《六图像锐化课件》由会员分享，可在线阅读，更多相关《六图像锐化课件（82页珍藏版）》请在金锄头文库上搜索。
1、图象锐化,高频加强滤波 微分法 梯度 反锐化掩模法,要点：,图象经转换或传输后，质量可能下降，难免有些模糊。 图象锐化目的：加强图象轮廓，使图象看起来比较清晰。,图象锐化,图象轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮廓清晰。 高频加强滤波器使高频分量相对突出，而低频分量和甚高频分量则相对抑制。,高频加强滤波器,理想高频加强滤波器的转移函数可表示成：,高频加强滤波器,它由三种滤波器构成： （1）,（2）,高频加强滤波器,（3）,高频加强滤波器,高频加强滤波器转移函数三维图,高频加强滤波器转移函数剖面图,Dl0,Dh0,高频加强滤波器转移函数分解全通滤波
2、器,高频加强滤波器转移函数分解高通滤波器,Dh0,高频加强滤波器转移函数分解低通滤波器,Dl0,F(u,v),Hl(u,v),Ha(u,v),Hh(u,v),G(u,v),高频加强滤波器转移函数分解,几种常见的高通滤波器,（1）理想高通滤波器,理想高通滤波器转移函数三维图,理想高通滤波器转移函数剖面图,（2）巴特沃思高通滤波器,3阶巴特沃思高通滤波器转移函数三维图,3阶巴特沃思高通滤波器转移函数剖面图,（3）指数形高通滤波器,3阶指数形高通滤波器转移函数三维图,3阶指数形高通滤波器转移函数剖面图,（4）梯形高通滤波器,梯形高通滤波器转移函数三维图,梯形高通滤波器转移函数剖面图,D1,D0,考察
3、正弦函数 ，它的微分 。微分后频率不变，幅度上升2a倍。,2.3.2 微分法,空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图象轮廓变清晰。,最常用的微分方法是梯度法。设图象函数为f (x,y)，它的梯度 (Gradient)是一个向量，定义为：,微分法,在(x,y)点处的梯度，方向是f (x,y)在这点变化率最大的方向，而其长度（记Gf (x,y)）则等于f (x,y) 的最大变化率，即,微分法,为方便起见，以后把梯度长度也简称为梯度。 对数字图象，用差分来近似微分。 两种常用差分算法 （1）典型梯度算法,微分法,（2）罗伯茨（Roberts）梯度算法,微分法,罗伯茨梯
4、度算法,典型梯度算法,上述二算法运算较费时。为更适合计算机实现，采用绝对差分算法：,微分法,及,注：对NxN数字图象，不可能在最后一行(x=N)和最后一列(y=N)象素上计算梯度值。一种补救办法：用前一行(x=N-1)和前一列(y=N-1)对应象素的梯度值。,微分法,某象素上的梯度值是该象素与相邻象素的灰度差值的单调递增函数。 图象轮廓上，象素灰度有陡然变化，梯度值很大。 图象灰度变化平缓区域，梯度值很小。 等灰度区域，梯度值为零。,微分法,哪一个梯度大？,pp.110-111,一旦计算梯度的算法确定，有许多方法使图象轮廓突出。,微分法,轮廓比较突出，灰度平缓变化部分，梯度小，很黑。,（1）,
5、微分法,T：门限值、阈值(threshold)，非负。适当选择T ，既突出轮廓，又不破坏背景。,（2）背景保留,微分法,LG：指定的轮廓灰度值。,（3）背景保留，轮廓取单一灰度值。,微分法,LB：指定的背景灰度值。,（4）轮廓保留，背景取单一灰度值。,微分法,LG：指定的轮廓灰度值。 LB：指定的背景灰度值。,（5）轮廓、背景分别取单一灰度值，即二值化。只对轮廓感兴趣。,2.3.3 反锐化掩模法,基本算法如下：,图象通过低通滤波器后，高频成分受到抑制，图象变得模糊。换言之，模糊图象中高频成分已被削弱。,反锐化掩模法,会使 的低频成分损失很多，而高频成分较完整地被保留下来。,当叠加C倍的 到 后
6、，就提升了高频成分，而低频成分几乎不受影响。,反锐化掩模法,可用简单局部平均法求得，邻域取3x3，掩模为,Mask,Mask,反锐化掩模法,取C=9，式(2-5)的掩模为,实 例,USM,USM,USM,USM,USM,USM,查找边缘,查找边缘,查找边缘,查找边缘,查找边缘,照亮边缘,照亮边缘,照亮边缘,照亮边缘,照亮边缘,Terms,Image sharpening: 图象锐化 Contour: 轮廓 Edge: 边界，边缘 Boundary:边界 Deblurring: 去模糊 High frequency enhancement filter: 高频加强滤波器,Terms,Differ
7、entiation: 微分 Gradient vector: 梯度向量 Gradient magnitude: 梯度值，梯度 Background: 背景 Object: 物体 Scene: 景物，场景 Unsharp masking: 反锐化掩模,Terms,Overshoot: 过冲 Ring: 振铃 Step function: 阶跃函数 Unit step function: 单位阶跃函数 Rectangular pulse: 矩形脉冲 Triangular pulse: 三角形脉冲 Gaussian function: 高斯函数,Terms,Impulse: 冲激函数 Dirac delta function: 狄拉克函数,
