拉普拉斯算子、prewitt算子、sobel算子对图像锐化处理精选.doc

《数字图像处?理作业》 图像的锐化?处理 ---拉普拉斯算?子、prewi?tt算子、sobel?算子性能研?究对比 完成日期：2012年?10月6日? 一、算法介绍 1.1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。这将导致原?始图像在平?滑处理之后?，图像边缘和?图像轮廓模?糊的情况出?现。 为了减少这?类不利效果?的影响，就需要利用?图像锐化技?术，使图像的边?缘变得清晰?。图像锐化处?理的目的是?为了使图像?的边缘、轮廓线以及?图像的细节?变得清晰，经过平滑的?图像变得模?糊的根本原?因是因为图?像受到了平?均或积分运?算，因此可以对?其进行逆运?算(如微分运算?)就可以使图?像变得清晰?。从频率域来?考虑，图像模糊的?实质是因为?其高频分量?被衰减，因此可以用?高通滤波器?来使图像清?晰。但要注意能?够进行锐化?处理的图像?必须有较高?的性噪比，否则锐化后?图像性噪比?反而更低，从而使得噪?声增加的比?信号还要多?，因此一般是?先去除或减?轻噪声后再?进行锐化处?理。 考察正弦函?数，它的微分。微分后频率?不变，幅度上升2?πa倍。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?，从而使图像?轮廓变清晰?。最常用的微?分方法是梯?度法和拉普?拉斯算子。但本文主要?探究几种边?缘检测算子?，Lapla?ce、Prewi?tt、Sobel?算子以下具?体介绍。 图像边缘检?测：边缘检测是?检测图像局?部显著变化?的最基本运?算，梯度是函数?变化的一种?度量。图像灰度值?的显著变化?可用梯度的?离散逼近函?数来检测，大幅度地减?少了数据量?，并且剔除了?可以认为不?相关的信息?，保留了图像?重要的结构?属性。边缘检测可?分为两大类?基于查找一?类和基于零?穿越的一类?。基于查找的?方法通过寻?找图像一阶?导数中的最?大和最小值?来检测边界?，通常是将边?界定位在梯?度最大的方?向。基于零穿越?的方法通过?寻找图像二?阶导数零穿?越来寻找边?界，通常是La?placi?an过零点?或者非线性?差分表示的?过零点。 1.2拉普拉斯?算子 拉式算子是?一个刻画图?像灰度的二?阶商算子，它是点、线、边界提取算?子，亦称为边界?提取算子。通常图像和?对他实施拉?式算子后的?结果组合后?产生一个锐?化图像。拉式算子用?来改善因扩?散效应的模?糊特别有效?，因为它符合?降制模型。扩散效应是?成像过程中?经常发生的?现象。 拉普拉斯算?子也是最简?单的各向同?性微分算子?，具有旋转不?变性。一个二维图?像函数的拉?普拉斯变换?是各向同性?的二阶导数?，定义 （1） 为了更适合?于数字图像?处理，将拉式算子?表示为离散?形式： （2） 另外，拉普拉斯算?子还可以表?示成模板的?，如所示拉斯算子的?模板表示其扩展?模板。 图(1) 图(2) 从模板形式?容易看出，如果在图像?中一个较暗?的区域中出?现了一个亮?点，那么用拉普?拉斯运算就?会使这个亮?点变得更亮?。因为图像中?的边缘就是?那些灰度发?生跳变的区?域，所以拉普拉?斯锐化模板?在边缘检测?中很有用。一般增强技?术对于陡峭?的边缘和缓?慢变化的边?缘很难确定?其边缘线的?位置。但此算子却?可用二次微?分正峰和负?峰之间的过?零点来确定?，对孤立点或?端点更为敏?感，因此特别适?用于以突出?图像中的孤?立点、孤立线或线?端点为目的?的场合。同梯度算子?一样，拉普拉斯算?子也会增强?图像中的噪?声，有时用拉普?拉斯算子进?行边缘检测?时，可将图像先?进行平滑处?理。 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。 1.4 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?