Der durchschnittliche Gradient bezieht sich auf den Durchschnittswert der Graustufenänderungsrate. Es wird verwendet, um die Bildschärfe anzuzeigen. Dies liegt an den deutlichen Unterschieden in den Graustufen in der Nähe der Ränder oder Schatten des Bildes.

Es spiegelt die Änderungsrate des Kontrasts winziger Details im Bild wider, d. h. die Änderungsrate der Dichte in der mehrdimensionalen Richtung des Bildes, und stellt die relative Klarheit des Bildes dar.

Der durchschnittliche Farbverlauf ist die Bildschärfe, die die Fähigkeit des Bildes widerspiegelt, Detailkontraste auszudrücken. Die Berechnungsformel lautet:

Bildverlauf:

• G(x,y) = dxi + dyj;
• dx(i,j) = I(i+1,j) – I(i,j);
• dy(i,j) = I(i,j+1) – I(i,j);

Dabei ist I der Wert des Bildpixels (z. B. der RGB-Wert) und (i,j) die Koordinate des Pixels.

Der Bildgradient kann grundsätzlich auch über die Mediandifferenz berechnet werden:

• dx(i,j) = [I(i+1,j) – I(i-1,j)]/2;
• dy(i,j) = [I(i,j+1) – I(i,j-1)]/2;

Bildränder werden im Allgemeinen durch die Ausführung von Gradientenoperationen auf dem Bild erreicht.

Gradientenabstiegsbezogene Algorithmen

Der Gradientenabstieg ist heutzutage der beliebteste Optimierungsalgorithmus und auch die am häufigsten verwendete Methode zur Optimierung neuronaler Netzwerke.

Verschiedene Varianten des Gradientenabstiegs:

• Batch-Gradientenabstieg
• Stochastischer Gradientenabstieg
• Mini-Batch-Gradientenabstieg