CH图像锐化说课.ppt

第六章 图像的锐化处理 图像锐化的目的是加强图像中景物的细节边缘和轮廓。 锐化的作用是要使灰度反差增强。 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。 6.1 图像细节的灰度变化特性 6.1 图像细节的灰度变化特性 6.2 一阶微分锐化算法原理 一阶微分的计算公式非常简单： 6.3 单方向的一阶锐化算法 单方向的一阶梯度算法是指给出某个特定方向上的边缘信息。 因为图像为水平、垂直两个方向组成，所以，所谓的单方向梯度算法实际上是包括水平方向与垂直方向上的锐化。 6.3.1 水平锐化算法 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。 例 题 6.3.2 垂直锐化算法 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。 例 题 6.3.3 单方向锐化算法的后处理 这种梯度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，则所得到的效果也不同。 6.3.3 单方向锐化算法的后处理 方法1：整体加一个正整数，以保证所有的像 素值均大于零。 这样做的结果是：可以获得类似浮雕的效果。 6.3.3 单方向锐化算法的后处理 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。 6.4 无方向一阶微分锐化算法 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。 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。 6.4.1 无方向的交叉微分算法 交叉微分算法（Roberts算法）计算公式如下： 6.4.2 Sobel锐化算法 Sobel锐化算法的计算公式如下： 6.4.2 Priwitt锐化算法 3. Priwitt锐化算法 的计算公式如下： 6.4.3 一阶梯度算法效果比较 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。 6.5 二阶微分方法的提出背景 6.5 二阶微分方法的提出背景 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。 6.5 二阶微分方法的提出背景 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。 6.5 二阶微分方法的提出背景 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。 6.6 二阶微分算法 6.6.1 Laplacian 算法 由前面的推导，写成模板系数形式形式即为Laplacian算子： 6.6.1 Laplacian 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。 6.6.1 Laplacian 算法 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。 6.6.2 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。 6.6.2 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)） 6.6.2 Wallis算法 Wallis算法中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。 6.7 一阶微分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。 作 业 （共 2 题） 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 Sobel锐化效果图