单击此处编辑母版标题样式单击此处编辑母版副标题样式*1第六章 图像的锐化处理景物边界细节的增强方法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一阶微分锐化 基本原理n一阶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 Sobel锐化 Priwitt锐化单方向的一阶锐化 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12321212623087612786232690 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 0 000 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00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(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谢谢大家作 业 1. P124 第3题2. P124 第4题水平浮雕效果垂直浮雕效果水平边缘的提取效果垂直边缘的提取效果交叉锐化效果图例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Priwitt锐化效果图例 Priwitt锐化 Sobel锐化一阶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Laplacian锐化效果图例Laplacian变形算子锐化效果h1h2h3h4Laplacian算子边缘提取效果Wallis算法效果示例Wallis算法与Laplacian算法的比较Wallis算法Laplacian算法Sobel与Laplacian边缘提取效果Sobel锐化Laplacian锐化非矩形目标物的单方向锐化。