《数字图像处理[图像锐化]》由会员分享，可在线阅读，更多相关《数字图像处理[图像锐化]（69页珍藏版）》请在金锄头文库上搜索。
1、图像的锐化处理锐化可使景物边界细节增强， 不但提高图像的视觉效果，而且还 便于对图像的形状特征更好地识别 。n图像锐化的目的是加强图像中景物的细节边缘和轮廓。n锐化的作用是使灰度反差增强。n因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。图像锐化的概念n图像的景物细节特征；n一阶微分锐化方法；n二阶锐化微分方法；n一阶、二阶微分锐化方法效果比较。图像锐化方法图像细节的灰度变化特性扫描线灰度渐变孤立点细线灰度跃变图像细节的灰度分布特性平坦段图像细节的灰度变化微分特性一阶微分曲线二阶微分曲线图像细节的灰度分布特性灰度渐变孤立点细线灰度跃变平坦段返回一阶微分锐化 基本原理n一阶
2、微分的计算公式非常简 单： 离散化之后的差分方程： 考虑到图像边界的拓扑结构性，根据 这个原理派生出许多相关的方法。一阶微分锐化 单方向一阶微分锐化 无方向一阶微分锐化 交叉微分锐化（Roberts算子） Sobel锐化 Priwitt锐化返回单方向的一阶锐化 基本原理n单方向的一阶锐化是指对某个特定方 向上的边缘信息进行增强。n因为图像为水平、垂直两个方向组成 ，所以，所谓的单方向锐化实际上是 包括水平方向与垂直方向上的锐化。 水平方向的一阶锐化 基本方法n水平方向的锐化非常简单，通过一个 可以检测出水平方向上的像素值的变 化模板来实现。 水平方向的一阶锐化 例题12321212623087
3、612786232690 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 001*1+2*2+1*3-1*3-2*0-1*8=-3问题：计算结果中出现了小于零的像素值垂直方向的一阶锐化 基本方法n垂直锐化算法的设计思想与水平锐化算 法相同，通过一个可以检测出垂直方向 上的像素值的变化模板来实现。 垂直方向的一阶锐化 例题12321212623087612786232690 0 0 000-7-17 400-16-25 500 -17 -22-300 0 0 001*1+2*2+1*3-1*3-2*2-1*8=-7问题：计算结果中出现了小于零的像素值单方向锐化的
4、后处理n这种锐化算法需要进行后处理，以解决像素值为负的问题。n后处理的方法不同，则所得到的效果也就不同。单方向锐化的后处理方法1：整体加一个正整数，以保证所有的像 素值均为正。n这样做的结果是：可以获得类似浮雕的效果20 202 0 20202017 7 0202014 7 7202021 32 2520202 0 20 2 0200 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00单方向锐化的后处理方法2：将所有的像素值取绝对值。n这样做的结果是，可以获得对边缘的有方 向提取。0 0 0 00031320006131300 1 12 500 0 0 00
5、0 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00返回无方向一阶锐化 问题的提出n前面的锐化处理结果对于人工设计制造的具有矩形特征物体（例如：楼房、汉字等）的边缘的提取很有效。但是，对于不规则形状（如：人物）的边缘提取，则存在信息的缺损。无方向一阶锐化 设计思想n为了解决上面的问题，就希望提出对任何方向上的边缘信息均敏感的锐化算法。n因为这类锐化方法要求对边缘的方向没有选择，所有称为无方向的锐化算法。无方向一阶锐化 交叉微分（Roberts算法 ）交叉微分算法（Roberts算法）计算公式 如下：特点：算法简单无方向一阶锐化 Sobel锐化Sobel锐化
6、的计算公式如下：特点：锐化的边缘信息较强无方向一阶锐化 Priwitt锐化算法Priwitt锐化算法 的计算公式如下：特点：与Sobel相比，有一定的抗干扰性。图像效果比较干净。一阶锐化 几种方法的效果比较nSobel算法与Priwitt算法的思路相同，属于同一类型，因此处理效果基本相同。nRoberts算法的模板为2*2，提取出的信息较弱。n单方向锐化经过后处理之后，也可以对边界进行增强。 示例返回二阶微分锐化问题的提出n从图像的景物细节的灰度分布特性可知，有些灰度变化特性一阶微分的描述不是很明确，为此，采用二阶微分能够更加获得更丰富的景物细节。二阶微分锐化 景物细节特征对应关系灰度截面一阶
7、微分二阶微分(a) 阶跃形 (b) 细线形 (c) 斜坡渐变形二阶微分锐化 景物细节对应关系1）对于突变形的细节，通过一阶微分的极大 值点，二阶微分的过0点均可以检测出来。 二阶微分锐化 景物细节对应关系2）对于细线形的细节，通过一阶微分的过0 点，二阶微分的极小值点均可以检测出来 。 二阶微分锐化 景物细节对应关系3）对于渐变的细节，一般情况下很难检测， 但二阶微分的信息比一阶微分的信息略多 。 二阶微分锐化 算法推导二阶微分锐化 Laplacian 算法n由前面的推导，写成模板系数形式即为Laplacian算子：示例二阶微分锐化 Laplacian变形算法n为了改善锐化效果，可以脱离微分的
8、计算 原理，在原有的算子基础上，对模板系数 进行改变，获得Laplacian变形算子如下 所示。 示例二阶微分锐化 Laplacian锐化边缘提取n经过Laplacian锐化后，我们来分析几种变形算子的边缘提取效果。nH1,H2的效果基本相同，H3的效果最不好，H4最接近原图。示例二阶微分锐化 Wallis算法n考虑到人的视觉特性中包含一个对数环节，因此在锐化时，加入对数处理的方法来改进。示例二阶微分锐化 Wallis算法n在前面的算法公式中注意以下几点：1）为了防止对0取对数，计算时实际上是用log(f(i,j)+1);2）因为对数值很小log(256)=5.45,所以计算时用46*log(
9、f(i,j)+1)。（46=255/log(256)）二阶微分锐化 Wallis算法n算法特点：Wallis算法考虑了人眼视觉特性，因此，与Laplacian等其他算法相比，可以对暗区的细节进行比较好的锐化。 示例 返回Laplacian锐化算子对图像中的噪声非 常敏感，故在做锐化增强之前，需对图像进 行平滑以消除或减弱噪声的影响。 高斯-拉普拉斯算子将平滑运算和锐化 运算结合在一起，非常适合被噪声污染的图 像进行锐化增强二阶微分锐化高斯-拉普拉斯算子一阶与二阶微分的边缘提取效果比较n以Sobel及Laplacian算法为例进行比较 。nSobel算子获得的边界是比较粗略的边界 ，反映的边界信
10、息较少，但是所反映的边 界比较清晰；nLaplacian算子获得的边界是比较细致的 边界。反映的边界信息包括了许多的细节 信息，但是所反映的边界不是太清晰。返回其他锐化算法1、空间域高通滤波图像边缘与高频分量相对应，故使用空间域 高通滤波可让高频分量通过，限制低频分量，从而 达到锐化目的其他锐化算法2、方向模板匹配原理：将8个方向的模板，在锐化时顺序作用 于同一图像窗口，对每一个模板都进行相应的运算 ，用最大的输出来作为窗口中心点像素的锐化输出 值 典型的模板有Robison、Prewitt、Krisch模 板小结微分类型代表算法边界细节一阶微分Sobel算法 Roberts算法 Priwit
11、t算法边界粗略 但清晰边界细节 较少二阶微分Laplacian算法 Wallis算法边界细致 但不清晰边界细节 丰富上机实验 图像锐化Sobel算子、Prewitt算子以及 高斯-拉普拉斯算子实现图像锐化上机参考程序1 实验效果图1上机参考程序2 实验效果图2水平浮雕效果垂直浮雕效果返回水平边缘的提取效果垂直边缘的提取效果返回非矩形目标物的单方向锐化返回交叉锐化效果图例1交叉锐化效果图例2交叉锐化与水平锐化的比较交叉锐化水平锐化返回Sobel锐化效果示例1交叉锐化Sobel锐化Sobel锐化效果示例2Sobel锐化交叉锐化返回Priwitt锐化效果图例Priwitt锐化 Sobel锐化返回一阶
12、锐化方法的效果比较(a) 原图 (b) Sobel算法 (c) Priwitt算法(d) Roberts算法 (e) 水平锐化 (f) 垂直锐化返回Laplacian锐化效果图例返回Laplacian变形算子锐化效果h1h2h3h4返回Laplacian算子边缘提取效果返回Wallis算法效果示例返回Wallis算法与Laplacian算法的比较Wallis算法Laplacian算法返回Sobel与Laplacian边缘提取效果Sobel锐化Laplacian锐化返回上机参考程序1I=imread(cameraman.tif); BW1 = edge(I, sobel ); BW2 = edg
13、e(I, prewitt); BW3 = edge(I,log); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(BW1); subplot(2,2,3),imshow(BW2); subplot(2,2,4),imshow(BW3); 返回上机参考程序2I=imread(cameraman.tif); subplot(2,2,1);imshow(I);title(original); K=fspecial(laplacian,0.7);K1=filter2(K,I)/100; subplot(2,2,2);imshow(K1);title(laplacian); L=fspecial(sobel);L1=filter2(L,I)/200; subplot(2,2,3);imshow(L1);title(sobel); M=fspecial(prewitt);M1=filter2(M,I)/200; subplot(2,2,4);imshow(L1);title(prewitt);返回实验效果图1返回实验效果图2返回
