En primer lugar, un pequeño descargo de responsabilidad ya que la rotación puede no ser una rotación en el mismo sentido que pretende el autor de la pregunta, pero de todos modos. Por favor, díganme si he entendido mal la pregunta y puedo eliminarla.
Una rotación \phi radianes puede describirse como \left[\begin{array}{rr} a&-b\\b&a\end{array}\right], {a = \cos(\phi), b = \sin(\phi)} y una rotación infinitesimal en el análisis vectorial es \nabla \times {\bf v} = \frac{\partial {\bf v}_x}{\partial y} - \frac{\partial {\bf v}_y}{\partial x} Entonces, ¿cómo se relacionan entre sí, o más interesante, cómo se \phi se relacionan con el producto cruzado anterior.
Una cosa interesante es que el operador matricial anterior es, de hecho, como el vector cambia no cómo se mueve es decir, la parte aditiva. Para obtener la parte aditiva, tenemos que tomar I menos el vector girado es decir, el vector de cambio.
Necesitamos algunos filtros discretos para medir la rotación, y aquí hay algunos básicos tradicionales Sobel filtros. Se trata de filtros lineales que se aplican sobre una discretización de una función, normalmente sobre una malla cartesiana regular. En términos matemáticos, realizamos una discretización convolución con los filtros
D_x = \left[\begin{array}{rr} 1&0&-1\\2&0&-2\\1&0&-1\end{array}\right] \hspace{1cm} D_y = \left[\begin{array}{rrr} 1&2&1\\0&0&0\\-1&-2&-1\end{array}\right]
Esta convolución se define como F(i,j) = \sum_{k,l \in \{0,1,2,3\}} I(i+k,j+l)D_x(3-k,3-l) y produce el respuesta del filtro F . Puede leer más sobre filtrado lineal (convolución discreta) y Filtros Sobel en particular.
Campo de vectores de desplazamiento local. Cada vector apunta desde el centro con la diferencia de coordenadas.
![enter image description here]()
Después de aplicar la rotación descrita anteriormente para \phi = \frac{\pi}{2} . Cada vector contiene su propio desplazamiento en comparación con antes de la rotación.
![enter image description here]()
Aplicación de los filtros de rizado según la fórmula de rizado y ajuste a un sin La curva muestra que podemos hacer curl en un campo de rotación adecuado y estimar phi., la escala 16 (sin máximo) se puede ajustar normalizando los filtros discretos en consecuencia.