4图像增强和平滑.pptVIP

4.5 图像锐化 4.5.1 微分法 1. 梯度法 对于图像函数f (x, y)， 它在点(x, y)处的梯度是一个矢量，定义为 梯度的两个重要性质是：  （1） 梯度的方向在函数f(x, y)最大变化率的方向上。 （2） 梯度的幅度用G［f(x, y)］表示， 并由下式算出: 由上式可知，梯度的数值就是f (x, y)在其最大变化率方向上的单位距离所增加的量。对于数字图像而言，上式可以近似为 G［f(x, y)］={［f(i, j)-f(i+1, j)］2+［f(i, j)-f(i, j+1)］2}1／2 式中： 各像素的位置如图4-20(a)所示。 图4-20 求梯度的两种差分运算 G［f(x, y)］可简化成为 G［f(x, y)］=|f(i, j)-f(i+1, j) |+f(i, j)-f(i, j+1) | 以上梯度法又称为水平垂直差分法。另一种梯度法叫做罗伯特梯度法（Robert Gradient），它是一种交叉差分计算法， 如图4-20(b)所示。其数学表达式为 G［f(x, y)］={［f(i, j)-f(i+1, j+1)］2+［f(i+1, j)-f(i, j+1)］2}1／2同样可近似为 G［f(x, y)］=|［f(i, j)-f(i+1, j+1) |+|f(i+