# 图像梯度运算

应用梯度运算（Sobel、Prewitt、Roberts）进行边缘检测和图像增强

> 标准页面: https://elysiatools.com/zh/tools/image-gradient

- **分类:** Design

- **关键词:** 图片, 梯度, 边缘, 检测, sobel, prewitt, roberts, 增强, 锐化

## 概述

图像梯度运算工具通过应用 Sobel、Prewitt、Roberts 等经典算子，快速检测图像边缘并增强细节。它支持自定义梯度方向、阈值和输出模式，适用于从照片锐化到专业图像分析的多种场景。

## 输入项

- **图片文件** (file): 应用梯度运算进行边缘检测的图片
- **梯度类型** (select): 要应用的梯度运算类型
- **梯度方向** (select): 梯度计算方向
- **阈值** (number): 边缘检测阈值（0-255）。更高值仅检测强边缘
- **输出模式** (select): 如何渲染梯度结果

## 适用场景

- 需要突出显示图像中的物体轮廓和边缘时。
- 希望增强图像的纹理细节和清晰度时。
- 作为计算机视觉或图像处理流程的预处理步骤时。

## 工作原理

- 上传一张图片文件（支持 JPEG、PNG、WEBP、GIF、BMP、TIFF 格式）。
- 选择梯度运算类型（如 Sobel、Prewitt）和计算方向（水平、垂直或双向）。
- 可选地设置边缘检测阈值和输出模式（二值边缘、增强可见性或梯度幅度）。
- 工具处理图像并生成结果，您可以直接下载处理后的图片。

## 使用案例

- 医学影像分析，用于突出 X 光或扫描图像中的组织结构边界。
- 工业视觉检测，识别零件表面的划痕、裂纹或缺陷。
- 摄影后期处理，对照片进行局部锐化或艺术化边缘效果处理。

## 常见问题

### 支持哪些图片格式？

支持 JPEG、PNG、WEBP、GIF、BMP 和 TIFF 格式，文件大小上限为 10MB。

### Sobel、Prewitt 和 Roberts 算子有什么区别？

它们都是边缘检测算子。Sobel 对噪声抑制较好，Prewitt 计算简单，Roberts 对陡峭边缘敏感但抗噪性较弱。Scharr 是 Sobel 的优化版本。

### 阈值参数有什么作用？

阈值（0-255）用于过滤边缘强度。值越高，只显示越明显的边缘；值为 0 时显示所有梯度变化。

### “增强可见性”和“二值边缘”输出模式有何不同？

“二值边缘”输出黑白分明的边缘图；“增强可见性”将边缘叠加到原图，突出显示但保留原图信息；“梯度幅度”显示原始的梯度强度灰度图。

### 处理一张图片需要多长时间？

处理时间取决于图片尺寸和所选算子，通常在几秒内完成。

## 相关工具

- [图像自适应阈值](https://elysiatools.com/zh/tools/image-adaptive-threshold): 应用自适应阈值操作，为小区域计算阈值，适用于光照变化的图像
- [图像方框模糊](https://elysiatools.com/zh/tools/image-box-blur): 应用方框模糊核进行简单均匀平均和快速降噪
- [CLAHE直方图均衡化](https://elysiatools.com/zh/tools/image-clahe): 应用对比度受限自适应直方图均衡化进行局部对比度增强
- [图像颜色加深](https://elysiatools.com/zh/tools/image-color-burn): 在两张图像之间应用颜色加深混合模式，实现戏剧性的暗化和强烈的色彩效果
- [图像颜色减淡](https://elysiatools.com/zh/tools/image-color-dodge): 在两张图像之间应用颜色减淡混合模式，创建明亮、空灵和发光的效果
- [图像卷积核处理](https://elysiatools.com/zh/tools/image-convolve): 应用标准卷积核（模糊、锐化、边缘检测、浮雕）进行图像处理和特效
- [图像自定义卷积核](https://elysiatools.com/zh/tools/image-custom-kernel): 通过定义自己的矩阵值应用自定义卷积核，实现个性化图像效果和处理
- [图像高斯模糊](https://elysiatools.com/zh/tools/image-gaussian): 应用高斯模糊核进行平滑降噪和图像柔化，具有精确控制

## 示例

- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
- [Web TypeScript 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-typescript): Web TypeScript 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Java 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-java): Android Java 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Kotlin 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-kotlin): Android Kotlin 图像处理示例，包括图像读取保存、缩放和格式转换

## 相关内容

- [图像边缘检测与卷积核实验室](https://elysiatools.com/zh/hubs/image-edge-detection-and-convolution-kernels): 提取亮度通道，用可复现的降噪半径抑制噪声，横向对比 Sobel、Prewitt、Roberts、Laplacian 算子，调好阈值化边缘检测，并把胜出结果复现为一张显式写明的卷积核。