数字图像处理图像锐化

《数字图像处理图像锐化》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

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。图像锐化的目的是加强图像中景物的细节边缘和轮廓。锐化的作用是使灰度反差增强。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。图像锐化的概念图像的景物细节特征；一阶微分锐化方法；二阶锐化微分方法；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——基本原理一阶微分的计算

2、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。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123212126230876127862326900

3、0000-3-13-2000-6-13-130011250000001*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1232121262308761278623269000000-7-17400-16-25500-17-22-30000001*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这种锐化算法需要进行后处理，以解决像素值为负的问题。

4、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。这样做的结果是：可以获得类似浮雕的效果2020202020201770202014772020213225202020202020000000-3-13-2000-6-13-13001125000000单方向锐化的后处理方法2：将所有的像素值取绝对值。这样做的结果是，可以获得对边缘的有方向提取。000000313200061313001125000000000000-3-13-2000-6-13-13001125000000返回无方向一阶锐化——问题的提出前面的锐化处理结果

5、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。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Sob

6、el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Sobel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。Roberts算法的模板为2*2，提取出的信息较弱。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

7、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变形算法为了改善锐化效果，可以脱离微分的计算