基于MATLAB的圖像銳化算法研究

1、中北大學(xué)課 程 設(shè) 計(jì) 說(shuō) 明 書(shū) 學(xué) 院： 信息商務(wù)學(xué)院 專 業(yè)： 電子信息工程 題 目： 信息處理綜合實(shí)踐: 基于MATLAB的圖像銳化算法研究指導(dǎo)教師： 陳平 職稱: 副教授 2013 年 12 月 15 日 中北大學(xué)課程設(shè)計(jì)任務(wù)書(shū) 13/14 學(xué)年第 一 學(xué)期學(xué) 院： 信息商務(wù)學(xué)院 專 業(yè)： 電子信息工程 課程設(shè)計(jì)題目：信息處理綜合實(shí)踐: 基于MATLAB的圖像銳化算法研究起 迄 日 期： 2013年12月16日2013年12月27日課程設(shè)計(jì)地點(diǎn)： 電子信息科學(xué)與技術(shù)專業(yè)實(shí)驗(yàn)室 指 導(dǎo) 教 師： 陳 平 系 主 任： 王浩全 下達(dá)任務(wù)書(shū)日期: 2013 年12月 15 日課 程 設(shè) 計(jì)

2、 任 務(wù) 書(shū)1設(shè)計(jì)目的：1、通過(guò)本課程設(shè)計(jì)的學(xué)習(xí)，學(xué)生將復(fù)習(xí)所學(xué)的專業(yè)知識(shí)，使課堂學(xué)習(xí)的理論知識(shí)應(yīng)用于實(shí)踐，通過(guò)本課程設(shè)計(jì)的實(shí)踐使學(xué)生具有一定的實(shí)踐操作能力；2、掌握Matlab使用方法，能熟練運(yùn)用該軟件設(shè)計(jì)并完成相應(yīng)的信息處理；3、通過(guò)圖像處理實(shí)踐的課程設(shè)計(jì)，掌握設(shè)計(jì)圖像處理軟件系統(tǒng)的思維方法和基本開(kāi)發(fā)過(guò)程。2設(shè)計(jì)內(nèi)容和要求（包括原始數(shù)據(jù)、技術(shù)參數(shù)、條件、設(shè)計(jì)要求等）：(1)基于理想高通濾波器的圖像銳化；(2)基于高斯高通濾波器的圖像銳化；(3)基于高提升濾波的圖像銳化；（4）通過(guò)采用有針對(duì)性的圖像的，對(duì)比分析上述三種銳化算法的結(jié)果(5)要求每位學(xué)生進(jìn)行查閱相關(guān)資料，并寫出自己的報(bào)告。注意每

3、個(gè)學(xué)生的報(bào)告要有所側(cè)重，寫出自己所做的內(nèi)容。3設(shè)計(jì)工作任務(wù)及工作量的要求包括課程設(shè)計(jì)計(jì)算說(shuō)明書(shū)(論文)、圖紙、實(shí)物樣品等：每個(gè)同學(xué)獨(dú)立完成自己的任務(wù)，每人寫一份設(shè)計(jì)報(bào)告，在課程設(shè)計(jì)論文中寫明自己設(shè)計(jì)的部分，給出設(shè)計(jì)結(jié)果。課 程 設(shè) 計(jì) 任 務(wù) 書(shū)4主要參考文獻(xiàn)：1. 阮秋琦等.數(shù)字圖像處理（第三版）.北京：電子工業(yè)出版社.20112. 岡薩雷斯等.數(shù)字圖像處理（MATLAB版）.北京：電子工業(yè)出版社.20013. 楊杰等.數(shù)字圖像處理及MATLAB實(shí)現(xiàn)：學(xué)習(xí)與實(shí)驗(yàn)指導(dǎo).北京：電子工業(yè)出版社.20104. 劉衛(wèi)國(guó)等.MATLAB程序設(shè)計(jì)與應(yīng)用.北京：高等教育出版社.20065. 許國(guó)根等.模式識(shí)

4、別與智能計(jì)算的MATLAB實(shí)現(xiàn).北京：北京航空航天大學(xué)出版社.20125設(shè)計(jì)成果形式及要求：畢業(yè)設(shè)計(jì)說(shuō)明書(shū)仿真結(jié)果6工作計(jì)劃及進(jìn)度：2013年12月16日 12月19日：查資料；12月19日 12月24日：在指導(dǎo)教師指導(dǎo)下設(shè)計(jì)方案；12月25日 12月27日：撰寫課程設(shè)計(jì)說(shuō)明書(shū)； 12月27日：答辯系主任審查意見(jiàn)： 簽字： 月 日目 錄1 緒論11.1 MATLAB簡(jiǎn)介11.2 MATLAB對(duì)圖像處理的特點(diǎn)11.3 圖像銳化概述21.4 圖像銳化處理的現(xiàn)狀和研究方法22 設(shè)計(jì)目的23 設(shè)計(jì)內(nèi)容和要求24 總體設(shè)計(jì)方案分析25 主要算法及程序45.1 理想高通濾波器銳化程序45.2 高斯高通濾波

5、器銳化程序55.3 高提升濾波器銳化程序66 算法結(jié)果及比較分析86.1 理想高通濾波器銳化結(jié)果86.2 高斯高通濾波器銳化結(jié)果96.3 高提升濾波器銳化結(jié)果106.4 算法結(jié)果比較分析117 設(shè)計(jì)評(píng)述11參考文獻(xiàn)121 緒論數(shù)字圖像處理（DigitalImageProcessing）又稱為計(jì)算機(jī)圖像處理，它最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開(kāi)始利用計(jì)算機(jī)來(lái)處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期。圖像處理的基本目的是改善圖像的質(zhì)量。它以人為對(duì)象，改善人的視覺(jué)效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖

6、像，常見(jiàn)的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開(kāi)拓性成就，屬于這些領(lǐng)域的有航空航天。生物醫(yī)學(xué)工程、工業(yè)檢測(cè)、公安司法、軍事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注意、前景遠(yuǎn)大的新型科學(xué)。隨著圖像處理技術(shù)的深入發(fā)展，隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理更高、更深層次發(fā)展。1.1 MATLAB簡(jiǎn)介 MATLAB全稱Matrix Laboratory（矩陣實(shí)驗(yàn)室），最早初由美國(guó)Cleve Moler博士在20世紀(jì)70年代末講授矩陣?yán)碚摵蛿?shù)據(jù)分析等課程時(shí)編寫的軟件包Linpack和Eispack組成。它用于數(shù)學(xué)、信

7、息工程、搖感、機(jī)械工程、計(jì)算機(jī)等專業(yè)。它的推廣得到各個(gè)領(lǐng)域?qū)＜业年P(guān)注，其強(qiáng)大的擴(kuò)展功能為各個(gè)領(lǐng)域應(yīng)用提供了基礎(chǔ)，各個(gè)領(lǐng)域的專家相繼推出MATLAB工具箱，而且工具箱還在不斷發(fā)展，借助于這些工具箱，各個(gè)層次的研究人員可直接、直觀、方便地進(jìn)行工作，從而節(jié)省大量的時(shí)間。目前，MATLAB語(yǔ)言已經(jīng)成為科學(xué)計(jì)算、系統(tǒng)仿真、信號(hào)與圖像處理的主流軟件。本文主要從MATLAB圖像處理方面做應(yīng)用。1.2 MATLAB對(duì)圖像處理的特點(diǎn)MATLAB全稱MatrixLaboratory（矩陣實(shí)驗(yàn)室），是一種主要用于矩陣數(shù)據(jù)值計(jì)算的軟件，因其在矩陣運(yùn)算上的特點(diǎn)，使得MATLAB在處理圖像上具有獨(dú)特優(yōu)勢(shì)，理論上講，圖像是

8、一種二維的連續(xù)函數(shù)，而計(jì)算機(jī)在處理圖像數(shù)字時(shí)，首先必須對(duì)其在空間和亮度上進(jìn)行數(shù)字化，這就是圖像的采樣個(gè)量化的過(guò)程。二維圖像均勻采樣，課得到一副離散化成NN樣本的數(shù)字圖像，該數(shù)字圖像是一個(gè)整數(shù)列陣，因而用矩陣來(lái)描述該數(shù)字圖像是最直觀最簡(jiǎn)便的。1.3 圖像銳化概述 數(shù)字圖像處理中圖像銳化的目的有兩個(gè)：一是增強(qiáng)圖像的邊緣，使模糊的圖像變得清晰起來(lái)；這種模糊不是由于錯(cuò)誤操作，就是特殊圖像獲取方法的固有影響。二是提取目標(biāo)物體的邊界，對(duì)圖像進(jìn)行分割，便于目標(biāo)區(qū)域的識(shí)別等。通過(guò)圖像的銳化，使得圖像的質(zhì)量有所改變，產(chǎn)生更適合人觀察和識(shí)別的圖像。1.4 圖像銳化處理的現(xiàn)狀和研究方法數(shù)字圖像經(jīng)過(guò)轉(zhuǎn)換和傳輸后，難免

9、會(huì)產(chǎn)生模糊。圖像銳化的主要目的在于補(bǔ)償圖像邊緣輪廓、突出圖像的邊緣信息以使圖像顯得更為清晰，從而符合人類的觀察習(xí)慣。圖像銳化的實(shí)質(zhì)是增強(qiáng)原圖像的高頻分量。邊緣和輪廓一般位于灰度突變的地方，因此和自然地利用灰度差分提取出來(lái)。本次設(shè)計(jì)就是利用Matlab實(shí)現(xiàn)圖像銳化，具體的是利用Matlab基于理想高通濾波器的圖像銳化；基于高斯高通濾波器的圖像銳化；基于高提升濾波的圖像銳化的功能。2 設(shè)計(jì)目的通過(guò)本課程設(shè)計(jì)的學(xué)習(xí)，學(xué)生將復(fù)習(xí)所學(xué)的專業(yè)知識(shí)，使課堂學(xué)習(xí)的理論知識(shí)應(yīng)用于實(shí)踐，通過(guò)本課程設(shè)計(jì)的實(shí)踐使學(xué)生具有一定的實(shí)踐操作能力；掌握Matlab使用方法，能熟練運(yùn)用該軟件設(shè)計(jì)并完成相應(yīng)的信息處理；通過(guò)圖像處

10、理實(shí)踐的課程設(shè)計(jì)，掌握設(shè)計(jì)圖像處理軟件系統(tǒng)的思維方法和基本開(kāi)發(fā)過(guò)程。3 設(shè)計(jì)內(nèi)容和要求基于理想高通濾波器的圖像銳化；基于高斯高通濾波器的圖像銳化；基于高提升濾波的圖像銳化；通過(guò)采用有針對(duì)性的圖像的，對(duì)比分析上述三種銳化算法的結(jié)果要求每位學(xué)生進(jìn)行查閱相關(guān)資料，并寫出自己的報(bào)告。注意每個(gè)學(xué)生的報(bào)告要有所側(cè)重，寫出自己所做的內(nèi)容。4 總體設(shè)計(jì)方案分析 圖像的邊緣、細(xì)節(jié)主要位于高頻部分，而圖像的模糊是由于高頻成分比較弱產(chǎn)生的。頻率域銳化就是為了消除模糊，突出邊緣。因此采用高通濾波器讓高頻成分通過(guò)，使低頻成分削弱，再經(jīng)逆傅立葉變換得到邊緣銳化的圖像。高通濾波器的濾波效果町以用原始圖像減去低通濾波圖像后得

11、到。也可以將原始圖像乘以一個(gè)放大系數(shù)，然后再減去低通濾波圖像后得到高頻增強(qiáng)圖像。 理想高通濾波器（IHPF）傳遞函數(shù)為：,D0是指定非負(fù)數(shù)值，D（u，v）是（u，v）點(diǎn)距頻率中心的距離。如果要研究的圖像尺寸為MXN，則它的變換也有相同的尺寸。在半徑為D0的圓內(nèi)，所有頻率無(wú)衰減地通過(guò)濾波器，而在此半徑之外的所有頻率完全被衰減掉，對(duì)圓外的頻率成分則無(wú)損通過(guò)?？梢酝ㄟ^(guò)計(jì)算機(jī)模擬實(shí)現(xiàn)，但不可能用電子元器件實(shí)現(xiàn)（如圖4.1）。圖4.1 高斯高通濾波器傳遞函數(shù)為：,D（u，v）是距傅立葉變換中心原點(diǎn)的距離，D0是截止頻率。當(dāng)D（u，v）=D0時(shí)，濾波器下降到它最大值的0.607倍處。由于高斯低通濾波器的傅

12、里葉反變換也是高斯的，這就是說(shuō)通過(guò)公式的傅里葉反變換而得到的空間高斯濾波器將沒(méi)有振鈴。高斯低通濾波器的傅立葉變換也是高斯的（如圖4.2）。圖4.2高提升濾波一般用于使得圖片更加清晰。其步驟大致如下，首先將圖片模糊化，然后從原圖中，將其模糊形式去除。,從而得到圖像的反銳化掩蔽，然后用將其疊加至原圖上，從而使得圖像更清晰。,當(dāng)k=1的時(shí)候，這個(gè)操作稱為反銳化掩蔽。當(dāng)k1時(shí)候，這個(gè)操作稱為高提升濾波。其實(shí)，高提升濾波也是一種銳化濾波，其強(qiáng)調(diào)的也是圖像的邊緣部分。5 主要算法及程序5.1 理想高通濾波器銳化程序：（以D0=10為例）:I1=imread(123.jpg); figure(1); ims

13、how(I1);title(原圖); f=double(I1); % 轉(zhuǎn)換數(shù)據(jù)為雙精度型 g=fft2(f); % 進(jìn)行二維傅里葉變換 g=fftshift(g); % 把快速傅里葉變換的DC組件移到光譜中心 M,N=size(g); d0=10; %cutoff frequency以10為例 m=fix(M/2); n=fix(N/2); for i=1:M for j=1:N d=sqrt(i-m)2+(j-n)2); if(d=d0) h=0; else h=1; end result(i,j)=h*g(i,j); endendresult=ifftshift(result); J1=i

14、fft2(result);J2=uint8(real(J1); figure(2); imshow(J2);title(IHPF濾波（d0=10)5.2 高斯高通濾波器銳化程序：（以D0=10為例）:I1=imread(123.jpg); figure(1); imshow(I1);title(原圖); f=double(I1); g=fft2(f); g=fftshift(g); M,N=size(g); d0=10; m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N d=sqrt(i-m)2+(j-n)2); h=exp(-(d.2)./(2*(d02);

15、 % gaussian filter transform result(i,j)=(1-h)*g(i,j); endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1); figure(2); imshow(J2);title(GHPF濾波(d0=10);5.3 高提升濾波器銳化程序：close all;clear all;close all;clear all;f = imread(123.jpg);f = mat2gray(f,0 255);w_Gaussian = fspecial(gaussian,3,3,1);g

16、_Gaussian = imfilter(f,w_Gaussian,conv,symmetric,same);g_mask = f - g_Gaussian;g_Unsharp = f + g_mask;g_hb = f + (4.5 * g_mask);f = mat2gray(f,0 1);figure();subplot(2,2,1);imshow(f,0 1);xlabel(a).Original Image);subplot(2,2,2);imshow(g_Gaussian,0 1);xlabel(b).Result of Gaussian Filter);subplot(2,2,3

17、);imshow(mat2gray(g_mask),0 1);xlabel(a).Unsharp Mask);subplot(2,2,4);imshow(g_hb,0 1);xlabel(b).Result of Highboots Filter);M,N = size(f);figure();%subplot(1,2,1);plot(1:N,f(77,1:N),r);axis(1,N,0,1),grid;axis square;xlabel(a).Original Image(77th column);ylabel(intensity level);figure();%subplot(1,2

18、,2);plot(1:N,f(77,1:N),r,1:N,g_Gaussian(77,1:N),-b);legend(Original,Result);axis(1,N,0,1),grid;axis square;xlabel(b).Result of gaussian filter(77th column);ylabel(intensity level);figure();%subplot(1,2,1);plot(1:N,g_mask(77,1:N);axis(1,N,-.1,.1),grid;axis square;xlabel(c).Result of gaussian filter (

19、77th column);ylabel(intensity level);figure();%subplot(1,2,2);plot(1:N,g_hb(77,1:N);axis(1,N,0,1.1),grid;axis square;6 算法結(jié)果及比較分析6.1 理想高通濾波器銳化結(jié)果： 圖6.11為原始圖片，圖6.12為經(jīng)過(guò)理想高通濾波器銳化后的圖片。 圖6.11圖6.126.2 高斯高通濾波器銳化結(jié)果： 圖6.13為原始圖片，圖6.14為經(jīng)過(guò)高斯高通濾波器銳化后的圖片。圖6.13圖6.146.3 高提升濾波器銳化結(jié)果： 圖6.15為原始圖片和經(jīng)過(guò)高提升濾波器銳化后的圖片，圖6.16為高提升濾波器的頻譜分析圖。圖6.15 圖6.166.4 算法結(jié)果比較分析理想高通濾波器濾波后的圖像無(wú)直流分量，但灰度的變化部分基本保留。高斯高通濾波器得到的結(jié)果比更為平滑，結(jié)果圖像中對(duì)于微小的物體（如斑點(diǎn)）和細(xì)條的過(guò)濾也是較為清晰的。高提升濾波既包含低頻分量，又包含增強(qiáng)了的高頻信息，圖像包含的信息更加豐富，對(duì)比度更強(qiáng)。且隨k值增大，圖像銳化增強(qiáng)效果越弱。7 設(shè)計(jì)評(píng)述圖像銳化(sharpening)和平滑恰恰相反，它是通過(guò)增強(qiáng)高頻分量來(lái)減少圖象中的模糊，因此又稱為高通濾波(highpassfilter)。銳化處理在增強(qiáng)圖象邊緣的同時(shí)增加了圖象的噪聲。在