数字图像处理图像锐化.pptx

《数字图像处理图像锐化.pptx》由会员分享，可在线阅读，更多相关《数字图像处理图像锐化.pptx（68页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像的景物细节特征图像的景物细节特征；一阶微分锐化方法一阶微分锐化方法；二阶锐化微分方法二阶锐化微分方法；一阶、二阶微分锐化方法效果比较一阶、二阶微分锐化方法效果比较。图像锐化方法图像锐化方法第1页/共68页图像细节的灰度变化特图像细节的灰度变化特性性扫描线扫描线灰度渐变孤立点细线灰度跃变图像细节的灰度分布特性平坦段第2页/共68页图像细节的灰度变化微分特性图像细节的灰度变化微分特性一阶微分曲线二阶微分曲线图像细节的灰度分布特性灰度渐变孤立点细线灰度跃变平坦段返回第3页/共68页一阶微分锐化一阶微分锐化 基本原理基本原理一阶微分的计算公式非常简单：一阶微分的计算公式非常简单：n离散化之后的差分

2、方程：离散化之后的差分方程：n考虑到图像边界的拓扑结构性，根据考虑到图像边界的拓扑结构性，根据这个原理派生出许多相关的方法。这个原理派生出许多相关的方法。第4页/共68页一阶微分锐化一阶微分锐化n单方向一阶微分锐化单方向一阶微分锐化n无方向一阶微分锐化无方向一阶微分锐化 交叉微分锐化（交叉微分锐化（RobertsRoberts算子）算子）SobelSobel锐化锐化 Priwitt Priwitt锐化锐化返回第5页/共68页单方向的一阶锐化单方向的一阶锐化 基本原理基本原理单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。因为图像为

3、水平、垂直两个方向组成，所以，所谓的单方向锐化实际因为图像为水平、垂直两个方向组成，所以，所谓的单方向锐化实际上是包括水平方向与垂直方向上的锐化。上是包括水平方向与垂直方向上的锐化。第6页/共68页水平方向的一阶锐化水平方向的一阶锐化 基本方法基本方法水平方向的锐化非常简单，通过一个可以检测出水平方向上的像素值水平方向的锐化非常简单，通过一个可以检测出水平方向上的像素值的变化模板来实现。的变化模板来实现。第7页/共68页水平方向的一阶锐化水平方向的一阶锐化 例题例题12321212623087612786232690 0 0 000-3-13-2000-6-13-1300 1 12 500 0

4、 0 001*1+2*2+1*3-1*3-2*0-1*8=-3问题：计算结果中出现了小于零的像素值第8页/共68页垂直方向的一阶锐化垂直方向的一阶锐化 基本方法基本方法垂直锐化算法的设计思想与水平锐化算法相同，通过一个可以检测出垂直垂直锐化算法的设计思想与水平锐化算法相同，通过一个可以检测出垂直方向上的像素值的变化模板来实现。方向上的像素值的变化模板来实现。第9页/共68页垂直方向的一阶锐化垂直方向的一阶锐化 例题例题12321212623087612786232690 0 0 000-7-17 400-16-25 500 -17-22-300 0 0 001*1+2*2+1*3-1*3-2*

5、2-1*8=-7问题：计算结果中出现了小于零的像素值第10页/共68页单方向锐化的后处理单方向锐化的后处理这种锐化算法需要进行后处理，以解决像素值为负的问题。这种锐化算法需要进行后处理，以解决像素值为负的问题。后处理的方法不同，则所得到的效果也就不同。后处理的方法不同，则所得到的效果也就不同。第11页/共68页单方向锐化的后处理单方向锐化的后处理方法方法1 1：整体加一个正整数整体加一个正整数，以保证所有的像，以保证所有的像 素值均为正。素值均为正。这样做的结果是：可以获得这样做的结果是：可以获得类似浮雕类似浮雕的效果的效果20 202 0 20202017 7 0202014 7 72020

6、21 32 2520202 0 20 2 0200 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00第12页/共68页单方向锐化的后处理单方向锐化的后处理方法方法2 2：将所有的像素值：将所有的像素值取绝对值取绝对值。这样做的结果是，可以获得对这样做的结果是，可以获得对边缘边缘的有方向提取。的有方向提取。0 0 0 00031320006131300 1 12 500 0 0 000 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00返回第13页/共68页无方向一阶锐化无方向一阶锐化 问题的提问题的提出出前面的锐化处理结

7、果对于人工设计制造的具有矩形特征物体（例如：楼房、前面的锐化处理结果对于人工设计制造的具有矩形特征物体（例如：楼房、汉字等）的边缘的提取很有效。但是，对于不规则形状（如：汉字等）的边缘的提取很有效。但是，对于不规则形状（如：人物人物）的边缘）的边缘提取，则存在信息的缺损。提取，则存在信息的缺损。第14页/共68页无方向一阶锐化无方向一阶锐化 设计思想设计思想为了解决上面的问题，就希望提出对任何方向上的边缘信息均敏感的锐化为了解决上面的问题，就希望提出对任何方向上的边缘信息均敏感的锐化算法。算法。因为这类锐化方法要求对边缘的方向没有选择，所有称为无方向的锐化算因为这类锐化方法要求对边缘的方向没有

8、选择，所有称为无方向的锐化算法。法。第15页/共68页无方向一阶锐化无方向一阶锐化 交叉微分（交叉微分（RobertsRoberts算算法）法）交叉微分算法（交叉微分算法（RobertsRoberts算法算法）计算公式如下：）计算公式如下：特点：算法简单特点：算法简单第16页/共68页无方向一阶锐化无方向一阶锐化 Sobel Sobel锐化锐化SobelSobel锐化锐化的计算公式如下：的计算公式如下：特点：锐化的边缘信息较强第17页/共68页无方向一阶锐化无方向一阶锐化 PriwittPriwitt锐化锐化算法算法 PriwittPriwitt锐化算法锐化算法 的计算公式如下：的计算公式如下

9、：特点：与Sobel相比，有一定的抗干扰性。图像效果比较干净。第18页/共68页一阶锐化一阶锐化 几种方法的效果比几种方法的效果比较较SobelSobel算法与算法与PriwittPriwitt算法的思路相同，属于同一类型，因此处理效果基本相算法的思路相同，属于同一类型，因此处理效果基本相同。同。RobertsRoberts算法的模板为算法的模板为2*22*2，提取出的信息较弱。，提取出的信息较弱。单方向锐化经过后处理之后，也可以对边界进行增强。单方向锐化经过后处理之后，也可以对边界进行增强。示例示例返回第19页/共68页二阶微分锐化二阶微分锐化 问题的提出问题的提出n从图像的景物细节的灰度分

10、布特性可知，有从图像的景物细节的灰度分布特性可知，有些灰度变化特性一阶微分的描述不是很明确，些灰度变化特性一阶微分的描述不是很明确，为此，采用二阶微分能够更加获得更丰富的为此，采用二阶微分能够更加获得更丰富的景物细节。景物细节。第20页/共68页二阶微分锐化二阶微分锐化 景物细节特征对应关系景物细节特征对应关系灰度截面一阶微分二阶微分(a)阶跃形 (b)细线形 (c)斜坡渐变形第21页/共68页二阶微分锐化二阶微分锐化 景物细节对应关系景物细节对应关系 1 1）对于突变形的细节，通过一阶微分的极大值点，二阶微分的过）对于突变形的细节，通过一阶微分的极大值点，二阶微分的过0 0点均可以检测出来。

11、点均可以检测出来。第22页/共68页二阶微分锐化二阶微分锐化 景物细节对应关景物细节对应关系系2 2）对于细线形的细节，通过一阶微分的过）对于细线形的细节，通过一阶微分的过0 0点，二阶微分的极小值点均可以检点，二阶微分的极小值点均可以检测出来。测出来。第23页/共68页二阶微分锐化二阶微分锐化 景物细节对应关景物细节对应关系系3 3）对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息）对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息略多。略多。第24页/共68页二阶微分锐化二阶微分锐化 算法推导算法推导第25页/共68页二阶微分锐化二阶微分锐化 Lapl

12、acian Laplacian 算算法法由前面的推导，写成模板系数形式即为由前面的推导，写成模板系数形式即为LaplacianLaplacian算子：算子：示例示例第26页/共68页二阶微分锐化二阶微分锐化 Laplacian Laplacian变形算法变形算法为了改善锐化效果，可以脱离微分的计算原理，在原有的算子基础上，对模为了改善锐化效果，可以脱离微分的计算原理，在原有的算子基础上，对模板系数进行改变，获得板系数进行改变，获得LaplacianLaplacian变形算子如下所示。变形算子如下所示。示例示例第27页/共68页二阶微分锐化二阶微分锐化 Laplacian Laplacian锐化

13、边缘锐化边缘提取提取经过经过LaplacianLaplacian锐化后，我们来分析几种变形算子的边缘提取效果。锐化后，我们来分析几种变形算子的边缘提取效果。H1,H2H1,H2的效果基本相同，的效果基本相同，H3H3的效果最不好，的效果最不好，H4H4最接近原图。最接近原图。示例示例第28页/共68页二阶微分锐化二阶微分锐化 Wallis Wallis算法算法考虑到人的视觉特性中包含一个对数环节，因此在锐化时，加入对数处理的方法考虑到人的视觉特性中包含一个对数环节，因此在锐化时，加入对数处理的方法来改进。来改进。示例示例第29页/共68页二阶微分锐化二阶微分锐化 Wallis Wallis算法

14、算法在前面的算法公式中注意以下几点：在前面的算法公式中注意以下几点：1 1）为了防止对）为了防止对0 0取对数，计算时实际上是用取对数，计算时实际上是用log(f(i,j)+1);log(f(i,j)+1);2 2）因为对数值很小）因为对数值很小log(256)=5.45,log(256)=5.45,所以计算所以计算 时用时用46*log(f(i,j)+1)46*log(f(i,j)+1)。（46=255/log(256)46=255/log(256)）第30页/共68页二阶微分锐化二阶微分锐化 Wallis Wallis算法算法算法特点：算法特点：WallisWallis算法考虑了人眼视觉特

15、性，因此，与算法考虑了人眼视觉特性，因此，与LaplacianLaplacian等其他算法相等其他算法相比，可以对比，可以对暗区的细节暗区的细节进行比较好的锐化。进行比较好的锐化。示例示例返回第31页/共68页LaplacianLaplacian锐化算子对图像中的噪声非锐化算子对图像中的噪声非常敏感，故在做锐化增强之前，需对图像进常敏感，故在做锐化增强之前，需对图像进行平滑以消除或减弱噪声的影响。行平滑以消除或减弱噪声的影响。高斯高斯-拉普拉斯算子将平滑运算和锐化拉普拉斯算子将平滑运算和锐化运算结合在一起，非常适合被噪声污染的图运算结合在一起，非常适合被噪声污染的图像进行锐化增强像进行锐化增强

16、二阶微分锐化二阶微分锐化 高斯高斯-拉普拉斯算子拉普拉斯算子第32页/共68页一阶与二阶微分的边缘提取效果比一阶与二阶微分的边缘提取效果比较较以以SobelSobel及及LaplacianLaplacian算法为例进行比较。算法为例进行比较。SobelSobel算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界比较清晰；的边界比较清晰；LaplacianLaplacian算子获得的边界是比较细致的边界。反映的边界信息包括了许多的算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节信息，但是所反映的边界不是

17、太清晰。细节信息，但是所反映的边界不是太清晰。返回第33页/共68页其他锐化算法其他锐化算法1、空间域高通滤波图像边缘与高频分量相对应，故使用空间域图像边缘与高频分量相对应，故使用空间域高通滤波可让高频分量通过，限制低频分量，从而高通滤波可让高频分量通过，限制低频分量，从而达到锐化目的达到锐化目的第34页/共68页其他锐化算法其他锐化算法2、方向模板匹配原理：将原理：将8 8个方向的模板，在锐化时顺序作用个方向的模板，在锐化时顺序作用于同一图像窗口，对每一个模板都进行相应的运算，于同一图像窗口，对每一个模板都进行相应的运算，用最大的输出来作为窗口中心点像素的锐化输出值用最大的输出来作为窗口中心

18、点像素的锐化输出值典型的模板有典型的模板有RobisonRobison、PrewittPrewitt、KrischKrisch模模板板第35页/共68页小结微分类型微分类型代表算法代表算法边界边界细节细节一阶微分Sobel算法Roberts算法Priwitt算法边界粗略但清晰边界细节较少二阶微分Laplacian算法Wallis算法边界细致但不清晰边界细节丰富第36页/共68页上机实验上机实验 图像锐化图像锐化Sobel算子、Prewitt算子以及高斯-拉普拉斯算子实现图像锐化上机参考程序1实验效果图1上机参考程序2实验效果图2第37页/共68页水平浮雕效果水平浮雕效果第38页/共68页垂直浮

19、雕效果垂直浮雕效果返回第39页/共68页水平边缘的提取效果水平边缘的提取效果第40页/共68页垂直边缘的提取效果垂直边缘的提取效果返回第41页/共68页非矩形目标物的单方向锐化非矩形目标物的单方向锐化返回第42页/共68页交叉锐化效果图例交叉锐化效果图例1 1第43页/共68页交叉锐化效果图例交叉锐化效果图例2 2第44页/共68页交叉锐化与水平锐化的比较交叉锐化与水平锐化的比较交叉锐化交叉锐化水平锐化水平锐化返回第45页/共68页SobelSobel锐化效果示例锐化效果示例1 1交叉锐化交叉锐化Sobel锐化锐化第46页/共68页SobelSobel锐化效果示例锐化效果示例2 2Sobel锐

20、化交叉锐化返回第47页/共68页PriwittPriwitt锐化效果图例锐化效果图例 Priwitt锐化 Sobel锐化返回第48页/共68页一阶一阶锐化方法的效果比较锐化方法的效果比较(a)(a)原图原图 (b)Sobel(b)Sobel算法算法 (c)Priwitt(c)Priwitt算法算法 (d)Roberts(d)Roberts算法算法 (e)(e)水平锐化水平锐化 (f)(f)垂直锐化垂直锐化返回第49页/共68页LaplacianLaplacian锐化效果图锐化效果图例例返回第50页/共68页LaplacianLaplacian变形算子锐化效变形算子锐化效果果h1h2h3h4返回

21、第51页/共68页第52页/共68页第53页/共68页第54页/共68页第55页/共68页Laplacian算子边缘提取效果算子边缘提取效果返回第56页/共68页第57页/共68页第58页/共68页第59页/共68页第60页/共68页WallisWallis算法效果示例算法效果示例返回第61页/共68页WallisWallis算法与算法与LaplacianLaplacian算法的比算法的比较较Wallis算法Laplacian算法返回第62页/共68页Sobel与与Laplacian边缘提取效果边缘提取效果Sobel锐化Laplacian锐化返回第63页/共68页上机参考程序上机参考程序1 1

22、 I=imread(cameraman.tif);BW1=edge(I,sobel);BW2=edge(I,prewitt);BW3=edge(I,log);subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(BW1);subplot(2,2,3),imshow(BW2);subplot(2,2,4),imshow(BW3);返回第64页/共68页上机参考程序上机参考程序2 2I=imread(cameraman.tif);subplot(2,2,1);imshow(I);title(original);K=fspecial(laplacian,0.7);K1=filter2(K,I)/100;subplot(2,2,2);imshow(K1);title(laplacian);L=fspecial(sobel);L1=filter2(L,I)/200;subplot(2,2,3);imshow(L1);title(sobel);M=fspecial(prewitt);M1=filter2(M,I)/200;subplot(2,2,4);imshow(L1);title(prewitt);返回第65页/共68页实验效果图1返回第66页/共68页实验效果图2返回第67页/共68页感谢您的观看！第68页/共68页