拉普拉斯算子、prewitt算子、sobel算子对图像锐化处理.pdf

《数字图像处理作业》 图像的锐化处理 拉普拉斯算子、 prewitt 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， Laplace 、Prewitt 、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 Laplacian 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形式，如下图 (1) 所示，为离散拉普拉斯算子 的模板，图 (2) 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，