chap4图像增强-partIII.pptVIP

* * 4.3 图像空间域锐化 在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。 图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 4.3.1 梯度锐化法 图像锐化法最常用的是梯度法。 对于图像f(x，y)，在(x，y)处的梯度定义为 梯度是一个矢量，其大小和方向为 对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示，即 fx’ =f(x +1 ，y)-f(x，y) fy’=f(x，y +1)-f(x，y) 为简化梯度的计算，经常使用 grad(x，y)=Max(|fx′|，|fy′|) (4.3-4) 或 grad（x，y）=|fx’|+|f y′| (4.3-5) 除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘。 Roberts对应的模板如图4.3.2所示。差分计算式如下 fx’ =|f(x+1,y+1)-f(x,y)| fy’ =|f(x+1,y)-f(x,y+1)| -1 ? ? ? -1 ? 1 1 ? 图4.3.2 Roberts梯度算子 为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分，如图(a)所示。 (a)Prewitt 算子 (b)Sobel算子 Sobel在Prewitt算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板如图(b)。 根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根据不同的需要生成不同的梯度增强图像。 -1 0 1 ? -1 -1 -1 ? -1 0 1 -1 -2 -1 -1 0 1 0 0 0 -2 0 2 0 0 0 -1 0 1 1 1 1 -1 0 1 1 2 1 第一种输出形式 g(x,y)=grad(x,y) (4.3-7) 此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。 第二种输出形式 式中T是一个非负的阈值。适当选取T，可使明显的边缘轮廓得到突出，又不会破坏原来灰度变化比较平缓的背景 第三种输出形式 它将明显边缘用一固定的灰度级LG来表现。 第四种输出形式 此方法将背景用一个固定的灰度级 LB来表现，便于研究边缘灰度的变化。 第五种输出形式 这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置。 4.3.2 Laplacian增强算子 Laplacian 算子是线性二阶微分算子。即 ▽2f(x，y)= 对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为 ▽2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) Laplacian增强算子为： g(x，y)=f(x，y)- ▽2f(x，y) =5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 0 1 0 1 -4 1 0 1 0 Laplace算子 0 -1 0 -1 5 -1 0 -1 0 增强算子 其特点是： 1、在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变； 2、在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”。