我启动了我的高斯作为 fspecial('gaussian', 4, 1)，我知道 gradient()是获取第一个衍生物的一种非常方便的方法。无论如何，我是否可以在不使用gradient()的情况下计算第一个衍生物？我正在使用它来创建哈里斯角检测器，如教科书中的第一步所示：
- 通过用高斯人的衍生物进行卷积，计算图像IX和IY的水平和垂直衍生物
如果您打算实现哈里斯角检测器，则根本不应使用gradient。传统上，您使用的是使用衍生物内核，然后使用此内核过滤图像。您可以使用各种内核，但是我在实践中看到的是使用中心差，以使水平内核dx是[-1 0 1]，而垂直内核dy是此或[-1;0;1]的转换。因此，您可以用这些内核过滤图像以获取响应Ix和Iy，其中这些是图像的水平和垂直梯度，然后您对这些图像的平方版进行高斯平滑，Ix.^2，Iy.^2，以及它们的产品Ix.*Iy。然后，您形成相关矩阵，找到决定因素和痕迹，然后确定角响应。超过该阈值的任何值都是潜在的角落。在您的问题中最初说明
因此，假设您的图像存储在im中，您只需：
im = double(im); % Cast to double precision to ensure accuracy
dx = [-1 0 1];
dy = dx.';
Ix = conv2(im, dx, 'same');
Iy = conv2(im, dy, 'same');
您将使用Ix和Iy最终计算Harris角响应。如果您具有图像处理工具箱，建议您改用imfilter。它更快，使用Intel集成性能原始图（IIPP）。如果您需要有关如何正确计算它的更多信息，请在此处查看我以前的帖子：尝试找到/理解Harris Corners的正确实现