位）凹度生成器使用8点星形运算符查找4个方向、孔和大比例尺笔划上的粗糙凹度

图像特征贴图使用4x4栅格标准化

---

我现在正在努力学习如何拍摄任意图像，将其分成16个部分，并使用3x3 Sobel运算符为每个部分生成12位。（但如果你对其他部分有所了解，请随意评论：）

我正在努力阅读Srihari等人（2002年）为我的博士论文。论文。我想说这篇文章不是很具体，但作者参考了一份技术报告（CEDAR-TR-01-1）了解更多细节。该报告似乎无法在互联网上访问，因此我的建议是通过电子邮件与作者联系并索取该报告。如果有什么不清楚的地方，你也可以要求澄清。

我正在努力阅读Srihari等人（2002）为我的博士学位撰写的同一篇论文。论文。我想说这篇文章不是很具体，但作者参考了一份技术报告（CEDAR-TR-01-1）了解更多细节。该报告似乎无法在互联网上访问，因此我的建议是通过电子邮件与作者联系并索取该报告。如果有什么不清楚的地方，你也可以要求澄清。

我知道这个问题很老了，但也许它可以帮助别人——你可以在图像上应用sobel算子进行水平和垂直边缘检测。根据结果，可以计算图像中每个点的图像方向向量。在您的例子中，您需要将这些向量映射到12个方向。然后，在本例中，将图像分割为4x4子图像（16个部分），并计算每个部分中每个方向的强度。这将为您提供12*16=192个功能。如果需要的话，我可以给出更详细的解释。

我知道这个问题已经很老了，但也许它可以帮助某些人——你可以在图像上应用sobel算子进行水平和垂直边缘检测。根据结果，可以计算图像中每个点的图像方向向量。在您的例子中，您需要将这些向量映射到12个方向。然后，在本例中，将图像分割为4x4子图像（16个部分），并计算每个部分中每个方向的强度。这将为您提供12*16=192个功能。如果需要的话，我可以给出更详细的解释。

我想你必须详细说明你的问题。问题是分割图像还是进行sobel内核卷积？您是要求我们帮助您理解关于手写识别的论文，还是要求我们为您做家庭作业？你看，通常情况下，论文都包含了解决方案，因此没有必要费劲去寻找它。Srihari等人（2002年）。正如其他人提到的，实施细节很少。我已经很久没有发布这个问题了。我可能会把它挖出来再试一次。我想你必须详细说明你的问题。问题是分割图像还是进行sobel内核卷积？您是要求我们帮助您理解关于手写识别的论文，还是要求我们为您做家庭作业？你看，通常情况下，论文都包含了解决方案，因此没有必要费劲去寻找它。Srihari等人（2002年）。正如其他人提到的，实施细节很少。我已经很久没有发布这个问题了。我可能会把它挖出来再捅一刀。