基于MATLAB的数字图像平滑和锐化处理算法分析
基于MATLAB的数字图像平滑和锐化处理算法分析
卞凤杰
2141141
摘要：本文主要内容是利用MATLAB 对图像进行频域平滑和锐化处理。本文先对图像进行空域平滑、锐化处理，然后再进行频域平滑滤波、锐化等操作，可以简单比较空域和频域下对图像进行处理的不同效果，并且通过改变参数确定效果最佳的平滑和锐化处理算法，同时给出了运用MATLAB 进行图像处理的前后对照图像。
关键词：MATLAB；图像处理；图像平滑；图像锐化
Abstract：In this paper, the main content is to use MATLAB to do image smoothing and sharpening processing in the frequency-domain.Firstly，this article to do spatial smoothing, sharpening processing of the image, and then to frequency-domain smoothing filtering, sharpening, etc.This can be simply compare the different results of image processing in spatial domain and frequency domain. Secondly, by changing the parameters to determine the best smoothing and sharpening processing algorithm, and gives a comparison before and after using MATLAB image processing image.
Keywords：MATLAB；Image Processing；Image smoothing;Image sharpening
1、引言
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。
2、 MATLAB 简介
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。
MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的
众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
MATLAB 是近几年来在图像处理
方面使用最为广泛的软件之一，其语法结构简单。具有极强的数值计算、数据分析、图形绘制及图像处理等功能，具有高质量的图形可视化效果和强大的界面设计能力，因而在数字图像处理中有着其他语言所无法比拟的优势。
3、图像增强的定义
图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。
4、常用的图像增强方法
（1）直方图均衡化
通过直方图均衡化技术来实现图像增强，首先就是对原图像通过离散函数进行直方图处理。得到原图像的直方图后，根据均衡化的变换函数通过计算得到所需要的增强效果的图像的直方图。阐述和分析了图像增强的点处理、空间域滤波、频域滤波、代数运算。用直方图均衡化的算法增强灰度图像，并在MATLAB中实现，达到了图象增强的目的,取得了较好的效果。
（2）对比度增强法
有些图像的对比度比较低，从而使整个图像模糊不清。这时可以按一定的规则修改原来图像的每一个象素的灰度，从而改变图像灰度的动态范围。
（3）平滑噪声
有些图像是通过扫描仪扫描输入、或传输通道传输过来的。图像中往往包含有各种各样的噪声。这些噪声一般是随机产生的，因此具有分布和大小不规则性的特点。这些噪声的存在直接影响着后续的处理过程，使图像失真。图像平滑就是针对图像噪声的操作，其主要作用是为了消除噪声，图像平滑的常用方法是采用均值滤波或中值滤波，均值滤波是一种线性空间滤波，它用一个有奇数点的掩模在图像上滑动，将掩模中心对应像素点的灰度值用掩模内所有像素点灰度的平均值代替，如果规定了在取均值过程中掩模内各像素点所占的权重，即各像素点所乘系数，这时就称为加权均值滤波；中值滤波是一种非线性空间滤波，其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。
（4）锐化
平滑噪声时经常会使图像的边缘变的模糊，针对平均和积分运算使图像模糊，可对其进行反运算采取微分算子使用模板和统计差值的方法，使图像增强锐化。图像边缘与高频分量相对应，高通滤波器可以让高频分量畅通无阻，而对低频分量则充分限制，通过高通滤波器去除低频分量，也可以达到图像锐化的目的。
5、具体算法实现
本文主要使用直方图均衡化、平滑和锐化的方法对图像进行处理
5.1直方图均衡化
图5.1.1 直方图均衡化效果图
结论：直方图均衡化可以达到增强图像显示效果的作用。其基本思想是把原始图像的直方图变换成均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。
5.2 MATLAB 实现图像平滑、锐化处理
图像获取过程中时常会产生噪声。噪声不仅限于人眼所见的失真，有些噪声只针对某些具体的图像处理
过程产生影响。针对图像噪声，通过图像平滑操作可以有效地消除噪声。
图像平滑主要有空域法和频域法两种方法。在空域法中，图像平滑的常用方法就是采用均值滤波或中值滤波。均值滤波是一种线性空间滤波，它用一个有奇数点的掩模在图像上滑动，将掩模中心对应的像素点的灰度值用掩模内所有像素点灰度的平均值代替。中值滤波是一种非线性空间滤波，其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。
为了减少图像平滑过程中图像边界、轮廓模糊的不利影响，可使用图像锐化技术使图像的边缘变得清晰。图像锐化 (image sharpening)就是补偿图像的轮廓，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。经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，要清晰化图像的边缘、轮廓线以及细节，可以对其进行逆运算。从频域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以通过高通滤波器来使图像清晰。图像锐化广泛地应用在数字印刷设计、军事系统、图像扫描、医学成像等领域（1）空域平滑处理
图5.2.1 原灰度图
图5.2.2 空域平滑后的图像
结论：空域平滑后的图像反而产生了很多早说。
（2）空域锐化处理
图5.2.3 原灰度图
图5.2.4 空域锐化后的图像
结论：使用梯度算子进行锐化后的效果不好。
（3）频域平滑处理
BLPF低通滤波
图5.2.5 BLPF低通滤波的图像
结论：BLPF低通滤波，通过去不同的d0值确定最佳的d0值，发现d0在
50~100时图像的处理效果较理想
GLPF低通滤波
图5.2.6 GLPH低通滤波的图像
结论：当截止频率较低时，图像会模糊，给出的的d0值分别取50,100和200图像的处理效果都比较理想。
巴特沃斯(Butterworth)低通滤波
图5.2.7 原始图像
图5.2.8 四阶巴特沃斯低通滤波
结论:给出的算法中分别对图像进行二阶、四阶、六阶巴特沃斯低通滤波,其中d0都取100，发现阶数的变化对图像处理效果的影响不大。（4）频域锐化处理
BHPF高通滤波
图5.2.9 BLPF高通滤波的图像
结论：d0值在10左右，BLPF高通滤波最佳。
图5.2.10 一阶巴特沃斯高通滤波
图5.2.11 四阶巴特沃斯高通滤波结论：可以看出，四阶巴特沃斯高通滤波器的效果要比一阶巴特沃斯高通滤波的效果好，图像灰暗适度，效果更好。
理想高通滤波
结论：算法虽然锐化效果不错，但是产生了振铃现象。
参考文献：
[1]朱虹等，数字图像处理基础[M],科学出版社，2005
[2]傅德胜，数字图像处理学[M],东南大学出版社，2001
[3]平丽，图像平滑处理方法的比较研究，信息技术，2010
图5.2.12理想高通滤波
matlab 图像的几何变换与彩色处理
实验四、图像的几何变换与彩色处理 一、实验目的 1理解和掌握图像的平移、垂直镜像变换、水平镜像变换、缩放和旋转的原理和应用； 2熟悉图像几何变换的MATLAB操作和基本功能 3 掌握彩色图像处理的基本技术 二、实验步骤 1 启动MATLAB程序，读入图像并对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作 %%%%%%平移 >> flowerImg=imread('flower.jpg'); >> se=translate(strel(1),[100 100]); >> img2=imdilate(flowerImg,se); >> subplot(1,2,1); >> imshow(flowerImg); >> subplot(1,2,2); >> imshow(img2);
I1=imread('flower.jpg'); I1=double(I1); H=size(I1); I2(1:H(1),1:H(2),1:H(3))=I1(H(1):-1:1,1:H(2),1:H(3)); I3(1:H(1),1:H(2),1:H(3))=I1(1:H(1),H(2):-1:1,1:H(3)); Subplot(2,2,1); Imshow(uint8(I1)); Title('原图'); Subplot(2,2,2); Imshow(uint8(I3)); Title('水平镜像'); Subplot(2,2,3); Imshow(uint8(I2)); Title('垂直镜像'); img1=imread('flower.jpg'); figure,imshow(img1); %%%%%%缩放 img2=imresize(img1,0.25); figure,imshow(img2); imwrite(img2,'a2.jpg');
实验三 空间域数字图像的平滑与锐化
福建农林大学计算机与信息学院实验报告系：专业：年级： 姓名：学号：实验室号_______ 计算机号 实验时间：指导教师签字：成绩：报告退发(订正、重做) 实验三空间域数字图像的平滑与锐化 1.实验目的和要求 掌握空间域数字图像的平滑与锐化。 2.实验内容和原理 （1）利用加权平均掩模实现数字图像的平滑； （2）利用拉普拉斯算子实现数字图像的锐化 3.实验环境 硬件：一般PC机 操作系统：WindowsXP 编程平台：MATLAB 或高级语言 4.算法描述及实验步骤 Code： X=imread('moon.tif'); subplot(2,2,1) ;imshow(X); title 原图 b=size(X); X=double(X); %f=[0 -1 0;-1 4 -1;0 -1 0;]; %用四领域 f=[-1 -1 -1;-1 8 -1;-1 -1 -1;]; %用八领域 g=[1 2 1;2 4 2;1 2 1;]; %模糊用的算子 Y=zeros(b); for(i=2:b(1)-1)
for(j=2:b(2)-1) Y(i,j)=X(i,j)*g(2,2)+X(i+1,j)*g(3,2)+X(i,j+1)*g(2,3)+X(i+1,j+1 )*g(3,3)+X(i+1,j-1)*g(3,1)+X(i-1,j+1)*g(1,3)+X(i-1,j-1)*g(1,1) +X(i-1,j)*g(1,2)+X(i,j-1)*g(2,1); end; end; Y=mat2gray(Y/16); subplot(2,2,2) ;imshow(Y); title 模糊后 Z=zeros(b); for(i=2:b(1)-1) for(j=2:b(2)-1) Z(i,j)=Y(i,j)*f(2,2)+Y(i+1,j)*f(3,2)+Y(i,j+1)*f(2,3)+Y(i+1,j+1)* f(3,3)+Y(i+1,j-1)*f(3,1)+Y(i-1,j+1)*f(1,3)+Y(i-1,j-1)*f(1,1)+Y(i -1,j)*f(1,2)+Y(i,j-1)*f(2,1); end; end; Z=mat2gray(Z); subplot(2,2,3) ;imshow(Z); title 锐化后 M=zeros(b); for(i=2:b(1)-1) for(j=2:b(2)-1) M(i,j)=X(i,j)+Y(i,j);
图像平滑及锐化
1.图像锐化的目的 是使灰度反差增强，从而增强图像中边缘信息，有利于轮廓抽取。因为轮廓或边缘就是图像中灰度变化率最大的地方。因此，为了把轮廓抽取出来，就是要找一种方法把图像的最大灰度变化处找出来。 2.实现图像的锐化可使图像的边缘或线条变得清晰，高通滤波可用空域高通滤波法来实现。本节将围绕空间高通滤波讨论图像锐化中常用的运算及方法，其中有梯度运算、各种锐化算子、拉普拉斯（Laplacian）算子、空间高通滤波法和掩模法等图像锐化技术。 3.梯度算子——是基于一阶微分的图像增强. 梯度算子: 梯度对应的是一阶导数，梯度算子是一阶导数算子。 梯度方向:在图像灰度最大变化率上，反映出图像边缘上的灰度变化。梯度处理经常用于工业检测、辅助人工检测缺陷，或者是更为通用的自动检测的预处理。 4.拉普拉斯算子——基于二阶微分的图像增强 Laplacian算子是不依赖于边缘方向的二阶微分算子，是常用的二阶导数算子. 拉普拉斯算子是一个标量而不是向量，具有线性特性和旋转不变，即各向同性的性质。 拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。这将产生一幅把浅灰色边线、突变点叠加到暗背景中的图像。 计算数字图像的拉普拉斯值也可以借助于各种模板。拉普拉斯对模板的基本要对应中心像素的系数应该是正的，而对应于中心像素邻近像素的系数应是负的，它们的和应该为零。 将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。 5.同态滤波器图像增强的方法 一幅图像f(x,y)能够用它的入射光分量和反射光分量来表示，其关系式如下 f(x,y)=i(x,y)r(x,y) 图像f(x,y)是由光源产生的照度场i(x,y)和目标的反射系数场r(x,y)的共同作用下产生的。 该模型可作为频率域中同时压缩图像的亮度围和增强图像的对比度的基础。但在频率域中不能直接对照度场和反射系数场频率分量分别进行独立的操作。
MATLAB 实现数字图像锐化处理
MATLAB 实现数字图像锐化处理 摘要：讨论了数字图像增强技术中空域图像锐化的四种算法及其用MATLAB的实现；同时给出了利用四种算法进行图像锐化后的对照图像。比较实验结果，可知运用算法锐化处理后，图像比原来图像清晰。 关键词：MATLAB、线性锐化、非线性锐化、sobel算子、prewitt算子、log算子 1.引言 MATLAB全称是Matrix Laboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中MATLAB 中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB 在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。 二维图像均匀采样，可得到一幅离散化成M ×N 样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的。而MATLAB 的长处就是处理矩阵运算，因此用MATLAB 处理数字图像非常的方便。MATLAB 支持五种图像类型，即索引图像、灰度图像、二值图像、RGB 图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG，XWD，CUR，ICO等图像文件格式的读、写和显示。MATLAB 对图像的处理功能主要集中在它的图像处理工具箱(Image Processing Toolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作口。 数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。 2.数字图像的锐化 数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。 2.1线性锐化滤波器 线性高通滤波器是最常用的线性锐化滤波器。这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。线性高通滤波器3 ×3 模板的典型系数如表1 所示： 表 1 用线性高通滤波实现图像锐化的程序和图像如下： F=imread('F:/text.png'); %读入图像 f=rgb2gray(F); h=double(f); %转化为double类型 g=[-1 -1 -1; -1 8 -1; -1 -1 -1];%线性高通滤波3×3 模板
laplace(拉普拉斯)锐化matlab程序
laplace(拉普拉斯)锐化matlab程序 部门： xxx 时间： xxx 整理范文，仅供参考，可下载自行编辑
第二次作业 201821050326 程小龙 习题： 4.8 答：参考教材4.4-1式，高通滤波器可以看成是1减去相应低通滤波器，从低通滤波器的性质可以看出，在空间域上低通滤波器在原点是存在一个尖峰，且大于0，1是看成直流分量，因此，傅里叶逆变换之后的高通滤波器在空间域上原点就会出现负的尖峰。 b5E2RGbCAP 4.15 答： 方便起见，我们考虑一个变量。当u从0增加到M，H(u,v>从最大值2j<复数）然后减少，当u=M/2时<转移方程的中心）最小；当u 继续增加，H(u,v>继续增加，且当u=M时，又取得最大值。同样，考虑两个变量也得到类似的结果。这种特性就是我们的高通滤波器，于是我们就可以得到我们推导出的滤波器H 数字图像处理作业题目：图像的平滑处理与锐化处理 ：张一凡 学号：4 专业：计算机应用技术 1.1理论背景 现实中的图像由于种种原因都是带噪声的，噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来了困难。一般数字图像系统中的常见噪声主要有：高斯噪声、椒盐噪声等。 图像去噪算法根据不通的处理域，可以分为空间域和频域两种处理方法。空间域处理是在图像本身存在的二维空间里对其进行处理。而频域算法是用一组正交函数系来逼近原始信号函数，获得相应的系数，将对原始信号的分析转动了系数空间域。 在图像的识别中常需要突出边缘和轮廓信息，图像锐化就是增强图像的边缘和轮廓。 1.2介绍算法 图像平滑算法：线性滤波（邻域平均法） 对一些图像进行线性滤波可以去除图像中某些类型的噪声。领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。 领域平均法是空间域平滑噪声技术。对于给定的图像()j i f,中的每个像素点()n m,，取其领域S。设S含有M个像素，取其平均值作为处理后所得图像像素点()n m,处的灰度。用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。 领域S 的形状和大小根据图像特点确定。一般取的形状是正方形、矩形及十字形等，S 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S 的中心。如S 为3×3领域，点(m,n)位于S 中心，则 ()()∑∑-=-=++=1111 ,91,i j j n i m f n m f 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0，方差为2σ，图像g 是未受污染的图像，含有噪声图像f 经过加权平均后为 ()()()()∑∑∑+==j i n M j i g M j i f M n m f ,1 ,1 ,1 , 由上式可知，经过平均后，噪声的均值不变，方差221σσM = ，即方差变小，说明噪声强度减弱了，抑制了噪声。 图像锐化算法：拉普拉斯算子 拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性，比较适用于改善因为光线的漫反射造成的图像模糊。其原理是，在摄像记录图像的过程中，光点将光漫反射到其周围区域，这个过程满足扩散方程: f kV t f 2=?? 经过推导，可以发现当图像的模糊是由光的漫反射造成时，不模糊图像等于模糊图像减去它的拉普拉斯变换的常数倍。另外，人们还发现，即使模糊不是由于光的漫反射造成的，对图像进行拉普拉斯变换也可以使图像更清晰。 数字图像处理实验五 15生医 一、实验内容 对某一灰度图像，进行如下处理： （1）分别用Roberts、Prewitt和Sobel边缘检测算子进行边缘检测；（2）将Roberts、Prewitt和Sobel边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。一灰度图像的二值化。 二、运行环境 MATLAB R2014a 三、运行结果及分析 运行结果如图所示：可以观察出原图像、边缘检测结果和锐化后图像三者之间的关系为：原图像+边缘检测结果=锐化后图像 四、心得体会 通过MATLAB编程更加熟悉了课本上关于锐化与边缘检测的相关知识 点，对二者的关系也有了具体的认识。同时，对MATLAB图像导入函数、图像边缘检测函数、锐化窗口矩阵卷积函数的调用及实现机理也有所掌握，比如后边附的程序中会提到的“%”标注的思考。 五、具体程序 size=512; Img_rgb=imread('E:\lena.jpg'); %读取图像 Img_gray=rgb2gray(Img_rgb); %进行RGB到灰度图像的转换（虽然原来在网上下载的lena就是黑白图像，但是这一步必须要有！否则处理结果不正确） figure(1); subplot(2,3,1); imshow(Img_gray); title('原图像'); Img_edge=zeros(size); a={'roberts','prewitt','sobel'}; for i=1:3 Img_edge=edge(Img_gray,a{i}); figure(1); subplot(2,3,i+1); imshow(Img_edge); axis image; title(a(i)); end A=imread('E:\lena.jpg'); B=rgb2gray(A); B=double(B); Window=[-1 -1 -1;-1 9 -1;-1 -1 -1]; %八邻域拉普拉斯锐化算子（α取1） C=conv2(B,Window,'same'); Img_sharp=uint8(C); subplot(2,3,5); imshow(Img_sharp); title('sharp'); 中北大学 课程设计说明书 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究 指导教师：陈平职称: 副教授 2013 年 12 月 15 日 中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 课程设计题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日 课程设计任务书 课程设计任务书 目录 1 绪论 (1) 1.1 MATLAB简介 (1) 1.2 MATLAB对图像处理的特点 (1) 1.3 图像锐化概述 (2) 1.4 图像锐化处理的现状和研究方法 (2) 2 设计目的 (2) 3 设计内容和要求 (2) 4 总体设计方案分析 (2) 5 主要算法及程序 (4) 5.1 理想高通滤波器锐化程序 (4) 5.2 高斯高通滤波器锐化程序 (5) 5.3 高提升滤波器锐化程序 (6) 6 算法结果及比较分析 (8) 6.1 理想高通滤波器锐化结果 (8) 6.2 高斯高通滤波器锐化结果 (9) 6.3 高提升滤波器锐化结果 (10) 6.4 算法结果比较分析 (11) 7 设计评述 (11) 参考文献 (12) 1 绪论 数字图像处理（Digital Image Processing）又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。图像处理的基本目的是改善图像的质量。它以人为对象，改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常见的图像处理方法有图像增强、复原、编码、压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天。生物医学工程、工业检测、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注意、前景远大的新型科学。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理更高、更深层次发展。 1.1 MATLAB简介 MATLAB全称Matrix Laboratory（矩阵实验室），最早初由美国Cleve Moler 博士在20世纪70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack和Eispack组成。它用于数学、信息工程、摇感、机械工程、计算机等专业。它的推广得到各个领域专家的关注，其强大的扩展功能为各个领域应用提供了基础，各个领域的专家相继推出MATLAB工具箱，而且工具箱还在不断发展，借助于这些工具箱，各个层次的研究人员可直接、直观、方便地进行工作，从而节省大量的时间。目前，MATLAB语言已经成为科学计算、系统仿真、信号与图像处理的主流软件。本文主要从MATLAB图像处理方面做应用。 1.2MATLAB对图像处理的特点 MATLAB全称Matrix Laboratory（矩阵实验室），是一种主要用于矩阵数据值计算的软件，因其在矩阵运算上的特点，使得MATLAB在处理图像上具有独特优势，理论上讲，图像是一种二维的连续函数，而计算机在处理图像数字时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样个量化的过程。二维图像均匀采样，课得到一副离散化成N×N样本的数字图像，该数字图像是一个整数列阵，因而用矩阵来描述该数字图像是最直观最简便的。 图像平滑和锐化变换处理 一、实验内容和要求 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 2、空域平滑：box、gauss模板卷积。 3、频域平滑：低通滤波器平滑。 4、空域锐化：锐化模板锐化。 5、频域锐化：高通滤波器锐化。 二、实验软硬件环境 PC机一台、MATLAB软件 三实验编程及调试 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下： I=imread(''); J=imadjust(I,[,],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J); ②直方图均衡程序如下： I=imread(''); J=histeq(I); Subplot(2,2,1); Imshow(I); Title('原图像'); Subplot(2,2,2); Imshow(J); Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(I,64); Title('原图像直方图') ; Subplot(2,2,4); Imhist(J,64) ; Title('均衡变换后的直方图') ; ③伽马校正程序如下： A=imread(''); x=0:255; a=80,b=,c=; B=b.^(c.*(double(A)-a))-1; y=b.^(c.*(x-a))-1; subplot(3,2,1); imshow(A); subplot(3,2,2); imhist(A); subplot(3,2,3); imshow(B); subplot(3,2,4); imhist(B); subplot(3,2,6); plot(x,y); ④log变换程序如下： Image=imread(''); 基于MATLAB的图像预处理技术研究 图像识别技术：其对研究对象进行图像获取，然后根据研究对象的自身特征信息进行分类和识别。 这门技术的研究对象十分广泛，只要可以进行图像获取并对特征进行分析便可以应用图像识别技术。 举例说明： 医学上X光片的图像诊断、智能交通系统中车辆牌照的图像识别分类、卫星拍摄的湖泊森林遥感图像处理、人脸识别、身份识别。 图像识别系统的概述： 包含三个主要部分： 1，图像的获取；(进行最初的图像采集，将最原始的对象转换为图像信息；将最初的数据材料带入图像信息中) 2，对获取的图像进行前期预处理，提取有用的信息。(对原始的图像中的噪声以及非相关特征信息进行过滤，减少所获取原始图像的信息量，从而为后期最终特征信息的分类减少干扰。即将图像分为多个区域，并且每个区域只包含一定数量的特征信息。) 3，根据研究对象的先验特征信息对图像中的噪声以及非相关特征信息进行查找识别。(主要是在前期获取的图像信息预处理结束后，根据相关的先验知识，利用计算机技术快速实时地对图像中的特征信息进行提取分类。在这部分中，对于识别的特征信息的正确率有一定的要求，以减少分类识别错误，其中特征的矢维函数、字符串数等需要 不断的简化，从而以最简单的模式划分特征信息） 分类识别：将原始的图像根据特征信息进行分类。 图像预处理技术 1，图像的灰度化 (获取不含彩色信息的灰度图像，灰度图像只含有亮度信息) 通过采集过程获取的一般都是彩色图像。并以Jpg或者Bmp格式进行存储。以Bmp格式的图像为例进行分析，假设采集获取得一幅彩色图像的像素为1280*960，那么其在硬盘上的存储空间需要1280*960*3，即3686400个字节，(灰度图每个像素仅由一个8位字节表示该像素的亮度值.)。其占用的存储空间比灰度图像大的很多，所以为节省空间并减小计算量，一般要将彩色图像转化为灰度图像，只选择三个颜色分量进行图像的色彩区分，具体的转换方式为Y=R*0.299+G*0.587+B*0.114,这个过程就是对获取的彩色图像的灰度化处理过程。 2，图像的灰度拉伸 由于光照等因素,许多图像成像时光照不足,使得整幅图像变暗,或者成像时光照过强,使得整幅图变亮。为了增强图像的对比度,使其明暗鲜明,有利于对图像的特征信息进行识别,需要对灰度化的图像进行灰度线性变换,以便突出图像的特征信息的部分。 灰度线性变换采用的变换公式一般为: ()()C , , g, ? =的值由输入图像的灰度值动态范围决x ,+ f R R C y x y 图像平滑和锐化变换处理 一、实验容和要求 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 2、空域平滑：box、gauss模板卷积。 3、频域平滑：低通滤波器平滑。 4、空域锐化：锐化模板锐化。 5、频域锐化：高通滤波器锐化。 二、实验软硬件环境 PC机一台、MATLAB软件 三实验编程及调试 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下： I=imread('kids.tif'); J=imadjust(I,[0.2,0.4],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J); ②直方图均衡程序如下： I=imread('kids.tif'); J=histeq(I); Imshow(I); Title('原图像'); Subplot(2,2,2); Imshow(J); Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(I,64); Title('原图像直方图') ; Subplot(2,2,4); Imhist(J,64) ; Title('均衡变换后的直方图') ; ③伽马校正程序如下： A=imread('kids.tif'); x=0:255; a=80,b=1.8,c=0.009; B=b.^(c.*(double(A)-a))-1; y=b.^(c.*(x-a))-1; subplot(3,2,1); imshow(A); subplot(3,2,2); imhist(A); 论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日 基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换 第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别， 图像锐化的目的和意义图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。 当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。 图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。 图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法. 锐化的目标实质上是要增强原始图像的高频成分 .常规的锐化算法对整幅图像进行高频增强 , 结果呈现明显噪声 .为此, 在对锐化原理进行深入研究的基础上 ,提出了先用边缘检测算法检出边缘 , 然后根据检出的边缘对图像进行高频增强的方法 . 实验结果表明 , 该方法有效地解决了图像锐化后的噪声问题图像的锐化可以在空间域中进行，也可以在频率域中实现。 一. 图像信号的锐化过程 1. 空间域中锐化图像的目的在空间域中进行图像的锐化也成为空间滤波处 理，目的又 （1）一是提取图像中用于认识和识别图像特征的参量，为图像识别准备数据 （2）消除噪声。图像数字化时产生的噪声主要是造成对图像内容的干扰，这用图像的平滑处理。图像数字化时在信号高频区域产生的 误差以及设备自身噪声对图像的高频（轮廓特征）干扰同样也是一 种噪声，可以用空间滤波的方法去除。 （3）采用空间滤波的方法可以更鲜明地保持图像的边缘特征，这也是空间滤波的主要目的，即锐化图像。处理效果 锐化的目的在于使图像中对象轮廓上的像素灰度大的更大，小的更小，但 实验三 图像的平滑与锐化 一．实验目的 1.掌握图像滤波的基本定义及目的； 2.理解空域滤波的基本原理及方法； 3.掌握进行图像的空域滤波的方法。 二．实验基本原理 图像噪声从统计特性可分为平稳噪声和非平稳噪声两种。统计特性不随时间变化的噪声称为平稳噪声；统计特性随时间变化的噪声称为非平稳噪声。 另外，按噪声和信号之间的关系可分为加性噪声和乘性噪声。假定信号为S (t )，噪声为n (t )，如果混合叠加波形是S (t )+n (t )形式，则称其为加性噪声；如果叠加波形为S (t )［1+n (t )］形式， 则称其为乘性噪声。为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是假定信号和噪声是互相独立的。 1.均值滤波 均值滤波是在空间域对图像进行平滑处理的一种方法，易于实现，效果也挺好。 设噪声η(m,n)是加性噪声，其均值为0，方差（噪声功率）为2σ，而且噪声与图像f(m,n)不相关。 除了对噪声有上述假定之外，该算法还基于这样一种假设：图像是由许多灰度值相近的小块组成。这个假设大体上反映了许多图像的结构特征。 ∑∈=s j i j i f M y x g ),(),(1 ),( (3-1) 式(2-1)表达的算法是由某像素领域内各点灰度值的平均值来代替该像素原来的灰度值。 可用模块反映领域平均算法的特征。对模板沿水平和垂直两个方向逐点移动，相当于用这样一个模块与图像进行卷积运算，从而平滑了整幅图像。模版内各系数和为1，用这样的模板处理常数图像时，图像没有变化；对一般图像处理后，整幅图像灰度的平均值可不变。 (a) 原始图像 (b) 邻域平均后的结果 图3-1 图像的领域平均法 2.中值滤波 中值滤波是一种非线性处理技术，能抑制图像中的噪声。它是基于图像的这样一种特性：噪声往往以孤立的点的形式出现，这些点对应的象素很少，而图像则是由像素数较多、面积较大的小块构成。 在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的中值代替。例如若窗口长度为5，窗口中像素的灰度值为80、90、200、110、120，则中值为110，因为按小到大（或大到小）排序后，第三位的值是110。于是原理的窗口正中的灰度值200就由110取代。如果200是一个噪声的尖峰，则将被滤除。然而，如果它是一个信号，则滤波后就被消除，降低了分辨率。因此中值滤波在某些情况下抑制噪声，而在另一些情况下却会抑制信号。 中值滤波很容易推广到二维的情况。二维窗口的形式可以是正方形、近似圆形的或十字形的。在图像增强的具体应用中，中值滤波只能是一种抑制噪声的特殊工具，在处理中应监视其效果，以决定最终是福才有这种方案。实施过程中的关键问题是探讨一些快速算法。 3.空域低通滤波： 从信号频谱角度来看，信号的缓慢变化部分在频率域属于低频部分，而信号的迅速变化部分在频率域是高频部分。对图像来说，它的边缘以及噪声干扰的频率分量都处于频率域较高的部分，因此，可以采用低通滤波的方法来去除噪声。而频域的滤波又很容易从空间域的卷积来实现，为此只要适当设计空间域的单位冲激响应矩阵，就可以达到滤除噪声的效果。下面是几种用于噪声平滑低通卷积模板。 Matlab图像锐化处理及边缘检测 本章要点： ?图像边缘锐化的基本方法 ?微分运算 ?梯度锐化 ?边缘检测 6．1 图像边缘锐化的基本方法 物体的边缘是以图像局部特性不连续性的形式出现。本质上边缘常意味着一个区域的终结和另一个区域的开始。图像边缘信息在图像分析和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要特性。图像的边缘有方向和幅度两个特性。通常，延边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。边缘的描述包含以下几个方面：（1）边缘点——它两边像素的灰度值有显著的不同。边缘点也存在于这样一对邻点之间即一个在较亮的区域内部，另一个在外部。 （2）边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直。 （3）边缘方向——与边缘法线方向垂直，是目标边界的切线方向。 （4）边缘位置——边缘所在的坐标位置。 （5）边缘强度——沿边缘法线方向图像局部的变化强度的量度。 粗略地区分边缘种类可以有两种，其一是阶跃状边缘，它两边像素的灰度值有显著的不同，其二是屋顶状边缘，它位于灰度值从增加到减少的变化转折点。这些变化分别对应景物中不同的物理状态。边缘是图像上灰度变化比较剧烈的地方，如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征是灰度的变化率和方向，在灰度变化突变处进行微分，将产生高值。经典的边缘提取方法是考虑图像的每个像素在某个领域内的变化，利用边缘邻近一阶或二阶方向导数变化规律，来检测边缘。图像灰度值的显著变化可以用一阶差分替代一阶微分的梯度来表示，它们分别以梯度向量的幅度和方向来表示。因此图像中陡峭边缘的梯度值将是很大的；那些灰度变化平缓的地方，梯度值是比较小的；而那些灰度值相同的地方，梯度值将为零。图像经过梯度运算能灵敏地检测出边界线，这种微分边缘检测算子运算简单易行，但有方向性。 利用计算机进行图像锐化处理有两个目的，一是与柔化处理相反，增强图像边缘，使模糊的图像变得更加清晰起来，颜色变得鲜明突出，图像的质量有所改善，产生更适合人观察和识别的图像，本章的梯度锐化就是介绍这方面的内容。二是希望经过锐化处理后，目标物体的边缘鲜明，以便于计算机提取目标物体的边界、对图像进行分割、目标区域识别、区域形状提取等，为图像理解和分析打下基础，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位，本章的边缘检测算子就是介绍这方面的内容。 与图像平滑处理相对应，图像锐化也可以分为空间域图像锐化法和空间频率域图像锐化法两大类型。空间频率域图像锐化的方法将在第九章介绍，本章介绍边缘增强及边缘检测的方法，基于空间域处理，为分割及目标物体特征提取打下基础。 .. 图像增强与平滑 直方图： I=imread('1.jpg'); imshow(I); I=rgb2gray(I); %三维变成二维的图； figure,imhist(I); %显示灰度分布 直方图均衡处理： I=imread('1.jpg'); I=rgb2gray(I); J=histeq(I); Subplot(1,2,1),imshow(I); Subplot(1,2,2),imshow(J); figure,Subplot(1,2,1),imhist(I,64); Subplot(1,2,2),imhist(J,64); %这个参数是什么意思？？？ 灰度变换： imadjust(I,[],[], ); I=imread('1.jpg'); I=rgb2gray(I); J=imadjust(I,[0.1,0.5],[]); Subplot(1,2,1),imshow(I); Subplot(1,2,2),imshow(J); figure,Subplot(1,2,1),imhist(I,64); Subplot(1,2,2),imhist(J,64); 图像反转： I=imread('1.jpg'); I=rgb2gray(I); J=imadjust(I,[0.1,0.9],[0.9 0.1]); Subplot(1,2,1),imshow(I); Subplot(1,2,2),imshow(J); figure,Subplot(1,2,1),imhist(I,64); Subplot(1,2,2),imhist(J,64); 图像平滑 噪声 I=imread('1.jpg'); I=rgb2gray(I); J=imnoise(I,'salt & pepper',0.02); 图像平滑与锐化处理 1 图像平滑处理 打开Image Interpreter/Utilities/Layer Stack对话框，如图1-1 图1-1 打开Layer Stack对话框 在Input File中打开tm_striped.img，在Layer中选择1，在Output File中输入输出文件名band1.img，单击Add按钮。忽略零值，单击OK(如图1-2所示)。 图1-2 Layer Stack对话框设置 打开Interpreter>Spatial Enhancement>Convolution对话框。如图1-3 图1-3 打开Convolution对话框 在Input File中选择band1.img。在Output File中选择输出的处理图像，命名为lowpass.img。在Kernel中选择7*7Low Pass，忽略零值。单击OK完成图像的增强处理（如图1-4所示）。 图1-4 卷积增强对话框（Convolution） 平滑后的图像去掉噪音的同时造成了图像模糊，特别是对图像的边缘和细节消弱很多。而且随着邻域范围的扩大，在去噪能力增强的同时模糊程度越严重（如图1-5）。 图1-5 处理前后的对比 为了保留图像的边缘和细节信息，可对上述算法进行改进，引入阈值T，将原有图像灰度值f（i，j）,和平均值g（i，j）之差的绝对值与选定的阈值进行比较，根据比较结果决定像元（i，j）的最后灰度值G（i，j）。当差小于阈值的时候取原值；差大于阈值的时候取平均值。这里通过查询得T取4，其表达式为下： g（i，j），当| f（i，j）-g（i，j）|>4 G（i，j）= f（i，j），当| f（i，j）-g（i，j）|<=4 具体操作步骤：在图标控制面板工具栏中点击空间建模Modeler>Model Maker选项。先放置对象图形，依次连接每个对象图形，然后定义对象，最后定义函数并运行模型（如图 1-6，1-7,1-8,1-9,1-10,1-11所示）。 x学院毕业论文（设计） 开题报告 题目:图像锐化算法的研究与实现 姓名: x 学号: 080502221 系别: 物理与电子信息工程系 专业: 电子信息科学与技术 年级: 200x级 指导老师: x 2011年11月5日 一、选题依据（含研究的目的和意义等） 目前，图像锐化是数字图像处理的最基本的方法之一，它是为了突出图像总的细节或者增强被模糊地细节，这种模糊不是由于错误操作，就是特殊获取方法的固有影响。图像锐化处理的方法多种多样，其也包括多种应用，从电子印象和医学成像到工业检测和军事系统的的制导，等等. 从图像平滑处理图像，我们可以看到在空间域用像素领域平均法可以使图像变模糊.因为均值处理与积分相似，从逻辑的角度，我们可以断定锐化处理可以用空间微分来完成。在这次设计中将实现数字微分锐化的各中定义及其实现算子。微分算子的响应程度与图像在该点（应用了算子）的突变程度有关。这样一来，图像微分增强了边缘轮廓的高频分量，在这次我们将用Matlab实现图像锐化算法（即微分算子），并对其不同的微分锐化算子比较看其优缺点和应用场合，以及改变算法参数对锐化结果的影响。它的实现将改善人的视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题，以及应用目的所采取的不同算子改善图像质量或增强图像的某些特征的措施。 二、研究的内容及目标 1、研究内容 ①应用Matlab实现传统的图像锐化算法； ②分析不同算子的优缺点和应用场合； ③改变算法的一些参数后对锐化效果的影响。 2、研究目标 合理的运用不同的算子锐化各类不同的图像，得到目标图像。加深对算子的理解，学会用矩阵实验室（Matlab）对图像进行锐化处理。图像的平滑处理与锐化处理
数字图像处理_边缘检测算子与锐化算子(含MATLAB代码)
基于MATLAB的图像锐化算法研究
数字图像处理-图像平滑和锐化变换处理
基于 MATLAB的图像预处理技术研究
数字图像处理-图像平滑和锐化变换处理
基于Matlab的数字图像处理系统设计要点
图像锐化的目的和意义
三图像的平滑与锐化
matlab图像锐化处理及边缘检测
matlab图像增强与平滑简单程序
图像平滑与锐化处理
基于matlab图像锐化算法的研究与实现 开题报告