基于Laplacian算子的图像增强.pdf

《基于Laplacian算子的图像增强.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、·222·计算机应用研究2007年*基于Laplacian算子的图像增强孙增国，韩崇昭（西安交通大学电子与信息工程学院，陕西西安710049）摘要：使用Lapiacian算子检测图像的边缘纹理等细节信息，然后以适当比例线性叠加原始图像和细节信息，从而完成图像增强。不同增强方法的比较试验表明，基于Lapiacian算子的图像增强方法既能增强图像的高频分量，又能保持图像的低频分量，是图像增强的有效方法。关键词：Lapiacian算子；图像增强；噪声抑制；细节保持中图法分类号：TP391文献标识码：A文章编号：1001-3695（2007）01-0222-02ImageEnhancementBase

2、donLapiacianOperatorSUNZeng-guo，HANChong-zhao（SchoolofElectronics&InformationEngineering，Xi’anJiaotongUniuersity，Xi’anShanxi710049，China）Abstract：Lapiacianoperatorisusedtodetectthefinedetaiiofimagesuchasedgeandtexture，andimagewasenhancedbyiinearcombinationoforiginaiimageanditsfinedetaiiinsomeproport

3、ion.Variousenhancementmethodsaregiven.ResuitsshowthatthemethodbasedonLapiacianoperatornotoniyenhancesthehigh-freguencycomponentbutaisokeepstheiow-fre-guencycomponent，thereforeitisanefficientmethodofimageenhancement.Keywords：LapiacianOperator；ImageEnhancement；NoiseSuppression；FineDetaiiPreserving一幅图像

4、在成像和传输过程中，由于各种因素的影响，往造成高频分量与低频分量的分离不当。因此，基于频率域的边往会损失一些图像细节，使视觉效果降低，或使机器的自动识缘纹理信息提取方法不适合图像的在线处理。边缘纹理是图别发生错误，所以需要突出图像中的细节部分，使人和机器易像像素灰度不连续的体现，而灰度的间断性可以用其微分来表于理解，这就是图像增强。简而言之，图像增强一要增强高频示。边缘灰度变化越剧烈，其微分值就越大；边缘灰度变化越部分，二要保持低频部分。常用的图像增强方法很多，如灰度平缓，其微分值就越小；当灰度均匀（不发生变化）时，其微分级变换和直方图的均衡化等。灰度级变换包括线性变换、对数为零。因此，微分可

5、作为边缘纹理信息的表征，对于数字图像，变换和幂次变换，它对图像各部分进行相同的灰度拉伸或收微分可用不同的差分模板来实现。缩，使灰度分布符合人的视觉习惯；直方图均衡化通过灰度级差分模板或者直接计算相邻像素的灰度差值，如Roberts变换，使图像像素占有全部可能的灰度级并且分布均匀，从而交叉算子；或者计算不同像素邻域之间的差分，如Prewitt算使图像具有较高的对比度和多变的灰度色调。本文使用子、Sobei算子、罗盘算子和Krisch算子；或者先用低通滤波器Lapiacian算子检测图像的高频分量，然后把高频分量和图像平滑图像，然后再用上述差分算子提取边缘，如Canny算子。背景相叠加，从而获得图

6、像的增强效果。通过与对数变换以及这些算子均属于一阶差分模板，它们一般对阶跃状边缘有较强直方图均衡化等增强方法的比较，本文提出的基于Lapiacian的响应，但同时会产生较粗的边缘，影响边缘细节的定位精度。算子的增强方法有较好的增强效果，特别是对于背景和目标的与一阶差分模板相比，二阶差分模板对细线和孤立点等细节信灰度级相差较大时，本文方法明显优于前两种方法。息有更强的响应，它对阶跃状边缘产生双响应，并且利用零交叉点来定位边缘，因而定位精度较高。常用的二阶差分模板是!基于差分算子的高频分量检测Lapiacian模板，它有两种形式。图1（a）为模板满足90旋转的图像的高频分量对应于边缘纹理等细节信息

7、，图像的低频各向同性，图1（b）为模板满足45旋转的各向同性；图2给出分量对应于背景，图像的信息量主要体现在边缘纹理中。图像了它们的频谱。可见Lapiacian算子等效于高通滤波器，因此增强的关键是图像细节的增强，而要实现边缘细节的增强，首可以有效地提取图像的边缘纹理等高频分量。图1（a）模板对先就要实现边缘细节与背景的分离。各类高通滤波器可以实高频分量的响应强于图1（b）模板，这意味着图1（a）