前言

本篇文章将阐述如何使用自定义深度进行模型边缘划分。自定义深度介绍，请参照之前的文章进行学习（传送门）。建议各位创建个项目进行试验，这样更容易理解文章中介绍的内容。

对于图形学中，分析图像边缘，最常用的莫过于Sobel算子（索贝尔算子百科传送门）。百科中的介绍非常清楚，但是理解起来可能稍微有一些难度，那么本篇博文将从最简单的方向进行详细阐述，如何进行图像边缘识别。

Sobel算子中提到了一个非常重要的概念，就是权重划分概念。这种方法，对于边缘的识别更加的清晰明确。我们这里不选用卷积算法（请自行百科），而是直接采用深度信息权重加成方式，进行边缘识别。这样更容易理解！

分析

在后处理中，我们将会得到一张渲染图像，那么如果我们抽取其中的像素深度进行剖析，从之前的文章我们可以得出如下验证结果

• Render中勾选了自定义深度通道不做的物体，最终会获取到深度信息记录（距离摄像机距离）
• 未被勾选自定义深度通道的物体，将会被标记为深度信息无穷大的值

通过这个结果，我们可以简化三维图像到二维图像中，并将渲染的图形设定为正方形，将会得到如下的图像深度信息表，参照图一

我们对图一进行简要说明，其中橙色部分为渲染矩形并勾选了自定义深度通道，其他部分为普通渲染信息。10表示渲染像素距离摄像机为10个单位，n表示无穷大距离，每个方格代表一个渲染像素单位。

注意：这张图中，橙色区域距离相机距离是相同的，但是如果距离不同也是没有问题的，也就是值不为10也是可以的，但是必须是小于n，因为橙色部分的图形是被勾选自定义深度信息记录了，n是无穷大，有距离，那么距离应该不会无穷大。

进行图像边缘划分

通过图一，我们进行矩形边缘识别，那么他的边缘应该是图二中底色为橙色的区域圈选出来的部分

那么我们将要处理的问题是

• 如何将底色是橙色的部分划分出来
• 借助已有数据信息进行逻辑划分
• 不能过份踢除距离边缘过远的区域

处理

如果我们采用权重划分，即处理过程是为当前像素划分权重，借助像素上下左右，左上，左下，右上，右下距离摄像机的距离之和当作权重值，如图三处理方案

其中蓝色底色的四周被用红色线框划分，最后，他的权重为n+n+n+n+n+10+10+10，最后等于5n+30

我们使用上面的权重划分规则，进行整张图像中的像素格子权重划分，将得到图四中的图像结果。

如果您仔细观察，会发现，在图二中被标记出来的边缘内部，即图四中底色为白色的区域，他们的权重值为不包含n的值，其他区域均包含n。

回顾下

进行域划分

我们在得到上面的结果后，左右两图进行同样的运算操作，假设n为1000，我们将n带入上面的图形，依次进行计算减去100，圈定值域到0-1，将会得到下面的计算结果

接下来我们将使用图六中的两张图进行边缘拾取操作，将图六中的右图进行1减操作，将会得到下图结果

此时，我们将图六中的左图，与图七进行相乘计算，将会得到一张我们想要的图

至此，我们已经将图像中的边缘部分提取完成

总结

• 进行权重获取，通过权重进行值域划分
• 将得到的权重值图，与原自定义深度图进行运算
• 运算过程减去一个数，圈定范围，一减取反，相乘

好了，本篇文章到此结束，我们将在下一篇文章中介绍如何使用这篇文章中的知识，进行实际操作。谢谢大家~