第04章增强04.ppt

4.4 图像锐化 微分法 拉普拉斯运算 高通滤波 关于锐化——使模糊的图像变清晰 一、图像边缘信息 3、边缘种类 二、锐化的方法——微分法 四、处理技术 4．4．1微分法 一、梯度法 1、梯度的定义为 2、两种差分算法 3、特殊点处理 4、生成不同的梯度增强图像 二、 Sobel算子 2、优点 4．4．2 拉普拉斯运算 1、定义 2、计算 例： 3、拉普拉斯模板 4．4．3高通滤波 4.5 图像的伪彩色处理 1、定义 通过将每一个灰度级匹配到彩色空间上的一点，将单色图像映射成彩色图像。 2、密度分割 为不同的灰度级人为的分配不同的彩色。 3、灰度级彩色变换 4、滤波法 * 1、特性 幅值、方向 2、边缘的描述 边缘点 边缘法线方向 边缘方向 边缘位置 边缘强度 其一： 阶跃状边缘，它两边像素的灰度值有显著的不同。 其二： 屋顶状边缘，位于灰度值从增加到减少的变化转折点。 如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征是灰度的变化率和方向，在灰度变化突变处进行微分，将产生高值。 考虑图像的每个像素在某个领域内的变化，利用边缘邻近一阶或二阶方向导数变化规律，增强边缘。 三、锐化的目的 1、使图像更加清晰，以产生更适合人观察和识别的图像 。 2、使目标物体的边缘鲜明，以便于计算机提取图像的特征信息，为图像理解和分析打下基础 空域锐化法 频域锐化法 0 0 1 255 255 255 255 1 1 1 254 253 254 254 0 0 0 255 255 253 253 1 1 0 254 254 254 254 G ( i, j ) = f ( i , j )- f ( i, j-1 ) 0 1 254 0 0 0 0 0 253 -1 1 0 0 0 255 0 -2 0 0 - 1 254 0 0 0 增强边缘: 突出边缘相邻点间灰度级的变化 0 1 0 1 0 1 0 1 1 1 0 0 255 254 255 254 255 253 255 254 255 254 253 254 255 254 253 254 G ( i, j ) = f ( i , j ) - f ( i-1, j ) 一种基于梯度的滤波器,称为边沿算子 2、梯度的两个重要性质  （1） 方向：在函数f(x, y)最大变化率的方向上。 （2） 幅度: 梯度的数值就是f (x, y)在其最大变化率方向上的单位距离所增加的量。 f ( i , j ) f ( i , j ＋1 ) f ( i ＋1 , j ) f ( i ＋1 , j ＋1 ) ( a ) G［f(x, y)］ ={［f(i, j)-f(i+1, j)］2+［f(i, j)-f(i, j+1)］2}1／2 G［f(x, y)］=|f(i, j)-f(i+1, j) |+|f(i, j)-f(i, j+1) | 水平垂直差分法 交叉差分计算法 Robert梯度法 f ( i , j ) f ( i , j ＋1 ) f ( i ＋1 , j ) f ( i ＋1 , j ＋1 ) G［f(x, y)］= {［f(i, j)-f(i+1, j+1)］2+［f(i+1, j)-f(i, j+1)］2}1／2 G［f(x, y)］=|［f(i, j)-f(i+1, j+1) |+|f(i+1, j)-f(i, j+1)| 图像中灰度变化较大的边缘区域其梯度值大，在灰度变化平缓的区域其梯度值较小，而在灰度均匀区域其梯度值为零。 对于最后一行和最后一列像素，不能进行梯度计算。 解决： 以前一行和前一列的梯度值近似代替。 使各点的灰度g(x, y)等于该点的梯度幅度 g(x, y)=G［f(x, y)］ 阈值判定 给边缘规定特定灰度级 给背景规定灰度级 根据梯度二值化图像 )] 1 , 1 ( ) , 1 ( 2 ) 1 , 1 ( [ )] 1 , 1 ( ) , 1 ( 2 ) 1 , 1 ( [ + - + - + - - - + + + + + - + = j i f j i f j i f j i f j i f j i f S x 1、算法 )] 1 , 1 ( ) 1 , ( 2 ) 1 , 1 ( [ )] 1