第6章 图像增强-锐化解析.ppt

所有梯度值都和相邻像素之间的灰度差分成比例。 利用它来增强图像中景物的边界。 采用梯度进行图像增强的方法有： 第一种方法:使其输出图像的各点等于该点处的梯度。即： 缺点：输出的图像在灰度变化比较小的区域，g(i,j)很小，显示的是一片黑色。 第二种方法: 对梯度值超过某阈值T的像素选用梯度值，而小于T时选用原像素点值。 适当的选取T，可以有效地增强边界而不影响比较平滑的背景。 第三种方法：对梯度值超过T的像素选用固定灰度LG 代替，而小于T时仍选用原像素点值 这种方法可以使边界清晰，同时又不损害灰度变化比较平缓区域的图像特性。 第四种方法：将梯度值超过T的像素选用梯度值，而小于T时选用固定的灰度LB 。即 这种方法将背景用一个固定的灰度级LB来表示，便于研究边缘灰度的变化。 第五种方法：是将梯度值超过某阈值T的像素选用固定灰度LG ，而小于该阈值T时选用固定的灰度LB 。 该法生成的是二值图，根据阈值将图像分成边缘和背景，便于研究边缘所在的位置。 （4.20） 例116面 例4-13 clc [i,map]=imread(pout.tif); figure,subplot(2,3,1),imshow(i,map); i=double(i); [ix,iy]=gradient(i); % 求梯度 gm=sqrt(ix.*ix+iy.*iy); % 求梯度幅度 out1=gm; subplot(2,3,2),imshow(out1,map); out2=i; j=find(gm10); % 求gm10的坐标点 out2(j)=gm(j); % 对该类点赋值为梯度值 subplot(2,3,3),imshow(out2,map); out3=i; j=find(gm10); % 求gm10的坐标点 out3(j)=255; % 对该类点赋值为255 subplot(2,3,4),imshow(out3,map); out4=i; j=find(gm10); out4(j)=255; subplot(2,3,5),imshow(out4,map); out5=i; j=find(gm10); out5(j)=255; q=find(gm10); out5(q)=0; subplot(2,3,6),imshow(out5,map); 2、其他锐化算子 （1） Sobel算子 用模板来表示: 特点：锐化的边缘信息较强 （2） Prewitt算子 用模板表示 ： 特点：与Sobel相比，有一定的抗干扰性。图像效果比较干净。 * * * * * * * * * * 数字图像处理 ------MATLAB图像增强之锐化 图像锐化 原因：对焦不准、景物的相对运动、采样率低均有可能造成图像模糊、不清晰。 基本思想：通过消除或减弱图像的低频分量从而增强图像中的纹理、边缘信息，使边缘和轮廓线模糊的图像变得清晰（即除边缘以外的像素点的灰度值趋于零），使其细节也更加清晰。 图像锐化 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 图像锐化的目的：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。 从频率角度看,图像模糊是其高频信号衰减,因此采用高通滤波可使用图像增晰。 图像锐化 边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观的想到用灰度的微分对边缘和轮廓进行提取。 微分运算是求像素点灰度值的变化率，而图像内不同物体边缘处的像素点的灰度值往往变化比较明显，因此微分运算或差分运算可以起到增强边缘信息的作用。 常用的锐化方法有梯度法、拉普拉斯算子法和定向滤波器法。 图像锐化 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 梯度向量的幅度： （4.10） （4.11） 二元函数f (x,y)在坐标点(x,y)处的梯度定义为 1、梯度锐化法 由于数字图像无法采用微分运算，故一般采用差分运算形式表示。 为了降低运算量，常用绝对值或最大值运算代替平方与平方根运算近似求梯度的幅度： 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