07第四章图像增强3—图像锐化.pptVIP

第四章：图像增强(三) 图像锐化;图 像 锐 化;;锐化滤波器; 1. 梯度法 实际上就是微分法。 图像函数f (x, y) 的梯度定义为 一个向量：; 梯度向量的幅角： ;图6　 图像梯度锐化结果 (a) 二值图像； (b) 梯度运算结果 ;图5　 求梯度的两种差分运算 ;　 罗伯特梯度法(Robert Gradient), 是一种交叉差分方法。 其数学表达式可近似为： G[f(x, y)] ≈|f(i, j)-f(i+1, j+1) |+|f(i+1, j)-f(i, j+1)| ; 采用梯度微分锐化图像，同时会使噪声、条纹等得到增强， Sobel算子则在一定程度上克服了这个问题。 Sobel算子法的基本原理是： 按式(4-38)计算3×3窗口的灰度， 将其作为变换后图像g(i, j)的灰度。 ;式中： ;这是两个互相垂直的算子，并对(i, j)点对称。;由梯度的计算可知:;使图像轮廓突出的方法有许多 在计算出图像f(x,y)的梯度值后，应如何突出图像的轮廓，可根据以下介绍的方法选择使用，即: (a) 梯度图像直接输出 g(x, y)=G［f(x, y)］ 　 优点：突出边缘、轮廓 缺点：灰度变化平缓的区域呈现黑色。 ;(b)加阀值的梯度输出;(c)轮廓灰度规定化输出;(e)二值图像输出;梯度锐化实例;常用的梯度算子 ;处理效果比较;拉普拉斯运算也是偏导数运算的线性组合运算。 f(x,y)的拉普拉斯运算定义为：;(4-42) ;为此，拉普拉斯算子 为 ;实际中还常用到如下的拉普拉斯算子（模板,掩模）;图7 拉普拉斯锐化结果 （a） 二值图像； （b） 拉普拉斯运算结果 ;本章小结