数字图像锐化.docVIP

数字图像锐化 摘要 本文分析了数字图像锐化的研究目的及意义，分析了各种锐化算子及其最近的改进措施跟原理 关键词：图像锐化 微分算子 改进算子 Abstract This paper analyzes the purpose and significance of the research of digital image sharpening.Analyzed sharpening operator and its recent improvements with the principle Keyword：Image sharpening Differential operator Improved operator 1.引言 数字图像经过转换和传输后，难免会产生模糊。图像锐化的主要目的在于补偿图像边缘轮廓、突出图像的边缘信息以使图像显得更为清晰，从而符合人类的观察习惯。图像锐化的实质是增强原图像的高频分量。边缘和轮廓一般位于灰度突变的地方，因此和自然地利用灰度差分提取出来。由于边缘和轮廓在一幅图中常常具有任意方向，而差分运算是有方向性的，因此和差分方向一致的边缘和轮廓便检测不出来[3]。因而希望找到一些各向同性的检测算子，它们对任意方向的边缘和轮廓都有检测能力，具有这钟性质的锐化算子有sobel算子，拉普拉斯算子，以及频率域的一些高通滤波器实现边缘检测的功能。 数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像如图： 图1 图像锐化效果逐渐增强的效果图 图像锐化的几种算子一般有：sobel算子 prewitt算子 拉普拉斯算子 Log算子........ 以下介绍这几种图像锐化的方法： 2 各种算子 2.1 sobel算子 对于数字图像{ f(i,j) }经典算子的定义如下: 设： 则 或 通过定义可以利用两个方向模板与图像进行邻域卷积来完成的算子的边缘检测。这两个方向模板一个检验水平边缘，一个检验垂直边缘。 算法的基本原理：适当选取阈值M ,作如下判断:若S(i,j) M ,则(i,j)为边缘点。{ S(i,j) }为边缘图像,由于数据溢出的关系,这种边缘图像通常不直接使用,而使用的则是由边缘点与背景点构成的图像,故它为二值图像。 Sobel 算子也可用模板表示。模板中的元素表示算式中相应像素的加权因子。水平和垂直梯度模板分别为： Sobel算子就是对当前行或列对应的值加权后，再进行平均和差分，也称为加权平均差分。 特点：锐化的边缘信息较强 优点：Sobel算子和Prewitt算子一样，都在检测边缘点的同时具有抑制噪声的能力，检测出的边缘宽度至少为二像素。 缺点：由于它们都是先平均后差分，平均时会丢失一些细节信息，使边缘有一定的模糊。但由于Sobel算子的加权作用，其使边缘的模糊程度要稍低于程度要稍低于Prewitt算子。 图（2）sobel处理图 由以上两图对比可以看出，其有一定的抑制噪声能力；但添加了大量的椒盐噪声后抑制效果就比较差了。 2.2prewitt算子 Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘. 对数字图像f(x，y)，Prewitt算子的定义如下： 则经典Prewitt算子认为：凡灰度新值大于或等于阈值的像素点都是边缘点。即选择适当的阈值丁HZ，若P(i，．7)≥丁日Z，则( ， )为边缘点，P(i， )为边缘图像。这种判定是欠合理的，会造成边缘点的误判，因为许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。 2.3拉普拉斯算子 在数学和物理中，拉普拉斯算子或拉普拉斯算符（Laplace operator， Laplacian）是一个微分算子，通常写成△或▽2；拉普拉斯算子有许多用途，此外也是椭圆型算子中的一个重要例子。在物理中，常用于波方程的数学模型、热传导方程以及亥姆霍兹方程。在静电学中，拉普拉斯方程和泊松方程的应用随处可见。在量子力学中，其代表薛定谔方程式中的动能项。在数学中，经拉普拉斯算子运算为零的函数称为调和函数；拉普拉斯算子是霍奇理论的核心，并且是德拉姆上同调的结果。 定义 拉普拉斯算子是n维欧几里得空间中的一个二阶微分算子，定义为梯度（▽f）的散度（▽·f）。因此如果f是