数字图像处理-7第七章图像锐化
数字图像处理课程设计-图像锐化
数字图象处理课程设计报告设计题目：MATLAB实现数字图象锐化处理系（院）：专业：班级：学生姓名：学号：指导教师：目录1.报告摘要 (2)2.设计原理 (2)2.1MATLAB软件简介 (2)2.2MATLAB软件对图象的处理 (2)2.3图象锐化概述 (3)2.4图象锐化的原理 (3)3.设计过程 (4)3.1线性锐化 (4)3.1.1用线性高通滤波实现图像锐化的结果： (4)3.1.2线性高通滤波图象锐化的程序： (5)3.2非线性锐化 (5)3.2.1用Sobel 梯度算子实现图像锐化的结果及程序： (5)3.2.2用Prewitt梯度算子实现图像锐化的结果及程序： (6)3.2.3用log梯度算子实现图像锐化的结果及程序： (7)3.3设计总结 (8)4.心得体会 (9)1.报告摘要本次课程设计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。
[关键词] MATLAB 线性锐化非线性锐化sobel算子prewitt算子log 算子2.设计原理2.1MATLAB软件简介MATLAB全称是MatrixLaboratory(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。
2.2MATLAB软件对图象的处理理论上讲，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。
数字图像处理- 图像平滑与锐化
数字图像处理
7
数字图像处理
8
巴特沃斯滤波器
通带波动下的切比雪夫滤波器
阻带波动下的切比雪夫滤波器
数字图像处理
椭圆函数滤波器
9
数字图像处理
10
数字图像处理
11
数字图像处理
12
数字图像处理
13
涉及4种图像初始、中间或最终结果，和三个主要 处理步骤。
图像结果包括原始图像、原始变换域、滤波后的变换域 和滤波后的图像； 处理步骤包括傅里叶正变换、低通滤波和傅lt; complex > CImageProcessing::Low_pass_filter( CTArray< complex > original_signal ) { long dimension = original_signal.GetDimension(); double threshold = 0; for( int index = 0; index < dimension; index ++ ) { double magnitude = sqrt( original_signal[ index ].m_re * original_signal[ index ].m_re + original_signal[ index ].m_im * original_signal[ index ].m_im ); if( magnitude > threshold ) threshold = magnitude; } threshold /= 100; for( int index = 0; index < dimension; index ++ ) { double magnitude = sqrt( original_signal[ index ].m_re * original_signal[ index ].m_re + original_signal[ index ].m_im * original_signal[ index ].m_im ); double eplon = 1.0 / sqrt( 1 + ( threshold / magnitude ) * ( threshold / magnitude ) ); original_signal[ index ].m_re *= eplon; original_signal[ index ].m_im *= eplon; } return original_signal; } 21 数字图像处理
图像锐化算法实现
算法原理：通过将图像分解成多个频带，对每个频带进行滤波处理，再合并处理后的频带得到 锐化图像。
算法特点：能够更好地保留图像细节，提高图像清晰度，适用于各种类型的图像。
算法步骤：频带分解、滤波处理、频带合并、锐化图像。
算法应用：广泛应用于图像处理领域，如医学影像、遥感图像、安全监控等。
算法原理：根据图像局部特性自适 应调整滤波器系数，以提高图像边 缘清晰度
优点：对噪声具有较好的鲁棒性， 能够自适应地处理不同场景下的图 像锐化
添加标题
添加标题
常用实现方法：Laplacian、 Unsharp Masking等
添加标题
添加标题
适用场景：适用于各种类型的图像， 尤其适用于存在噪声和模糊的图像
图像锐化的实现步 骤
将彩色图像转换为灰度图像 增强图像对比度 突出图像边缘信息 减少图像数据量，加速处理速度
边缘检测是图像 锐化的重要步骤， 通过检测图像中 的边缘信息，可 以对图像进行清 晰化处理。
常见的边缘检测 算法包括Sobel、 Prewitt、Canny 等，这些算法通 过不同的方式检 测图像中的边缘 信息。
在边缘检测之后， 通常需要进行阈 值处理，将边缘 信息与阈值进行 比较，保留重要 的边缘信息，去 除不必要的噪声。
经过边缘检测和 阈值处理后，可 以对图像进行锐 化处理，使其更 加清晰。
对图像进行滤波处理，去除噪声和干扰 选择合适的滤波器，如高斯滤波器、中值滤波器等 对滤波后的图像进行锐化处理，增强边缘和细节 可根据实际需求选择不同的滤波器和参数，以达到最佳效果
对图像进行滤波处理，去除噪声 对图像进行边缘检测，突出边缘信息 对图像进行对比度增强，提高图像的清晰度 对图像进行细节增强，增强图像的纹理和细节信息
(完整版)数字图像处理每章课后题参考答案
数字图像处理每章课后题参考答案第一章和第二章作业：1.简述数字图像处理的研究内容。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？3.列举并简述常用表色系。
1.简述数字图像处理的研究内容？答：数字图像处理的主要研究内容，根据其主要的处理流程与处理目标大致可以分为图像信息的描述、图像信息的处理、图像信息的分析、图像信息的编码以及图像信息的显示等几个方面，将这几个方面展开，具体有以下的研究方向：1.图像数字化，2.图像增强，3.图像几何变换，4.图像恢复，5.图像重建，6.图像隐藏，7.图像变换，8.图像编码，9.图像识别与理解。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？答：图像工程是一门系统地研究各种图像理论、技术和应用的新的交叉科学。
根据抽象程度、研究方法、操作对象和数据量等的不同，图像工程可分为三个层次：图像处理、图像分析、图像理解。
图像处理着重强调在图像之间进行的变换。
比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果。
图像处理主要在图像的像素级上进行处理，处理的数据量非常大。
图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述。
图像分析处于中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式描述。
图像理解的重点是进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行为。
图像理解主要描述高层的操作，基本上根据较抽象地描述进行解析、判断、决策，其处理过程与方法与人类的思维推理有许多相似之处。
第三章图像基本概念1.图像量化时，如果量化级比较小时会出现什么现象？为什么？答：当实际场景中存在如天空、白色墙面、人脸等灰度变化比较平缓的区域时，采用比较低的量化级数，则这类图像会在画面上产生伪轮廓（即原始场景中不存在的轮廓）。
实验报告-图像锐化
lWidth=m_BmpInfo.bmiHeader.biWidth;
lHeight=m_BmpInfo.bmiHeader.biHeight;
//分配内存，以保存新DIB
hDIB=GlobalAlloc(GHND,nBytePerLine*lHeight);
//判断是否内存分配失败
if(hDIB==NULL)
3．编写图像锐化的彩色图像灰度化，Sobel算法锐化，图像二值化处理相关的程序代码。
4．对程序进行相关调试，修改程序，去除其中的BUG。
5.利用自己准备的图像的文件和编写的程序，进行图像锐化处理。
6．截屏，保留实验结果，进行实验结果分析，并撰写实验报告。
三、相关背景知识
（写你自己觉得比较重要的与本实验相关的背景知识）
+ 0*val21+ 0*val22+ 0*val32
+ 1.0*val11+ 2.0*val12+ 1.0*val13;
//计算梯度的大小
Sobel=sqrt(gx*gx+gy*gy);
*(pImageDataNew+j*nBytePerLine+i* 3 + 0) =int(Sobel);
*(pImageDataNew+j*nBytePerLine+i* 3 + 1) =int(Sobel);
lHeight=m_BmpInfo.bmiHeader.biHeight;
for(intj= 0 ;j<lHeight;j++)
{
for(inti= 0 ;i<lWidth;i++)
{
//灰度化临时值
数字图像处理实验五、图像锐化
实验目的：通过实验掌握图像锐化的基本概念和方法
掌握二维傅里叶变换的基本概念和实现方法 实验内容： 一、掌握锐化空间滤波的概念和方法 二、掌握傅里叶变换和其反变换的基本概念
一、锐化空间滤波的概念和方法 拉普拉斯变换（算子）：
2 f 2 f 2 f 2 2 x y 在数字图像处理中
2 f [ f ( x 1, y ) f ( x 1, y ) f ( x, y 1)
f ( x, y 1) 4 f ( x, y )]
对应 模板 为： 0
1 0
1
-4 1
0
1 0
扩展 模板 为：
1
1 1
1
-8 1
1
1 1
输入图像
拉普拉斯变换后的输出图像
moon.bmp
Matlab
Matlab
二、傅里叶变换的定义
F (u, v)
f ( x, y ) F (u, v)e j 2 ( ux vy )dudv
f ( x, y )e j 2 ( ux vy )dxdy
FFT IFFT
f ( x, y )
F (u, v)
实验结果
原图
sobel
prewitt
原图二值化bwmo源自ph原图edge原图
傅里叶变换
傅里叶逆变换
思考题
试述图像锐化的应用领域
7-图像锐化与边缘检测教学课件
一阶微分算子锐化与边缘检测 • 水平微分和垂直微分算子
不管是水平微分还是垂直微分，其计算结果都可能出 现负数。因此，需要对这种情况进行处理，常见的处 理方式有两种：一种是直接取绝对值，另一种是在计 算结果上整体加上一个偏移量。两种处理结果最后的 图像效果有一定区别。
15/
一阶微分算子锐化与边缘检测
4/
图像锐化与边缘检测
4、锐化的结果是突出了图像的边缘轮廓，但是图像 的其他部分依然保留。两者都可以在空域或频域进行， 在空域进行的操作通常采用一阶或二阶微分算子。 5、二维图像通过梯度实现图像的锐化或边缘检测， 图像锐化的结果是原图像与边缘检测结果图像进行加 减运算的结果。因此，锐化是基于边缘检测结果之后 的操作。 6、在实际机器视觉应用中，锐化操作作为图像处理 的中间步骤，尤其在图像的空域进行操作时，往往只 进行一阶微分或二阶微分运算，其结果不再与原图进 行加减运算，如果为了观察锐化效果，才进行这样的 操作。
12/
一阶微分算子锐化与边缘检测 • 水平微分和垂直微分算子
分别计算的是x方向的梯度和y方向的梯度。
（a）水平差分模板
（b）垂直差分模板
分别检测图像在水平或垂直方向的像素灰度值的 变化情况。其计算过程与图像的卷积计算类似.
13/
一阶微分算子锐化与边缘检测 • 水平微分和垂直微分算子
（a）水平微分计算示意图 （b）垂直微分计算示意图 14/
5/
图像梯度
1、连续函数的一阶导数表示如下：
df dx
lim f(x
x 0
x ) f(x ) x
2、二维函数f(x,y)，其一阶导数如下：
f(x,y ) x
lim f(x
x 0
x,y) f(x,y ) x
第七章 图象增强之平滑与锐化
D0
D(u,v)
20
北京大学遥感所
图象平滑—频域法
§理想低通滤波器与Butterworth滤波器的比较
理想低通滤波器
Butterworth滤波器
21
北京大学遥感所
图象平滑—频域法
§梯形滤波器 传递函数
D (u , v ) D 0 1, D ( u , v ) D1 H (u , v ) , D 0 D (u , v ) D1 D 0 D 1 0, D (u , v ) D1
图象平滑—空域法
§邻域平均法 采用 此法的前提： 图像是由许多灰度恒定的小块组成的，相邻像素间存在很高的空 间相关性，而噪声则是统计独立的。 基本思想： 用图像上点（x,y）及其邻域像素的灰度平均值来代替点（x,y） 的灰度值。
方法： 采用3×3、5×5或7×7邻域不等，以3×3邻域为例 e* = 1/9(a+b+c+d+e+f+g+h+i) a b c
(a)
(b)
(c)
(d)
(a)(c)邻域平均：3×3 5×5 (b)(d)中值滤波：3×3 5×5
14
北京大学遥感所
图象平滑—频域法
§频域法 图像经过二维傅立叶变换后，噪声频率一般位于空间频率较高的区域，而 图像本身的频率分量处于空间频率较低的区域内，因此可以通过低通滤波的方 法使高频分量受到抑制，而让低频分量通过，实现图像的平滑
30
北京大学遥感所
图像锐化—空域法
§空域锐化方法—拉普拉斯算子
0 x-1,y 0 X,y- x,y ,y+ 1 1 x 0 +1, y 0 x 0 1 1 -4 0 1
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
可以减少噪声影响
Prewitt算子
1 1 1
1
0
0
0
1 1 1
1 0 1
2 2 0 2
1 0 1
1 0 1
2 1 0 1
1 0 1
I=imread('rice.bmp');
h=edge(I,'sobel',0.1,'horizontal'); %edge调用Sobel算子检测水平方向边缘
变化平缓部分
v
频域滤波增强
频域滤波增强
频域滤波增强
低通滤波器 高通滤波器 带通、带阻滤波器
f=imread(‘lena.bmp’); F=fft2(f); Fs=fftshift(F); [M,N]=size(f); M0=round(M/2); N0=round(N/2); D0=10;n=1; for i=1:M for j=1:N D(i,j)=sqrt((i-M0)^2+(j-N0)^2); h(i,j)=1/(1+sqrt(2)*((D0/D(i,j))^(2*n)));%BLPF滤波函数 end; end; BHPFG=h.*Fs; BHPFG=ifftshift(BHPFG); BHPFg=uint8(real(ifft2(BHPFG)));%BLPF滤波结果 BHPFg1=BHPFg+f;%BLPF高频加强结果
第7章 图像锐化
7.1 空间域微分算子 7.2 频域高通滤波
图像锐化
目的 图像经转换或传输后，质量可能下
降，难免有些模糊。 图像锐化目的：加强图像轮廓，使
图像看起来比较清晰。
图像轮廓上，像素灰度有陡然变化，梯 度值很大。
图象灰度变化平缓区域，梯度值很小。
等灰度区域，梯度值为零。
空间域微分算子
一阶微分算子
f
Gx Gy
x f
y
Robert算子
用差分代替微分
f f m 1, n f m, n
x
f f m, n 1 f m, n
y
1
1
0
0 1
2
敏感。想一下为什么？
Robert算子
Sobel算子
1 2 1
1
0
0
0
1 2 1
v=edge(I,'sobel',0.1,'vertical'); %edge调用Sobel算子检测垂直方向边缘
g=edge(I,'sobel',0.1,'both');
%edge调用Sobel算子检测两个方向边缘
(a)原始图像
(b)w1模板滤波后
(c)w2模板滤波后 (d)sobel梯度图像
二阶微分算子
拉普拉斯算子
0 1 0 L1 1 4 1
0 1 0
0 1 0 L2 1 4 1
0 1 0
1 1 1 L3 1 8 1
1 1 1
1 1 1 L4 1 8 1
1 1 1
1 4 1 L5 4 20 4
1 4 1
避免使用梯度算子需要两次模板运算的麻烦，可用于检测孤立点
I=imread('rice.bmp'); I=double(I); L1=fspecial('laplacian'); g1=imfilter(I,L1,'corr','replicate'); L3=[1 1 1;1 -8 1;1 1 1]; g2=imfilter(I,L3,'corr','replicate'); L5=[1 4 1;4 -20 4;1 4 1]; g3=imfilter(I,L5,'corr','replicate');
(a)原始图像
(b)L1模板锐化效果
(a)原始图像 (b)L1模板锐化效果 (c)L3模板锐化效果 (d)L5模板锐化效果 与一阶算子相比，拉普拉斯算子提取更多的图像细节，对噪声更加敏感
拉普拉斯-高斯变换算子
Laplacian of Gaussian, LoG
0 0 1 0 0
0
1 2 1
0
L3
1
0
2 1
16 2
2 1
1
0
0 0 1 0 0
频域滤波增强
频域增强的原理
频率平面与图像空域特性的关系 图像变化平缓的部分靠近频率平面的
圆心，这个区域为低频区域 图像中的边、噪音、变化陡峻的部分，
以放射方向离开频率平面的圆心，这 个区域为高频区域
频域滤波增强
频域增强的原理
u
边、噪音、变化陡峭部分