在研究一种检测图像中线性对象的新方法时，我发现了一种将图像变成幽灵般的缠结网络的转换。我的理论是，转换后的图像显示了空间相干性的主要路径。
这种分析是否已经在其他图像处理领域或其他应用程序中完成？
我展示了一个森林区域的卫星图像示例：
我有图像操作的经验来识别图像中的特征，比如边缘或直线，但我从未见过这样的事情。
该方法基于每个像素周围的几个小波变换，考虑所有方向的线并选择具有最大卷积值的角度。此操作导致每个像素有两个数字：最大卷积及其对应的角度，类似于傅里叶分析的幅度和相位。在上面的示例中，卷积图显示为将其极值缩放为灰度图。
正如@user1118321 的评论中所建议的，我已经将转换与 Sobel 过滤器进行了比较：
Sobel算子在每个像素中逼近图像的空间导数。使用经典的 3x3 内核，获得梯度向量的一阶近似值，通常用于突出边缘。我的过滤器使用任意内核大小（上例中为 32x32），但不近似任何阶的空间导数。正如@Meisam 的评论中所指出的，该图像与线性内核卷积，可以解释为局部霍夫变换。选择卷积值最大的核，将图像局部近似为对应方向的一条线。
这个假设回答了我的部分问题，但过滤图像中存在的路径的确切含义仍然是开放的。这些路径似乎连接了图像的某些区域，可能是空间连贯的，也可能只是局部霍夫变换叠加的视觉伪影。
