基于二阶微分的图像锐化.ppt

基于二阶 微分的图像锐化 ; 【摘要】 本文中主要讨论了基于二阶微分的图像锐化技术的算法及其用MATLAB的实现；同时给出了利用一阶、二阶微分锐化方法效果比较的对照图像。 【关键字】 MATLAB 非线性锐化 Laplacian算子;图像锐化的目的： 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，就是由于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。锐化的作用，是使灰度反差增强。因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。 ;一阶微分锐化： 一阶微分的计算公式非常简单： 离散化之后的差分方程： 考虑到图像边界的拓扑结构性，根 据这个原理派生出许多相关的方法： a.单方向一阶微分锐化 b.无方向一阶微分锐化 ? 交叉微分锐化 ? Sobel锐化 ? Priwitt锐化 ;二阶微分锐化： 从图像的景物细节的灰度分布特性可知，有些灰度变化特性一阶微分的描述不是很明确，为此，采用二阶微分能够更加获得更丰富的景物细节。 景物细节对应关系: a.对于突变形的细节，通过一阶微分的极大值点，二阶微分的过0点均可以检测出来。 b.对于细线形的细节，通过一阶微分的过0点，二阶微分的极小值点均可以检测出来。 c.对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息略多。 ;算法推导： Laplacian 算法： 由前面的推导，写成模板系数形式即为Laplacian算子： ;void CDynSplitView::OnLaplas() { // TODO: 在此添加命令处理程序代码 int i,j,df; clearmem();//memcpy(image_out,image_in,m_imagex*m_imagey); int ysize=m_imagey,xsize=m_imagex; int w[3][3]={{0,-1,0},{-1,4,-1},{0,-1,0}}; for(j=1;jysize-1;j++) for (i=1;ixsize-1;i++) { df=(int)(*(image_in+(j-1)*xsize+i-1)*w[0][0]+ *(image_in+(j-1)*xsize+i-1)*w[0][1]+ *(image_in+(j-1)*xsize+i+1)*w[0][2]+ *(image_in+j*xsize+i-1)*w[1][0]+ *(image_in+j*xsize+i)*w[1][1]+ *(image_in+j*xsize+i+1)*w[1][2]+ *(image_in+(j+1)*xsize+i-1)*w[2][0]+ *(image_in+(j+1)*xsize+i)*w[2][1]+ *(image_in+(j+1)*xsize+i+1)*w[2][2] ); ? *(image_out+j*xsize+i)=int(abs(df)); } Invalidate(); } ;