数字图像处理5分析报告.ppt

作业 1. 计算并绘制灰度直方图 说明： (1)首先将彩色图像转为灰度图，然后可使用calcHist()函数来计算直方图，并绘制 （2）可参考tutorial中有关直方图的例子 作业 请对如下图像进行质量改善，详细描述你的质量改善方案（可以给出几种方案），并给出代码和最终的结果的比较 作业说明 提交时间： 10.8号之前 Roberts微分算子 可以提取出景物的细节轮廓 模板尺寸是偶数，待处理像素不能放在模板中心，处理结果会有半个像素的错位 OpenCV中的函数 没有现成函数，可使用 void filter2D(InputArray src, OutputArray dst, int ddepth, InputArray kernel, Point anchor=Point(-1,-1), double delta=0, int borderType=BORDER_DEFAULT ) 自定义核函数为模板 二阶微分算子 二阶微分算子基本原理 二阶微分算子-----拉普拉斯算子（ Laplacian 算子） 常用的Laplacian 算子模板 Laplacian算子效果示例 使用Laplacian算子对图像增强 Laplacian对图像的锐化效果 OpenCV中的Laplacian Laplacian(InputArray src, OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, int borderType=BORDER_DEFAULT ) 微分算子用于边缘检测 微分算子可以提取出图像中的细节信息，而景物的边缘是最具描述景物特征的部分 将算子处理过的图像进行判别，将图中为0的点置为黑，其它点置为白，则获得边缘检测图像。 一阶微分算子和二阶微分算子的比较 一阶微分算子（梯度算子）对于灰度变化区域的响应要比二阶微分算子（拉普拉斯算子）更强烈 一阶微分算子（梯度算子）对于噪声和小细节的响应要比二阶微分算子（拉普拉斯算子）弱 拉普拉斯算子不能得到边方向 拉普拉斯算子不直接用于边的检测，通常只起辅助的角色 综合实例 对梯度图像进行平滑处理 拉普拉斯图像与该图像相乘 将结果加到原图像上，得到最终锐化的图像 将平滑后的梯度图像看作为一个模板，乘积能保留灰度变化强烈的区域的细节，同时降低变化相对平缓的噪声 作业 编程实现： Sobel操作子 Robert操作子 Laplacian操作子对图像的处理 数字图像处理 软件学院 李蓉 图像的锐化处理 图像的锐化处理 图像锐化处理的目的是突出图像中灰度变化较大的部分；作用是要使灰度反差增强。 增强边缘、削弱灰度变化平缓的区域 一般可用于景物的边缘或轮廓的提取 图像锐化 锐化算法的实现是基于微分作用 一阶微分算子 Sobel算子 Robert算子 二阶微分算子 Laplacian算子 图像的微分理论基础 二元函数的微分？ 微分： 差分：对于一元函数： 微分算子 对于二元图像函数f(x,y)，一阶微分的定义是通过梯度来实现的： 根据在一定邻域范围内偏微分计算方法的不同，则有不同的微分算子 Sobel微分算子 Sobel微分算子 奇数大小（3×3）模板下的全方向微分算子 在一个邻域范围内计算水平和垂直方向的微分： Gx=[f(x+1,y-1)-f(x-1,y-1)]+2[f(x+1,y)-f(x-1,y)] +[f(x+1,y+1)-f(x-1,y+1)] Gy==[f(x-1,y+1)-f(x-1,y-1)]+2[f(x,y+1)-f(x,y-1)] +[f(x+1,y+1)-f(x+1,y-1)] X-1, Y-1 X, Y-1 X+1, Y-1 X-1,y (x,y) X+1,y X-1, Y+1 X, Y+1 X+1, Y+1 用模板来表示 有时符号刚好相反： 它是梯度方向变化率在（x,y）处的值 M（x,y）是与原图像大小相同的图像，称为梯度图像 有时可采用计算方法来计算： 梯度方向的应用 Sobel方法示例 用x方向模板处理 用y方向模板处理 增大模板尺寸的sobel效果示例 Sobel方法示例 X向算子的处理结果 Y向算子的处理结果 总结 通过水平锐化和垂直锐化后，可将建筑物的水平方向结构及垂直方向结构清晰的表现出来 由于自然景物中的边缘往往不规则，本方法适用于人造物体细节结构的检测 可产生类似浮雕的效果 OpenCV中对应函数 void Sobel(InputArray s