数字图像处理文稿.ppt

为避免平方和开方运算，减少计算量，常用如下近似方法求梯度的幅度： 或 对于数字图像，用差分代替微分，则 罗伯茨(Roberts)交叉梯度表示： 注：在数字图像的最后一行和最后一列像素上计算梯度值， 一种补救办法：用前一行和前一列对应像素的梯度值。 §4.4 图像的锐化 五、边缘锐化的微分法 1、梯度锐化法 梯度与灰度的关系： (1)图像边缘上，像素灰度有陡然变化，梯度值很大。 (2)图像灰度变化平缓区域，梯度值很小。 (3)等灰度区域，梯度值为零。 具体算法： 一旦计算梯度的计算方法确定，有许多方法产生梯度图像，使图像轮廓突出。 (1)直接计算梯度 轮廓比较突出；灰度平缓变化部分，梯度模值小，很黑。 §4.4 图像的锐化 五、边缘锐化的微分法 1、梯度锐化法 (2)突出边缘，保留背景 T0：阈值(threshold)。选择合适的T，可以突出边缘廓，又不破坏背景。 LG : 给边缘规定的一个像素值。 (3)背景保留，边缘取单一灰度值。 §4.4 图像的锐化 五、边缘锐化的微分法 1、梯度锐化法 (4) 轮廓保留，背景取单一灰度值。 LB ：给背景规定的亮度值。 LA: 给图像边缘规定的像素值 LB: 给图像非边缘部分规定的像素值 (5)轮廓、背景二值化。只对轮廓感兴趣。 §4.4 图像的锐化 五、边缘锐化的微分法 1、梯度锐化法 原图像 直接计算梯度 突出边缘 保留背景 边缘单值 保留背景 保留边缘 背景单值 边缘、背景二值化 §4.4 图像的锐化 五、边缘锐化的微分法 1、梯度锐化法 梯度锐化法示例 §4.4 图像的锐化 五、边缘锐化的微分法 2、拉普拉斯锐化法 拉普拉斯算子是各向同性的二阶微分算子，可用于锐化 边缘。 拉普拉斯算子： f(x,y): 锐化前的图像； g(x,y): 锐化后的图像； kτ: 与扩散效应有关的系数，反映锐化的程度。 太 大，图像边缘产生过冲；太小，锐化效果不明显。 锐化方程： §4.4 图像的锐化 五、边缘锐化的微分法 2、拉普拉斯锐化法 拉普拉斯算子图像锐化增强效果 拉普拉斯算子锐化可以表示为卷积的形式： k=1, l=1时，H(r,s) 可以表示为模板： 二、灰度线性变换 设原图像灰度值 f(x, y)∈[a, b]，线性变换后的取值 g(x, y)∈[c, d]，则线性变换如下图所示： 变换关系式为： 其中， 为变换函数（直线） 的斜率。 §4.1 图像的对比度增强 根据[a, b]和[c, d]的取值情况有如下几种情况： （1）扩展动态范围 若[a, b] [c, d]，k1，图像的动态范围展宽。 （2）改变取值区间 若k=1，即d-c = b-a，图像的动态范围不变， 但取值区间随ac的大小而平移。 （3）缩小动态范围 若[c, d] [a, b]，即0k1，图像动态范围会变窄。 （4）反转或取反 若k0，即ba，有dc，图像的像素值反转，原亮的变暗，原暗的变亮。k=-1时，g(x, y)即为 f(x, y)的取反。 §4.1 图像的对比度增强 二、灰度线性变换 灰度变换示例： (a) 原图像 (b) 扩展动态范围 (c) 图像反转 图像灰度的线性变换示例 §4.1 图像的对比度增强 二、灰度线性变换 （1）扩展感兴趣部分，牺牲其它 （2）扩展感兴趣部分，压缩其它 Couple原图像 三段式增强效果 §4.1 图像的对比度增强 三、灰度分段线性变换 （1）对数变换 λ：调节常数，调节变换后的灰度值。 作用：扩展图像的低灰度范围，压缩高灰度范围。 与人眼的视觉特性相匹配。 Couple 原图像 对数变换 增强效果 §4.1 图像的对比度增强 四、灰度的非线性变换 （2）指数变换 ε：偏移量，避免 f (x, y) = 0 时底数为 0 的情况。 γ的取值对变换函数特性有很大影响： γ1:图像灰度向高亮度部分映射 γ1:图像灰度向低亮度部分映射 γ=1:正比变换 作用：高灰度范围得到扩展，而压缩低灰度范围。 §4.1 图像的对比度增强 四、灰度的非线性变换 (c)γ=1.7 (b)γ=0.7 (a) 原图像 灰度图像指数变换示例： 取不同γ值时指数变换对比示例 §4.1 图像的对比度增强 四、灰度的非线性