图像空间域锐化.pptVIP

数字图像处理 指导教师： 胡晓雁 电子邮件： huxy@bnu.edu.cn 北京师范大学信息科学与技术学院 图像空间域锐化 在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓 图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 梯度锐化法 图像锐化法最常用的是梯度法。 对于图像f(x，y)，在(x，y)处的梯度定义为 梯度是一个矢量，其大小和方向为 梯度锐化法 对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示，即 图像空间域锐化 除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘 图像空间域锐化 Roberts对应的模板如图所示 差分计算式如下 fx’ =|f(x+1,y+1)-f(x,y)| fy’ =|f(x+1,y)-f(x,y+1)| 图像空间域锐化 为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分，如图(a)所示。 图像空间域锐化 Sobel在Prewitt算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板如图(b) 根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根据不同的需要生成不同的梯度增强图像 图像空间域锐化 第一种输出形式 g(x,y)=grad(x,y) 此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色 图像空间域锐化 第二种输出形式 图像空间域锐化 第三种输出形式 它将明显边缘用一固定的灰度级LG来表现 图像空间域锐化 第四种输出形式 此方法将背景用一个固定的灰度级 LB来表现，便于研究边缘灰度的变化 图像空间域锐化 第五种输出形式 这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置 Laplacian算子 Laplacian 算子是线性二阶微分算子。即 ▽2f(x，y)= Laplacian算子 Laplacian增强算子 Laplacian增强算子为： g(x，y) =f(x，y)- ▽2f(x，y) =5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 其特点是： 1、在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变； 2、在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲” 高通滤波法 高通滤波法就是用高通滤波算子和图像卷积来增强边缘。常用的算子有： * fx’=f(x+1，y)- f(x，y) fy’=f(x，y+1)- f(x，y) 为简化梯度的计算，经常使用 grad(x，y)=Max(|fx’|，|fy’|) 或grad（x，y）=|fx’|+|fy’| -1 1 -1 1 fx’=f(x+1，y)- f(x，y) fy’=f(x，y+1)- f(x，y) -1 ? ? ? -1 ? 1 1 ? 图 Roberts梯度算子 -1 0 1 -1 -1 -1 -1 0 1 -1 -2 -1 -1 0 1 0 0 0 -2 0 2 0 0 0 -1 0 1 1 1 1 -1 0 1 1 2 1 (a)Prewitt 算子 (b)Sobel算子 对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为 ▽2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) 1 0 -4 1 1 0 0 1 0 Laplace算子 -1 0 5 -1 -1 0 0 -1 0 增强算子 1 -2 1 -1 –1 –1 H1= -2 5 –2 H2= -1 9 –1 1 -2 1 -1 –1 –1