A Prewitt operátor egy élérzékelési módszer a képfeldolgozásban , amely kiszámítja a maximális választ a konvolúciós kernelek halmazán, hogy megtalálja az egyes pixeleknél az él helyi orientációját. Judith Prewitt készítette orvosi képek élérzékelésére [1] [2] .
A művelethez különféle magokat használnak. Egy magból nyolcat kaphatunk a forgási együtthatók átrendezésével. Minden eredmény érzékeny lesz a határ irányára 0° és 315° között 45°-os lépésekben, ahol a 0° a függőleges határnak felel meg.
Az egyes pixelek maximális válasza a megfelelő pixel értéke a kimeneti képen. Értékei 1 és 8 között vannak, attól függően, hogy hány kernel adta a legnagyobb eredményt.
Ezt az élészlelési módszert élsablon-illesztésnek is nevezik, mivel egy képet egy sablonkészlethez illesztenek, amelyek mindegyike valamilyen éltájolást képvisel. A képponton lévő szegély méretét és tájolását ezután az a sablon határozza meg, amely a legjobban illeszkedik a pixel helyi környezetéhez.
A Pruitt éldetektor alkalmas módszer egy szegély nagyságának és tájolásának becslésére. Míg a differenciális gradiens detektornak fáradságos számításra van szüksége az orientáció becsléséhez a függőleges és vízszintes irányú nagyságokból, addig a Pruitt éldetektor közvetlenül a magból adja meg az irányt a maximális eredménnyel. A kernelek készlete 8 lehetséges irányra korlátozódik, de a tapasztalat azt mutatja, hogy a legtöbb közvetlen orientáció becslése sem túl pontos.
Másrészt a kernelkészletnek 8 konvolúcióra van szüksége minden pixelhez, míg a gradiens módszerű kernelkészlethez csak 2: függőlegesen és vízszintesen érzékeny. A határok sokaságának eredménye nagyon hasonló mindkét metódus esetében, ha ugyanazokat a konvolúciós magokat használják.
Az operátor két 3×3-as kernelt használ, az eredeti képet összevonva kiszámítja a származékok hozzávetőleges értékét: egy vízszintesen és egy függőlegesen. Legyen az eredeti kép, és , - két kép, amelyek mindegyik pontja tartalmazza a derivált vízszintes és függőleges közelítését, amelyet a következőképpen számítunk ki.