6图像的锐化处理讲解材料.ppt

二阶微分锐化 —— Wallis算法 考虑到人的视觉特性中包含一个对数环节，因此在锐化时，加入对数处理的方法来改进。 示例 二阶微分锐化 —— Wallis算法 在前面的算法公式中注意以下几点： 1）为了防止对0取对数，计算时实际上是用log(f(i,j)+1); 2）因为对数值很小log(256)=5.45,所以计算 时用46*log(f(i,j)+1)。 （46=255/log(256)） 二阶微分锐化 —— Wallis算法 算法特点： Wallis算法考虑了人眼视觉特性，因此，与Laplacian等其他算法相比，可以对暗区的细节进行比较好的锐化。 示例 一阶与二阶微分的边缘提取效果比较 以Sobel及Laplacian算法为例进行比较。 Sobel算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界比较清晰； Laplacian算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节信息，但是所反映的边界不是太清晰。 微分算子在边缘检测中的应用 经一阶或二阶微分锐化后，选取适当的阈值，对锐化后的图像进行二值化。 阈值的选取非常重要； 二阶微分算子检测出边界的细节信息比较多；而一阶微分算子检测出的轮廓比较粗略，但是检测出的轮廓比较清晰。 谢谢大家 作 业 1. P124 第3题 2. P124 第4题 第六章 图像的锐化处理 景物边界细节的增强方法 图像经转换或传输后，质量可能下降，会出现模糊现象，而图像识别中常需要突出边缘和轮廓信息。 图像锐化的目的是加强图像的边缘或轮廓，使图像看起来比较清晰。 与图像平滑不同，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。 图像锐化的概念 考察正弦函数 ，它的微分 。微分后频率不变，幅度上升2πa倍。 微分法 空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图象轮廓变清晰。 图像的景物细节特征； 一阶微分锐化方法； 二阶锐化微分方法； 一阶、二阶微分锐化方法效果比较。 图像锐化方法 一阶微分锐化 —— 基本原理 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。 一阶微分锐化 单方向一阶微分锐化 无方向一阶微分锐化 ? 交叉微分锐化 ? Sobel锐化 ? Priwitt锐化 单方向的一阶锐化 —— 基本原理 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。 因为图像为水平、垂直两个方向组成，所以，所谓的单方向锐化实际上是包括水平方向与垂直方向上的锐化。 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。 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 1 2 3 2 1 2 1 2 6 2 3 0 8 7 6 1 2 7 8 6 2 3 2 6 9 0 0 0 0 0 0 -7 -17 4 0 0 -16 -25 5 0 0 -17 -22 -3 0 0 0 0 0 0 1*1+2*2+1*3-1*3-2*2-1*8=-7 问题：计算结果中出现了小于零的像素值 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。 20 20 2 0 20 20 20 17 7 0 20 20 14 7 7 20 20 21 32 25 20 20 2 0 20 2 0 20 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0 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。 0