数字图像处理与深度学习技术应用教材配套课件 第7章 图像边缘锐化处理.pptx

第7章图像边缘锐化处理

7.1概述

边缘：指灰度值发生急剧变化的地方边缘检测目的：在不破坏信息的条件下，减少数据量，绘制出其边缘线图。图像梯度：计算的是图像的边缘信息，它能够反映图像像素变化的速度，如灰度值变化大，梯度值大；灰度值变化小，梯度值小。图像梯度:像素的一阶导数，通过计算像素值的差来近似导数值。图像梯度及边缘检测

图像锐化

图像锐化

图像锐化

常见的边缘类型阶梯状脉冲状屋顶状

用差分定义一元函数f(x)二阶微分:用差分定义一元函数f(x)一阶微分:一阶、二阶微分运算

G(i,j)=f(i,j)-f(i-1,j)单向微分运算

G(i,j)=-f(i,j-1)+f(i,j)单向微分运算

对灰度图像f在纵方向进行微分，按下式求得：G(i,j)=f(i,j)-f(i-1,j)纵向微分运算

该算法的数学表达式为：G(i,j)=f(i,j)-f(i,j-1)横向微分运算

对灰度图像f在纵方向和横方向两个方向进行微分。同时增强水平和垂直方向的边缘。G(i,j)=sqrt{[f(i,j)-f(i,j-1)]*[f(i,j)-f(i,j-1)]+[f(i,j)-f(i-1,j)]*[f(i,j)-f(i-1,j)]}双向一次微分运算

相减的结果反映了图像亮度变化率的大小。像素值保持不变的区域，相减的结果为零，即像素为黑；像素值变化剧烈的区域，相减后得到较大的变化率，像素灰度值差别越大，则得到的像素就越亮，图像的垂直边缘得到增强。微分运算作用

图像微分后处理计算结果出现了小于零的像素值整体加一个正数，可以获得类似浮雕的效果。取绝对值

图像一阶微分X方向Y方向双向

梯度是1个矢量，由分别沿x和y方向计算微分的结果构成。梯度运算

Robert提出的交叉微分算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-10010-110

Sobel算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-2-1000121-101-202-101

20Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-1-1000111-101-101-101Prewitt算子

梯度锐化模板-1-1-1000111-101-101-101-1-2-1000121-101-202-101

用于边缘增强的梯度法

二元图像函数f(x,y)的拉普拉斯变换：x方向y方向由以上两个分量相加：二阶微分—拉普拉斯算子

扩展方式

二阶微分—拉普拉斯算子

强调突变,弱化慢变。二阶微分—拉普拉斯算子

将原始图像和拉普拉斯图像叠加在一起的，保持锐化处理的效果，又能复原背景信息。二阶微分—拉普拉斯算子

二阶微分—拉普拉斯算子

掩模实现二阶微分—拉普拉斯算子

高斯-拉普拉斯(LOG)算子是效果更好的边缘检测器，把高斯平滑器和拉普拉斯锐化结合起来，先平滑掉噪声，再进行边缘检测。高斯-拉普拉斯（LOG）算子

LOG算子中心点的距离与位置加权系数的关系

高频提升滤波器微分运算可用来求信号的变化率，具有加强高频分量的作用，微分处理后的图像非常暗，不适用。如果既要求图像的轮廓清晰，又要求保持目标物体的内部灰度不变，这就是高频提升滤波器的目的。

微分运算会使低频成分损失很多,而高频成分突出，为了使图像边缘清晰，内容完整保留，用下式：高频提升滤波器

线性锐化滤波与高频提升滤波

采用多个边缘检测算子，不同的检测算子模板采用不同的方向、不同的邻域导数，用求卷积的方法，计算每个模板，取最大值。自适应检测

将所有模板逐一作用于每一个像素，产生最大输出值的模板方向,表示该点边缘方向，如果所有方向上的模板接近于零，该点没有边缘；如果所有方向上的模板输出值近似相等，没有可靠边缘方向。实现步骤

Kirsch边缘检测算子

38锐化算子小结?好的检测结果：对边缘的错误检测率要低，在检测出真实边缘的同时，避免检测出虚假的边缘。好的边缘定位精度：标记的边缘位置要和图像上真正边缘的位置尽量接近。对同一边缘要有低的响应次数：有的算子会对一个边缘会产生多个响应。本来只有一个边缘点，可是检测出来会出现多个边缘点。克服噪声的影响。

39算子比较?Roberts算子：利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备能抑制噪声能力。对陡峭边缘且含噪声少的图像效果较好。

Sobel算子和Prewitt算子：先做加权平滑处理，再做微分运算，平滑部分的权值有些差异，对噪声具有一定的抑制能力，但不能完全排除虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易