- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
图像反锐化掩膜算法研究.
中北大学
课 程 设 计 说 明 书
学生姓名: xxx 学 号: 11xxxxxxxx
学 院: 信息与通信工程学院
专 业: 电子信息工程
题 目: 图像反锐化掩膜算法研究
指导教师: 田秀荣 职称: 讲师
2015 年 01月 16日
中北大学
课程设计任务书
14/15 学年第 1 学期
学 院: 信息与通信工程学院
专 业: 电子信息工程
课程设计题目: 专业综合实践之多维信息处理部分:
图像反锐化掩膜增强
起 迄 日 期: 2015年1月5日~2015年1月16日
课程设计地点: 201,503,510实验室
指 导 教 师: xxx
系 主 任: xxx
下达任务书日期: 2015 年 1 月5 日
课 程 设 计 任 务 书
1.设计目的:
对一幅灰度图像,进行反锐化掩膜增强处理。
2.设计内容和要求(包括原始数据、技术参数、条件、设计要求等): 掌握反锐化掩膜增强方法;
用MATLAB方法实现此过程;
(3)要求三位同学协调配合,共同完成任务。
3.设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕:
课程设计说明书一份
程序仿真结果
课 程 设 计 任 务 书
4.主要参考文献: 要求按国标GB 7714—87《文后参考文献著录规则》书写,例:
1 傅承义,陈运泰,祁贵中.地球物理学基础.北京:科学出版社,19855.设计成果形式及要求: 课程设计说明书
仿真结果 6.工作计划及进度: 2015年1月5日----2015年1月16日
1月5日-9日 查找资料,上机调试程序;
1月12日-16日 写设计报告,并答辩。 系主任审查意见:
签字:
年 月 日
目录
第一章 绪论 2
1.1反锐化掩模概述 2
1.2反锐化掩模算法 2
1.3常见的图像反锐化掩模增强方法 2
第二章 设计目的及方案简介 3
2.1设计目的 3
2.2设计内容和要求 3
第三章 线性反锐化掩模方法 3
3.1方法简要介绍 3
3.2 主要设计程序 4
3.3 实验结果 4
第四章 基于均值滤波的非线性反锐化掩模 5
4.1方法简要介绍 5
4.2主要程序 6
4.3实验结果 7
第五章 基于小波变换的非线性反锐化掩膜 7
5.1方法简要介绍 7
5.2主要程序 8
5.3实验结果 9
第六章 实验结果评测 10
第七章 本次课设的收获体会 11
第八章 参考文献 11
绪论
1.1反锐化掩模概述
英文:unsharp masking / 中文:反锐化掩模法;将原图像通过反锐化掩模进行模糊预处理(相当于采用低通滤波)后与原图逐点做差值运算,然后乘上一个修正因子再与原图求和,以达到提高图像中高频成分、增强图像轮廓的目的。
反锐化掩模技术最早是应用于摄影技术中,以增强图像的边缘和细节。光学上的操作方法是将聚焦的正片和散焦的负片在底片上进行叠加,结果是增强了正片高频成份,从而增强了轮廓,散焦的负片相当于“模糊”模板(掩模),它与锐化的作用正好相反,因此,该方法被称为反锐化掩模法。
1.2反锐化掩模算法
反锐化掩模(UnSharp Masking,UM)算法。首先将原图像低通滤波后产生一个钝化模糊图像,将原图像与这模糊图像相减得到保留高频成份的图像,再将高频图像用一个参数放大后与原图像叠加,这就产生一个增强了边缘的图像。最初将原图像通过低通滤波器后,因为高频成份受到抑制,从而使图像模糊,所以模糊图像中高频成份有很大削弱。将原图像与模糊图像相减的结果就会使f(x、y)的低频成份损失很多,而高频成份较完整地被保留下来。因此,再将高频成份的图像用一个参数放大后与原图像f(x、y)叠加后,就提升了高频成份,而低频成份几乎不受影响。
1.3常见的图像反锐化掩模增强方法
1.3.1线性反锐化掩模方法
1.3.2非线性反锐化掩模方法
1.3.3基于中值
文档评论(0)