在进行方向场的计算之前，需要先对数字图像方向特征的精确性给予说明。在计算机能够进行的数字图像处理领域，图像函数f(x,y)都是离散化的。数字图像以离散点阵的形式来存储。因此，由数字空间的几何贫乏性可知，数字图像相比连续图像所计算得到的方向角度精确性较低。且计算方法不同，精确性也不相同，但在复杂的图像空间中，这种不精确性所带来的误差都不至于影响到后期基于方向场的图像处理。
鉴于此，我们在确定方向场计算方法时，需要在精确性、计算复杂度与抗噪性能之间进行折衷，常见的方向场计算方法有基于sobel算子的梯度法、投影法等。以上方法均是将方向场定义为标里场进行计算，且存在计算过于复杂或运算时间过长的缺点。为了强调运算速度与有效性的结合，我们采用基元检测器来计算图像方向场。
首先，介绍基元检测的原理。根据条状纹理图像的定义，在需要求解的区域，过中心像素点做一条线段L，沿方向角度0到兀旋转，在任意角度0时，对线段所扭盖的像素点计算像素灰度平均变化，取0及其正交方向(0+兀/2)mod兀灰度平均变化的差值，当取得最大值时，0即为像素点方向场的角度，同时，此差值即为方向的锐度系数方向场的模。线段L的长度将决定参与计算方向场的相邻像素个数，这需要根据图像具体的情况来定，通常取为条纹宽度的两倍左右，本文假设条纹宽度为5像素。则线段长度大概取9像素。
我们己经引入了基元检测的概念。可见基元是一种对图像条纹的检测模板，根据图像分辨率的不同，它的大小将不同。在此根据假设的条纹平均宽度，定义基元大小为9x9邻域。
在构造基元检测器之前，需要先对图像的方向空间进行划分，我们将图像方向近似归纳为8个方向。即将0到兀进行8等分，各个方向之间夹角为兀/8,8个方向角度分别用i兀/8(i=0,1,，，，,7)来表示。
根据基元检测的概念，需要计算各个方向的灰度平均变化。
因此，在以被测像素点为中心的9X9窗口内，分别进行8个方向上的灰度采样，建立8方向灰度序列。
同时，可定义方向场的模r(x,Y)，从求解方向场角度的算法中可以看出，方向角度的判定依据于相互正交方向的灰度平均变化差值，而此差值在各个方向场角度上是不同的，可以量化地定义它为各方向场的锐度系数。当产取得最大值时，即为方向的角度。进而，在不同的区域被判定同属于一个方向场角度，它们在强弱程度上也是不同的，因此，为了便于比较，需将锐度系数归一化。
将基元作用于图像，如采用无益加的方式，则可将图像划分为基元大小的块，计算结果便是块方向场，但这样容易造成检测误差的扩大化和定位的不准确性。通常采用有叠加的逐个像素滑动的方法，这样可以先计算出忠实于原图的点方向场，而所受到的嗓声干扰可以在后续的宏观方向场处理中消除掉。
