数字图像处理结课论文.docxVIP

利用拉普拉斯算法对模糊图像进行锐化处理

学院：电气信息工程学院

专业：通信工程

姓名：田鸿龙

学号摘要：本文描述了拉普拉斯高斯边缘检测算法结合算法在Delphi6编程环境下对BMP格式的灰度图像进行了边缘检测处理，从而体现其优越性。彩色图像增强过程中，对图像进行锐化处理是一个重要环节。介绍了图像锐化处理的概念和拉普拉斯算子的算法原理。

关键词：边缘检测，图像处理，拉普拉斯高斯算法，Sobel算子。

图像锐化(imagesharpening)就是补偿图像的，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。

数字图像的边缘检测是图像分割、区域识别和特征提取等图像分析领域的重要基础。图像的边缘是图像的最基本的特征，是指图像局部亮度变化最显著的地方，通常与图像亮度或图像亮度的一阶导数的不连续性有关。对于数字图像灰度值的显著变化可以用梯度来表示，边缘检测很大程度上来说就是求梯度。边缘检测的好坏直接影响到图像理解和识别的质量，选择什么样的边缘检测算法就很关键。本文引入拉普拉斯高斯算法，讨论其工作原理，利用Delphi结合拉普拉斯高斯算法对BMP格式的灰度图像进行了边缘检测处理并对比其它算法给出了拉普拉斯高斯算子的优越性。

图像锐化

图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像量的影响体现在两个不同灰度区域的边界部分。图像锐化处理的目的是加强图像中景物的边缘和轮廓，使模糊的图像变得更清晰。它是一种使图像原有信息变换为有利于人眼观察的质量、消除模糊、好的视觉效果、图像边缘轮廓分明。

图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。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。

图像的锐化一般有两种方法一种是微分法，另外一种是高通滤波法拉普拉

-1

0

1

-2

0

2

-1

0

1

1

2

1

0

0

0

-1

-2

-1

图3Sobel算子

单独使用Sobel算子做边缘检测，边缘定位精度不高，有时还可能对非边缘像素的响应大于某些边缘处的响应或者响应差别不是很大，造成漏检或误检，但是它对噪声具有较好的鲁棒性。

Prewitt算子和Sobel算子提取边缘的结果差不多。在提取边缘的同时它对噪声具有平滑作用，能够抑制一定的噪声。由于Prewitt边缘检测算子是通过八个方向模板对图像进行卷积运算，因此运算量比较大。

三、程序代码

(1)拉普拉斯算子程序代码：

I=imread(tire.tif);

subplot(1,2,1);

imshow(I);

title(原始图像);

I=double(I);

H=[0-10

-15-1

0-10];

J=conv2(I,H,same);

subplot(1,2,2);

imshow(J,[]);

title(拉普拉斯算子增强图像);

(2)Sobel算子

[I,map]=imread(D:\图片\摄影作品\伤感.jpg);

[H,W]=size(I);

M=double(I);

J=M;

fori=2:H-1

forj=2:W-1

J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+2*M(i,j+1)-2*M(i,j-1)+M(i+1,j+1)-M(i+1,j-1))+abs(M(i-1,j-1)-M(i+1,j-1)+2*M(i-1,j)-2*M(i+1,j)+M(i-1,j+1)-M(i+1,j+1));

end;

end;

subplot(1,2,1);imshow(I);title(原图);

subplot(1,2,2);imshow(uint8(J));title(Sobel处理后);

四、拉普拉斯算子处理：

（1）车轮图片拉氏处理结果：

（2）Sobel算子锐化结果：

五、结论

laplace算子是与方向无光的各向同性边缘检测算子,若只关心边缘点的位置而不顾其周围的实际灰度差时,一般选择该算子进行检测。

特点:各向同性,线性和位移是不变的,对线性和孤立点检测效果好,但边缘方向信息丢失,常产生双像素的边缘,对噪声有双倍的加强作用。

sobel算子在prewitt算子基础上能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。梯度算子和laplacian算子都对噪声敏感，因此一般用它们检测边缘前要先对图像进行平滑。

本文主要研究了基于微分运算中的拉