图像增强和锐化.docVIP

一、图像平滑/锐化的几种掩模形式。 空域滤波是在图像空间借助模板进行卷积操作完成的。 空域卷积滤波增强方法分类： 线性 非线性 平滑 线性平滑 非线性平滑 锐化 线性锐化 非线性锐化 平滑的目的： 模糊，在提取较大的目标前去除太小的细节或将目标内的小间断连接起来； 消除噪声。 锐化的目的： 增强被模糊的细节。 图像锐化 图像锐化处理目的: 增强图像边缘，使目标物体的边缘鲜明，以便于提取目标物体的边界、对图像进行分割、目标区域识别、区域形状提取等，为图像理解和分析打下基础。其实就是为了加强图像中景物的边缘和轮廓。【去模糊，突出细节（局部对比度增强）。】 图像锐化要求： 抑制低频成分，突出高频成分（基于高通滤波）。 图像锐化的作用： 使灰度反差增强。 图像锐化的基本方法： 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。 5.图像锐化特点： 从灰度变换曲线上可以得到，画面逐渐由亮变暗时，其灰度值的变换是斜坡变化；当出现孤立点，一般是噪声点，其灰度值的变化是一个突起的尖峰；若进入平缓变化的区域，则其灰度变化为一个平坦段；如果图像出现一条细线，则其灰度变化是一个比孤立点略显平缓的尖峰。当图像由黑突变到亮，则其灰度变化是一个阶跃。 线性锐化： 线性锐化滤波器的中心系数应为正的，而周围的系数应为负的。 线性锐化滤波器会将原图中的零频率分量去除掉，就是将输出图的平均灰度值变为零。 掩模法：【课件例题】 图像锐化的一般原则： （A, B为权重系数）锐化最终可以用一个合成高通掩模来实现。 会使的低频成分损失很多，而高频成分较完整地被保留下来。当叠加B倍到后，就提升了高频成分，而低频成分几乎不受影响. 微分法 梯度： ； 梯度的模为输出图像： 图像灰度变化大处，梯度模值大；变化平缓处，模值小—突出轮廓。 Roberts算子（交叉梯度）： Roberts 梯度就是采用对角方向相邻两像素之差； 实际运算中： 上述运算可以用两个掩模实现，水平和垂直梯度模板分别为： (x,y) (x,y+1) (x+1,y) (x+1,y+1) Prewitt算子（平均差分法）： Prewitt梯度算子法就是先求平均，再求差分来求梯度。水平和垂直梯度模板分别为： Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 33梯度掩模: 利用检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可得到平均差分法的检测结果。 Sobel算子法（加权平均差分法） Sobel算子就是对当前行或列对应的值加权后，再进行平均和差分，也称为加权平均差分。水平和垂直梯度模板分别为： Sobel算子和Prewitt算子一样，都在检测边缘点的同时具有抑制噪声的能力，检测出的边缘宽度至少为二像素。由于它们都是先平均后差分，平均时会丢失一些细节信息，使边缘有一定的模糊。但由于Sobel算子的加权作用，其使边缘的模糊程度要稍低于程度要稍低于Prewitt算子。 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Laplacian算子（二阶微分） 对于阶跃形的细节，通过一阶微分的极大值点，二阶微分的过零点均可以检测出来。 对于细线形的细节，通过一阶微分的过零点，二阶微分的极小值点均可以检测出来。 对于渐变的局部，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。 定义：Laplacian运算： ； 对于离散图像： ； ； ?Laplacian算子是各向同性的（与坐标选取的方向无关）。 掩模形式为： 0 1 0 1 -4 1 0 1 0 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 1 1 1 1 -8 1 1 1 1 或如果同时考虑对角线方向的元素，得到的掩模为： 通常将拉普拉斯滤波后的图像与原图像叠加，达到锐化效果。 前述叠加结果可以根据公式直接展开后，用合成掩模实现： 0 -1 0 -1 5 -1 0 -1 0 0 1 0 1 -5 1 0 1 0 Wallis算法： 考虑到人的视觉特性中包含对数效应，因此在锐化时加入对数处理的方法来改进（可以对暗区的细节进行比较好的锐化）。 对于扩散现象引起的图像模糊，可以用下式锐化： 成像过程中的扩散效应可以用扩散方程描述： ； 当t = 0 时，图像清楚，即； 经过 时间后，图像变模糊，即； 应用泰勒展开，略去高阶项，有：、 ； 只要 k选择合适，就可以去掉此类扩散引起的模糊。 频域高通滤波 ；选择H(u.v)具有高通特性 理想高通： Butterwo