第7章图像的锐化处理.ppt

第 7 章 图像的锐化处理 图像锐化的目的是加强图像中景物的边缘和轮廓。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。 许多情况下，图像的锐化被用于景物边界的检测与提取。 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空间微分作用。 7.1 图像细节的基本特征 如图所示是一幅包含典型细节的简单图像。(b)是(a)扫描线上的灰度值分布曲线。可以看到： 当画面渐渐由亮变暗时，其灰度值的变化是斜坡变化的； 当出现孤立点，即大多情况是噪声点时，其灰度值的变化是一个突起的尖峰； 进入平缓变化的区域，则其灰度变化为一个平坦段； 如果出现一条细线，则其灰度变化是一个比孤立点略显平缓的尖峰； 当画面由黑突变到亮时，其灰度变化是一个阶跃。 这些类型的灰度变化规律可以用来对图像的噪声点、细线与边缘模型化。 从以上分析可知，图像中的细节是指画面中的灰度变化情况。反映数据变化的数学手段可以采用微分算子。 从数学的微分含义来看，“一阶微分”是描述“数据的变化率”，“二阶微分”是描述“数据变化率的变化率”。 图7.2所示是图7.1所示灰度变化细节下的一阶、二阶微分的变化情况。 图7.3给出几种典型灰度变化模式及其相应的微分变化模式。 可见无论那种形式，通过一阶微分或者是二阶微分都可以进行图像细节的增强与检测。 7.2 一阶微分算子 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。 7.2.1 具有方向性的一阶微分算子 单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。 因为图像由水平、垂直两个方向组成，所以，所谓的单方向锐化实际上包括水平方向与垂直方向上的锐化。 １.水平方向的一阶锐化 —— 基本方法 水平方向的锐化非常简单，通过一个可以检测出水平方向上的像素值的变化模板来实现。 水平方向的一阶锐化 —— 例题 ２.垂直方向的一阶锐化 —— 基本方法 垂直锐化算法的设计思想与水平锐化算法相同，通过一个可以检测出垂直方向上的像素值的变化模板来实现。 垂直方向的一阶锐化 —— 例题 单方向锐化的后处理 这种锐化算法需要进行后处理，以解决像素值为负的问题。 后处理的方法不同，则所得到的效果也就不同。 单方向锐化的后处理 方法1：整体加一个正整数，以保证所有的像素值均为正。 这样做的结果是：可以获得类似浮雕的效果。 水平浮雕效果 垂直浮雕效果 单方向锐化的后处理 方法2：将所有的像素值取绝对值。 这样做的结果是，可以获得对边缘的有方向提取。 水平边缘的提取效果 垂直边缘的提取效果 3. 方向模板 有时需要在图像中抽出某一特定方向的轮廓线，这时可以使用方向模板来达到这一目的。根据所需的方向，可从下列8种模板中先取合适的模板。 例如，用上，下两种方向模板可以抽取出右图所示水平轮廓。而斜向轮廓则分别需要上述左上和右上两种方向模板来进行处理。 ４.各向同性的一阶锐化 —— 问题的提出 前面的锐化处理结果对于人工设计制造的具有矩形特征物体（例如：楼房、汉字等）的边缘的提取很有效。但是，对于不规则形状（如：人物）的边缘提取，则存在信息的缺损。 各向同性的一阶锐化 —— 设计思想 为了解决上面的问题，就希望提出对任何方向上的边缘信息均敏感的锐化算法。 因为这类锐化方法要求对边缘的方向没有选择，所有称为各向同性的锐化算法。 各向同性一阶微分锐化 交叉微分锐化，Sobel锐化，Priwitt锐化 7.2.2 交叉微分算法(Roberts算子) Roberts算子模板是一个2×2的模板，左上角的是当前待处理像素f(x.y)，则交叉微分算子定义如下： 其模板可以表示为： Roberts梯度锐化效果图例 Roberts梯度锐化效果图例2 7.2.3 Sobel锐化算法 交叉微分算子可以获得景物细节的轮廓。其作用模板小，相对计算量也小。但由于模板的尺寸是偶数，故待处理像素不能放在模板中心位置，处理的结果就会有半个像素的错位。 Sobel微分算子是一种奇数3x3的模板下的全方向微分算子。 Sobel微分算子定义如下： Sobel微分算子的模板如下： Sobel锐化效果图 Sobel锐化效果图2 7.2.4 Priwitt锐化算法 Priwitt微分算子的思路与Sobel微分算子的思路类似，是在一个奇数大小的模板中定义其微分运算。 Priwitt微分算子定义如下： Priwitt微分算子的模板如下： 肉眼几乎无法区别与Sobel微分算子处理效果的差异