基于Sobel算子的图像锐化偏微分方程图像处理.docVIP

基于偏微分方程的图象处理课程设计 （2014年秋季学期） 学 院 专 业 信息与计算科学 班 级 信计12-1班 名 称 基于Sobel算子的图像锐化 组 员 指导教师 2014 年 月 日 一、目的与要求 《图像处理》是信息与计算科学专业一门重要的基础课程之一，它主要应用在医疗、生物等学科的图象处理方面，是当今社会发展较为迅速的一门技术。课程设计的一个重要的环节是实践环节，主要锻炼学生的动手能力，以及团队能力，独立思考能力等。 二、设计的方案 2.1模型的建立 Sobel算子 （加权平均差分法） Sobel算子是典型的基于一阶导数的边缘检测算子，由于该算子中引入了类似局部平均的运算，因此对噪声具有平滑作用，能很好的消除噪声的影响。Sobel算子包含两组3x3的矩阵，分别为横向及纵向模板，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。实际使用中，常用如下两个模板来检测图像边缘。 -1 0 1 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 图1 Sobel算子 和一些传统的图像锐化方法相比，基于sobel算子的锐化在诸多方面都得到了改进，这些也成了sobel算子发展的有力保证，sobel算子的具体定义如下： Dx=[f(x+1,y-1)-f(x-1,y-1)]+2[f(x+1,y)-f(x-1,y)]+[f(x+1,y+1)-f(x-1,y+1)], Dy=[f(x-1,y+1)-f(x-1,y-1)]+2[f(x,y+1)-f(x,y-1)]+[f(x+1,y+1)-f(x+1,y-1)]. Sobel算子也可用模版表示，如图2所示，模版中的元素表示算式中相应像素的加权因子。 图2 2.2模型的实现 由于sobel算子是相隔两行或两列之差分，故边缘两侧元素得到增强，同时由于sobel算子引入了平均元素，对图像中的随机噪声有一定的平滑作用，所以离散化采用sobel算子，同时以sobel算子较强的锐化作用达到锐化目的 三、主要实现程序 ( MATLAB ) 命令: W_H1=[-1,0,1;-2,0,2;-1,0,1]; W_H2=[-1,-2,-1;0,0,0;1,2,1]; T=0.165; L=imread(1.bmp,bmp); %L=imread(1.tif,tif); [height,width]=size(L); L1=double(L); L2=zeros(height+2,width+2); L2(2:height+1,2:width+1)=L1; for i=2:height+1 for j=2:width+1 sum1=0; sum2=0; for m=-1:1 for n=-1:1 sum1=sum1+W_H1(m+2,n+2)*L2(i+m,j+n); end end for m=-1:1 for n=-1:1 sum2=sum2+W_H2(m+2,n+2)*L2(i+m,j+n); end end grey=abs(sum1)+abs(sum2); L1(i-1,j-1)=grey; end end big=max(max(L1)); small=min(min(L1)); for i=1:height for j=1:width L1(i,j)=(L1(i,j)-small)/(big-small); if(L1(i,j)T) L1(i,j)=1; else L1(i,j)=0; end end end imshow(L1) 四、测试和调试 实验结果： 1．原图像： 2．Sobel算子锐化图像： 4.1图像锐化的概念 在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导