第三章图像增强2介绍.ppt

人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 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 无方向一阶锐化 —— Prewitt锐化算法 Prewitt锐化算法 的计算公式如下： 特点：与Sobel相比，有一定的抗干扰性。图像效果比较干净。 Priwitt锐化效果图例 Priwitt锐化 Sobel锐化 数字图像处理与分析基础 处理效果比较 图 一阶微分算子的效果 （b）原图 （b）Robert算子 （c）Sobel算子 （d）Prewitt算子 一阶锐化方法的效果比较 (a) 原图 (b) Sobel算法 (c) Prewitt算法 (d) Roberts算法 (e) 水平锐化 (f) 垂直锐化 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。 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 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，二阶微分的过0点均可以检测出来。 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。 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，写成模板系数形式形式即为Laplacian算子： 第3章 线性锐化滤波器 模板仅中心系数为正而周围的系数均为负值 用这样的模板与图像卷积，在灰度值是常数或变化很小的区域处，其输出为零或很小；在图像灰度值变化较大的区域处，其输出会比较大，即将原图像中的灰度变化突出，达到锐化的效果 Laplacian锐化效果图例 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。 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。 Laplacian变形算子锐化效果 h1 h2 h3 h4 Laplacian算子边缘提取效果 同梯度算子进行锐化一样，拉普拉斯算子也增强了图像的噪声， 但与梯度法相比， 拉普拉斯算子对噪声的作用较梯度法弱。故用拉普拉斯算子进行边缘检测时，有必要先对图像进行平滑处理。 图 拉普拉斯模板图 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。 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)） 算法特点： Wallis算法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。 Wallis算法效果示例 Wallis算法与Laplacian算法的比较 Wallis算法 Laplacian算法 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； Lapl