六图像锐化[精选].pptVIP

高频加强滤波 微分法 梯度 反锐化掩模法 2.3.2 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 2.3.3 反锐化掩模法 反锐化掩模法 反锐化掩模法 反锐化掩模法 Terms Image sharpening: 图象锐化 Contour: 轮廓 Edge: 边界，边缘 Boundary:边界 Deblurring: 去模糊 High frequency enhancement filter: 高频加强滤波器 Terms Differentiation: 微分 Gradient vector: 梯度向量 Gradient magnitude: 梯度值，梯度 Background: 背景 Object: 物体 Scene: 景物，场景 Unsharp masking: 反锐化掩模 Terms Overshoot: 过冲 Ring: 振铃 Step function: 阶跃函数 Unit step function: 单位阶跃函数 Rectangular pulse: 矩形脉冲 Triangular pulse: 三角形脉冲 Gaussian function: 高斯函数 Terms Impulse: 冲激函数 Dirac delta function: 狄拉克?函数 USM USM USM USM USM 查找边缘 查找边缘 查找边缘 查找边缘 查找边缘 照亮边缘 照亮边缘 照亮边缘 照亮边缘 照亮边缘 注：对NxN数字图象，不可能在最后一行(x=N)和最后一列(y=N)象素上计算梯度值。一种补救办法：用前一行(x=N-1)和前一列(y=N-1)对应象素的梯度值。 某象素上的梯度值是该象素与相邻象素的灰度差值的单调递增函数。 图象轮廓上，象素灰度有陡然变化，梯度值很大。 图象灰度变化平缓区域，梯度值很小。 等灰度区域，梯度值为零。 哪一个梯度大？ pp.110-111 一旦计算梯度的算法确定，有许多方法使图象轮廓突出。 轮廓比较突出，灰度平缓变化部分，梯度小，很黑。 （1） T：门限值、阈值(threshold)，非负。适当选择T ，既突出轮廓，又不破坏背景。 （2）背景保留 LG：指定的轮廓灰度值。 （3）背景保留，轮廓取单一灰度值。 LB：指定的背景灰度值。 （4）轮廓保留，背景取单一灰度值。 LG：指定的轮廓灰度值。 LB：指定的背景灰度值。 （5）轮廓、背景分别取单一灰度值，即二值化。只对轮廓感兴趣。 基本算法如下： 图象通过低通滤波器后，高频成分受到抑制，图象变得模糊。换言之，模糊图象中高频成分已被削弱。 会使 的低频成分损失很多，而高频成分较完整地被保留下来。 当叠加C倍的 到 后，就提升了高频成分，而低频成分几乎不受影响。 可用简单局部平均法求得，邻域取3x3，掩模为 Mask Mask 取C=9，式(2-5)的掩模为 实 例 USM * * 图象锐化 要点： 图象经转换或传输后，质量可能下降，难免有些模糊。 图象锐化目的：加强图象轮廓，使图象看起来比较清晰。 图象锐化 图象轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮廓清晰。 高频加强滤波器使高频分量相对突出，而低频分量和甚高频分量则相对抑制。 高频加强滤波器 理想高频加强滤波器的转移函数可表示成： 高频加强滤波器 它由三种滤波器构成： （1） （2） 高频加强滤波器 （3） 高频加强滤波器 高频加强滤波器转移函数三维图 高频加强滤波器转移函数剖面图 Dl0 Dh0 高频加强滤波器转移函数分解全通滤波器 高频加强滤波器转移函数分解高通滤波器 Dh0 高频加强滤波器转移函数分解低通滤波器 Dl0 F(u,v) Hl(u,v) Ha(u,v) Hh(u,v) G(u,v) 高频加强滤波器转移函数分解 几种常见的高通滤波器 （1）理想高通滤波器 理想高通滤波器转移函数三维图 理想高通滤波器转移函数剖面图 （2）巴特沃思高通滤波器 3阶巴特沃思高通滤波器转移函数三维图 3阶巴特沃思高通滤波器转移函数剖面图 （3）指数形高通滤波器 3阶指数形高通滤波器转移函数三维图 3阶指数形高通滤波器转移函数剖面图 （4）梯形高通滤波器 梯形高通滤波器转移函数三维图 梯形高通滤波器转移函数剖面图 D1 D0 考察正弦函数