《数字图像处理[图像锐化.ppt》由会员分享，可在线阅读，更多相关《数字图像处理[图像锐化.ppt（69页珍藏版）》请在三一办公上搜索。
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。,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,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,返回,一阶微分锐化 基本原理,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
2、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,1*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
3、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,1*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。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,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。,返回,无方向一阶锐化 问题的提出,前面的锐化处理结果对于人工设计制造的具有矩形
4、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Sobel相比，有一定的抗
5、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值点，二阶微
6、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,
7、经过Laplacian锐化后，我们来分析几种变形算子的边缘提取效果。H1,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,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,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,算法特点：Wallis算法考虑了人眼视觉特性，因此，
8、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,以Sobel及Laplacian算法为例进行比较。Sobel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；Laplacian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
9、。,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,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
10、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2,Sobel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,h1,h2,h3,h4,返回,Laplacian算子边缘提取效果,返回,Wallis算法效
11、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1,I=imread(cameraman.tif);BW1=edge(I,sobel);BW2=edge(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
12、程序2,I=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,
