圖像銳化的方法及比較(共7頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上深圳大學(xué)研究生課程論文題目 圖像的銳化算法比較分析 成績 專業(yè) 信息與通信工程 課程名稱、代碼 數(shù)字圖像處理（3） 年級(jí) 2013級(jí) 姓名 學(xué) 號(hào) 時(shí)間 2014.07 任課教師 張力 圖像的銳化算法比較分析摘要：圖像平滑往往使圖像中的輪廓變得模糊，為了減少這類不利影響，這就需要利用圖像銳化技術(shù)，使圖像的邊緣變的清晰。本文分析了圖像銳化方法中的梯度算子法和二階導(dǎo)數(shù)算子法的各自特點(diǎn)，其中梯度算子法主要是Roberts 梯度算子法、Sobel算子法；二階導(dǎo)數(shù)算子法為Laplacian算子法，并通過編程對(duì)一張實(shí)際圖片進(jìn)行了試驗(yàn)對(duì)比，結(jié)果證明Laplacian算子法銳化效果最

2、好。關(guān)鍵詞：圖像銳化，Roberts 梯度算子法，Sobel算子法，拉普拉斯算子法Comparative Analysis of Image Sharpening AlgorithmAbstract: Image smoothing tend to make image become blurred outline. In order to reduce those disadvantages, we need to use the sharpening technology to make the edge of the image become clear. In this paper w

3、e analysis the different between the gradient operator method and the second derivative operator method using in image sharpening. The gradient operator method including Sobel operator method and Roberts operator method, and the second derivative operator method is Laplacian operator method. The res

4、ult shows the best sharpening method is Laplacian operator method.Keyword: Image sharpening, Roberts, Sobel, Laplacian1.引言圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用，使圖像的邊緣變的清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變的清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因?yàn)閳D像受到了平均或積分運(yùn)算，因此可以對(duì)其進(jìn)行逆運(yùn)算（如微分運(yùn)算）就可以使圖像變的清晰。從頻率域來考慮，圖像模糊的實(shí)質(zhì)是因?yàn)槠涓哳l分量被衰減，因此可

5、以用來使圖像清晰。圖像銳化處理的主要技術(shù)體現(xiàn)在空域和頻域的高通濾波，而空域高通濾波主要用模版卷積來實(shí)現(xiàn)。2.圖像銳化的方法2.1梯度算子法 在圖像處理中，一階導(dǎo)數(shù)通過梯度來實(shí)現(xiàn)，因此利用一階導(dǎo)數(shù)檢測邊緣點(diǎn)的方法就稱為梯度算子法。梯度值正比于像素之差。對(duì)于一幅圖像中突出的邊緣區(qū)，其梯度值較大；在平滑區(qū)域梯度值小；對(duì)于灰度級(jí)為常數(shù)的區(qū)域，梯度為零。2.1.1Roberts 梯度算子法 Roberts 梯度就是采用對(duì)角方向相鄰兩像素之差，故也稱為四點(diǎn)差分法。對(duì)應(yīng)的水平和垂直方向的模板為：標(biāo)注 的是當(dāng)前像素的位置(i,j)為當(dāng)前像素的位置，其計(jì)算公式如下： 特點(diǎn)：用4點(diǎn)進(jìn)行差分，以求得梯度，方法簡單。

6、其缺點(diǎn)是對(duì)噪聲較敏感，常用于不含噪聲的圖像邊緣點(diǎn)檢測。梯度算子類邊緣檢測方法的效果類似于高通濾波，有增強(qiáng)高頻分量，抑制低頻分量的作用。這類算子對(duì)噪聲較敏感，而我們希望檢測算法同時(shí)具有噪聲抑制作用。所以，本實(shí)驗(yàn)給出的平滑梯度算子法具有噪聲抑制作用。2.1.2.Sobel算子法（加權(quán)平均差分法） Sobel算子就是對(duì)當(dāng)前行或列對(duì)應(yīng)的值加權(quán)后，再進(jìn)行平均和差分，也稱為加權(quán)平均差分。水平和垂直梯度模板分別為：Sobel算子和Prewitt算子一樣，都在檢測邊緣點(diǎn)的同時(shí)具有抑制噪聲的能力，檢測出的邊緣寬度至少為二像素。由于它們都是先平均后差分，平均時(shí)會(huì)丟失一些細(xì)節(jié)信息，使邊緣有一定的模糊。但由于Sobe

7、l算子的加權(quán)作用，其使邊緣的模糊程度要稍低于程度要稍低于Prewitt算子。2.2二階導(dǎo)數(shù)算子法 對(duì)于階躍狀邊緣，其二階導(dǎo)數(shù)在邊緣點(diǎn)處出現(xiàn)過零交叉，即邊緣點(diǎn)兩旁的二階導(dǎo)數(shù)取異號(hào)，據(jù)此可以通過二階導(dǎo)數(shù)來檢測邊緣點(diǎn)。2.2.1Laplacian算子法 對(duì)數(shù)字圖像 f (m,n)，用差分代替二階偏導(dǎo)，則Laplacian算子為：寫成檢測模板為：Laplacian檢測模板的特點(diǎn)是各向同性，對(duì)孤立點(diǎn)及線端的檢測效果好，但邊緣方向信息丟失，對(duì)噪聲敏感，整體檢測效果不如梯度算子。按下面要求編寫程序并運(yùn)行結(jié)果。3.實(shí)驗(yàn)結(jié)果與分析圖3.1為利用Roberts 梯度算子法對(duì)灰度數(shù)字圖像lena.bmp 進(jìn)行圖像銳

8、化的效果圖，從圖中可以看到使用該算法銳化后效果不是很理想，邊緣相對(duì)模糊。圖3.1 Roberts算子法處理結(jié)果圖3.2為利用Sobel梯度算子法對(duì)灰度數(shù)字圖像lena.bmp 進(jìn)行圖像銳化的效果圖，從圖中可以看到使用該算法銳化后效果相對(duì)Roberts算子法效果更差，邊緣不夠清晰。圖3.2 Sobel算子法處理結(jié)果圖3.3為利用Laplacian算子法對(duì)灰度數(shù)字圖像lena.bmp 進(jìn)行圖像銳化的效果圖，從圖中可以看到該算法較Roberts算子法和Sobel算子法效果最好，邊緣較為明顯。圖3.3 Laplacian算子法處理結(jié)果4.實(shí)驗(yàn)總結(jié)銳化的實(shí)質(zhì)是：銳化圖像g(m,n) = 原圖像f(m,n

9、) + 加重的邊緣（*微分）由實(shí)驗(yàn)效果對(duì)比圖可以看出Sobel算子處理圖像后使邊緣有一定的模糊。但其邊緣的模糊程度要稍低于程度要稍低于Prewitt算子。Laplacian檢測模板的特點(diǎn)是各向同性，對(duì)孤立點(diǎn)及線端的檢測效果好，但邊緣方向信息丟失，對(duì)噪聲敏感，整體檢測效果不如梯度算子。參考文獻(xiàn)：1 MATLAB7.X圖像處理M.何興華，周媛媛.人民郵電出版社：北京，2006，72-73.2 數(shù)字圖像處理M.阮秋琦.電子工業(yè)出版社：北京，2005，12-14.3 MATLAB函數(shù)速查手冊M.鄧微.人民郵電出版社：北京，2008,23-24.附錄：源程序Roberts 梯度算子法代碼：I=imrea

10、d('lena.bmp');H,W=size(I);M=double(I);J=M;for i=1:H-1for j=1:W-1J(i,j)=abs(M(i,j)-M(i+1,j+1)+abs(M(i+1,j)-M(i,j+1);end;end;subplot(1,2,1);imshow(I);title('原圖');subplot(1,2,2);imshow(uint8(J);title('Roberts處理后');Sobel算子法代碼：I=imread('lena.bmp');H,W=size(I);M=double(I);J

11、=M;for i=2:H-1forj=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('原圖');subplot(1,2,2);imshow(uint8(J);title('Sobel 處理后');Laplacian算子代碼：I=imread('lena.bmp');H,W=size(I);M=double(I); J=M; for i=2:H-1 for j=2: