哈工大數(shù)學(xué)實(shí)驗(yàn)大作業(yè)

1、實(shí)驗(yàn)題目：圖像增強(qiáng)1.圖像增強(qiáng)綜述1.1 圖像增強(qiáng)的歷史20世紀(jì)20年代圖片第一次通過(guò)海底電纜從倫敦傳往紐約。當(dāng)時(shí)人們通過(guò)字符模擬得到中間色調(diào)的方法來(lái)還原圖像。早期的圖像增強(qiáng)技術(shù)往往涉及硬件參數(shù)的設(shè)置，如打印過(guò)程的選擇和亮度等級(jí)的分布等問(wèn)題。在1921年年底提出了一種基于光學(xué)還原的新技術(shù)。在這一時(shí)期由于引入了一種用編碼圖像紙帶去調(diào)制光束達(dá)到調(diào)節(jié)底片感光程度的方法，使灰度等級(jí)從5個(gè)灰度級(jí)增加到15個(gè)灰度等級(jí)，這種方法明顯改善了圖像復(fù)原的效果。到20世紀(jì)60年代早期第一臺(tái)可以執(zhí)行數(shù)字圖像處理任務(wù)的大型計(jì)算機(jī)制造出來(lái)了，這標(biāo)志著利用計(jì)算機(jī)技術(shù)處理數(shù)字圖像時(shí)代的到來(lái)。1964年，研究人員在美國(guó)噴氣推進(jìn)

2、實(shí)驗(yàn)室(JPL)里使用計(jì)算機(jī)以及其它硬件設(shè)備，采用幾何校正、灰度變換、去噪聲、傅里葉變換以及二維線性濾波等增強(qiáng)方法對(duì)航天探測(cè)器“徘徊者7號(hào)”發(fā)回的幾千張?jiān)虑蛘掌M(jìn)行處理，同時(shí)他們也考慮太陽(yáng)位置和月球環(huán)境的影響，最終成功地繪制出了月球表面地圖。隨后他們又對(duì)1965年“徘徊者8號(hào)”發(fā)回地球的幾萬(wàn)張照片進(jìn)行了較為復(fù)雜的數(shù)字圖像處理，使圖像質(zhì)量進(jìn)一步提高。這些成績(jī)不僅引起世界許多有關(guān)方面的注意而且JPL本身也更加重視對(duì)數(shù)字圖像處理地研究和設(shè)備的改進(jìn)，并專門(mén)成立了圖像處理實(shí)驗(yàn)室IPL。在IPL里成功的對(duì)后來(lái)探測(cè)飛船發(fā)回的幾十萬(wàn)張照片進(jìn)行了更為復(fù)雜的圖像處理，最終獲得了月球的地形圖、彩色圖以及全景鑲嵌圖。

3、從此數(shù)字圖像增強(qiáng)技術(shù)走進(jìn)了航空航天領(lǐng)域。20世紀(jì)60年代末和20世紀(jì)70年代初有學(xué)者開(kāi)始將圖像增強(qiáng)技術(shù)用于醫(yī)學(xué)圖像、地球遙感監(jiān)測(cè)和天文學(xué)等領(lǐng)域。X射線是最早用于成像的電磁輻射源之一，在1895年X射線由倫琴發(fā)現(xiàn)。20世紀(jì)70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同發(fā)明計(jì)算機(jī)軸向斷層技術(shù)：一個(gè)檢測(cè)器圍繞病人，并用X射線源繞著物體旋轉(zhuǎn)。X射線穿過(guò)身體并由位于對(duì)面環(huán)中的相應(yīng)檢測(cè)器收集起來(lái)。其原理是用感知的數(shù)據(jù)去重建切片圖像。當(dāng)物體沿垂直于檢測(cè)器的方向運(yùn)動(dòng)時(shí)就產(chǎn)生一系列的切片，這些切片組成了物體內(nèi)部的再現(xiàn)圖像。到了20世紀(jì)80年代以后，各種硬件的發(fā)展

4、使得人們不僅能夠處理二維圖像，而且開(kāi)始處理三維圖像。許多能獲得三維圖像的設(shè)備和分析處理三維圖像的系統(tǒng)已經(jīng)研制成功了，圖像處理技術(shù)得到了廣泛的應(yīng)用。進(jìn)入20世紀(jì)90年代，圖像增強(qiáng)技術(shù)已經(jīng)逐步涉及人類生活和社會(huì)發(fā)展的各個(gè)方面。計(jì)算機(jī)程序用于增強(qiáng)對(duì)比度或?qū)⒘炼染幋a為彩色，以便解釋X射線和用于工業(yè)、醫(yī)學(xué)及生物科學(xué)等領(lǐng)域的其他圖像。地理學(xué)用相同或相似的技術(shù)從航空和衛(wèi)星圖像中研究污染模式。在考古學(xué)領(lǐng)域中使用圖像處理方法已成功地復(fù)原模糊圖片。在物理學(xué)和相關(guān)領(lǐng)域中計(jì)算機(jī)技術(shù)能增強(qiáng)高能等離子和電子顯微鏡等領(lǐng)域的實(shí)驗(yàn)圖片。直方圖均衡處理是圖像增強(qiáng)技術(shù)常用的方法之一。1997年Kim 提出如果要將圖像增強(qiáng)技術(shù)運(yùn)用到

5、數(shù)碼相機(jī)等電子產(chǎn)品中，那么算法一定要保持圖像的亮度特性。在文章中Kim提出了保持亮度特性的直方圖均衡算法(BBHE)。Kim的改進(jìn)算法提出后，引起了許多學(xué)者的關(guān)注。在1999年Wan等人提出二維子圖直方圖均衡算法(DSIHE)。接著Chen和Ramli提出最小均方誤差雙直方圖均衡算法(MMBEBHE)。為了保持圖像亮度特性，許多學(xué)者轉(zhuǎn)而研究局部增強(qiáng)處理技術(shù)，提出了許多新的算法：遞歸均值分層均衡處理(RMSHE)、遞歸子圖均衡算法(RSIHE)、動(dòng)態(tài)直方圖均衡算法(DHE)、保持亮度特性動(dòng)態(tài)直方圖均衡算法(BPDHE)、多層直方圖均衡算法(MHE)、亮度保持簇直方圖均衡處理(BPWCHE)等等。

6、1.2 圖像增強(qiáng)的應(yīng)用數(shù)字圖像處理在40多年的時(shí)間里，迅速發(fā)展成一門(mén)獨(dú)立的有強(qiáng)大生命力的學(xué)科，圖像增強(qiáng)技術(shù)已逐步涉及人類生活和社會(huì)生產(chǎn)的各個(gè)方面，下面我們僅就幾個(gè)方面的應(yīng)用舉些例子。 l 航空航天領(lǐng)域的應(yīng)用早在60年代初期，第3代計(jì)算機(jī)的研制成功和快速傅里葉變換的提出，使圖像增強(qiáng)技術(shù)可以在計(jì)算機(jī)上實(shí)現(xiàn)。1964美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室(JPL)的科研人員使用IBM7094計(jì)算機(jī)以及其它設(shè)備，采用集合校正、灰度變換、去噪聲、傅里葉變換以及二維線性濾波等方法對(duì)航天探測(cè)器“徘徊者7號(hào)”發(fā)回的幾千張?jiān)虑蛘掌晒Φ倪M(jìn)行了處理。隨后他們又對(duì)“徘徊者8號(hào)”和“水手號(hào)”發(fā)回地球的幾萬(wàn)張照片進(jìn)行了較為復(fù)雜地?cái)?shù)字圖像處

7、理，使圖像質(zhì)量得到進(jìn)一步的提高，從此圖像增強(qiáng)技術(shù)進(jìn)入了航空航天鄰域的研究與應(yīng)用。同時(shí)圖像增強(qiáng)技術(shù)的發(fā)展也推動(dòng)了硬件設(shè)備的提高，比如1983年LANDSAT-4的分辨率為30m，而如今發(fā)射的衛(wèi)星分辨率可達(dá)到3-5m的范圍內(nèi)。圖像采集設(shè)備性能的提高，使采集圖像的質(zhì)量和數(shù)據(jù)的準(zhǔn)確性和清晰度得到了極大地提高。 l 生物醫(yī)學(xué)領(lǐng)域的應(yīng)用圖像增強(qiáng)技術(shù)在生物醫(yī)學(xué)方面的應(yīng)用有兩類，其中一類是對(duì)生物醫(yī)學(xué)的顯微光學(xué)圖像進(jìn)行處理和分析，比如對(duì)紅細(xì)胞、白細(xì)胞、細(xì)菌、蟲(chóng)卵的分類計(jì)數(shù)以及染色體的分析；另一類應(yīng)用是對(duì)X射線圖像的處理，其中最為成功的是計(jì)算機(jī)斷層成像。1973年英國(guó)的EMI公司在制造出第一臺(tái)X射線斷層成像裝置。

8、由于人體的某些組織，比如心臟、乳腺等軟組織對(duì)X射線的衰減變化不大，導(dǎo)致圖像靈敏度不強(qiáng)。由此圖像增強(qiáng)技術(shù)在生物醫(yī)學(xué)圖像中得到廣泛的應(yīng)用。 l 工業(yè)生產(chǎn)領(lǐng)域的應(yīng)用圖像增強(qiáng)在工業(yè)生產(chǎn)的自動(dòng)化設(shè)計(jì)和產(chǎn)品質(zhì)量檢驗(yàn)中得到廣泛應(yīng)用，比如機(jī)械零部件的檢查和識(shí)別、印刷電路板的檢查、食品包裝出廠前的質(zhì)量檢查、工件尺寸測(cè)量、集成芯片內(nèi)部電路的檢測(cè)等等。此外計(jì)算機(jī)視覺(jué)也可以應(yīng)用到工業(yè)生產(chǎn)中，將攝像機(jī)拍攝圖片經(jīng)過(guò)增強(qiáng)處理、數(shù)據(jù)編碼、壓縮送入機(jī)器人中，通過(guò)一系列的控制和轉(zhuǎn)換可以確定目標(biāo)的位置、方向、屬性以及其它狀態(tài)等，最終實(shí)現(xiàn)機(jī)器人按照人的意志完成特殊的任務(wù)。l 公共安全領(lǐng)域的應(yīng)用在社會(huì)安全管理方面，圖像增強(qiáng)技術(shù)的應(yīng)用也

9、十分廣泛，如無(wú)損安全檢查、指紋、虹膜、掌紋、人臉等生物特征的增強(qiáng)處理等等。圖像增強(qiáng)處理也應(yīng)用到交通監(jiān)控中，通過(guò)電視跟蹤技術(shù)鎖定目標(biāo)位置，比如對(duì)有霧圖像、夜視紅外圖像、交通事故的分析等等。1.3 圖像增強(qiáng)的待解問(wèn)題目前，數(shù)字圖像處理研究的內(nèi)容主要集中在以下幾個(gè)方向：1) 圖像變換由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特性，

10、因此如何利用小波變換的技術(shù)改善圖像增強(qiáng)的效果是目前研究的一個(gè)熱點(diǎn)。 2) 圖像編碼壓縮圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，于是如何改善現(xiàn)有編碼或者提出更優(yōu)秀的編碼算法便成為了提高大規(guī)模圖像處理效率的關(guān)鍵。 3) 圖像分割圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來(lái)，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒(méi)有一種

11、普遍適用于各種圖像的有效方法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。 4) 圖像描述圖像描述是圖像識(shí)別和理解的必要前提。作為最簡(jiǎn)單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對(duì)于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開(kāi)始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。但是更深入、系統(tǒng)的研究仍然還在進(jìn)行中。5) 圖像分類（識(shí)別）圖像分類（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過(guò)某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從

12、而進(jìn)行判決分類。如何利用圖像增強(qiáng)技術(shù)改善圖像分類（識(shí)別）的正確率與速度是目前研究人員關(guān)心的重要問(wèn)題。2.課后思考題解答1) 通過(guò)圖像的具體性質(zhì)說(shuō)明索引圖像與RGB圖像間的區(qū)別和聯(lián)系，灰度圖像與二值圖像的區(qū)別和聯(lián)系。l 索引圖像與RGB圖像間的區(qū)別與聯(lián)系下面以'rgb.bmp'為例進(jìn)行說(shuō)明。在Matlab中用img = imread('rgb.bmp')讀入該圖像并查看該圖片信息： Filename: 'rgb.bmp' FileModDate: '10-Apr-2008 01:16:52' FileSize: 1620056 Fo

13、rmat: 'bmp' FormatVersion: 'Version 3 (Microsoft Windows 3.x)' Width: 900 Height: 600 BitDepth: 24 ColorType: 'truecolor' FormatSignature: 'BM' NumColormapEntries: 0 Colormap: RedMask: GreenMask: BlueMask: ImageDataOffset: 54 BitmapHeaderSize: 40 NumPlanes: 1 Compress

14、ionType: 'none' BitmapSize: 1620002 HorzResolution: 9447 VertResolution: 9447 NumColorsUsed: 0NumImportantColors: 0信息顯示該文件ColorType為'truecolor'，即RGB圖像。在Matlab中輸入whos img得： Name Size Bytes Class img 600x900x3 1620000 uint8 arrayGrand total is 1620000 elements using 1620000 bytes由此可以看出

15、RGB圖像在Matlab中相當(dāng)于一個(gè)n*m*3的數(shù)據(jù)矩陣，矩陣中的元素定義了圖像中每一個(gè)像素的紅、綠、藍(lán)顏色值。利用im(:,:,1),im(:,:,2),im(:,:,3)可以提取出RGB圖像的三個(gè)分量圖像。下面利用x, map = rgb2ind(img, 128)將RGB圖像轉(zhuǎn)化為索引圖像。>> x,map=rgb2ind(img, 128);>> whos x Name Size Bytes Class x 600x900 540000 uint8 arrayGrand total is 540000 elements using 540000 bytes>

16、;> whos map Name Size Bytes Class map 128x3 3072 double arrayGrand total is 384 elements using 3072 bytes這張索引圖像包括一個(gè)數(shù)據(jù)矩陣x，一個(gè)顏色映射矩陣map，其中map是一個(gè)128*3的數(shù)據(jù)陣列。128指的是這張圖像的不同顏色種類數(shù)。而x是一個(gè)600*900的數(shù)據(jù)矩陣，其中每一個(gè)元素表示該像素顏色的索引值。將RGB圖像轉(zhuǎn)化為索引圖像可以極大地減少圖像顏色的種類，從而減少圖像的大?。◤纳厦骘@示出的數(shù)據(jù)很容易進(jìn)行對(duì)比）。在解決某些問(wèn)題時(shí)這樣的轉(zhuǎn)換可以加快處理速度，節(jié)省存儲(chǔ)空間。l 灰度

17、圖像與二值圖像的區(qū)別與聯(lián)系用img = imread('gray.jpg')讀入灰度圖并查看文件信息。>> imfinfo 'gray.jpg'ans = Filename: 'gray.jpg' FileModDate: '10-May-2011 23:04:39' FileSize: 40796 Format: 'jpg' FormatVersion: '' Width: 900 Height: 600 BitDepth: 8 ColorType: 'grayscale

18、9; FormatSignature: '' NumberOfSamples: 1 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: >> whos img Name Size Bytes Class img 600x900 540000 uint8 arrayGrand total is 540000 elements using 540000 bytes利用bw = im2bw(img)將灰度圖轉(zhuǎn)化為二值圖像。>> whos bw Name Siz

19、e Bytes Class bw 600x900 540000 logical arrayGrand total is 540000 elements using 540000 bytes對(duì)比兩者的信息可知，在Matlab中灰度圖與二值圖像都是n*m的數(shù)據(jù)矩陣，區(qū)別在于前者的每個(gè)元素表示該像素的灰度值，而后者的每個(gè)元素均為logical類型（只有0、1兩種取值）對(duì)應(yīng)像素非黑即白。顯然二值圖像比灰度圖占用空間少。2) 對(duì)書(shū)中所舉的例子中選擇不同的圖像和不同的函數(shù)完成對(duì)應(yīng)的功能。l 例10.1 應(yīng)用變換曲線增強(qiáng)對(duì)比度應(yīng)用如下變換曲線增強(qiáng)對(duì)比度 l 例10.2 利用imadjust進(jìn)行灰度調(diào)整l 例

20、10.3 圖像求反l 例10.4 動(dòng)態(tài)范圍壓縮l 例10.5 顯示圖像直方圖l 例10.6 直方圖規(guī)定化l 例10.7 實(shí)現(xiàn)均值濾波器為原圖像加入椒鹽噪聲從左到右分別為3*3,5*5,7*7的均值濾波器l 例10.8 使用稀疏分布的模板實(shí)現(xiàn)中值濾波l 例10.9 使用unsharp算子實(shí)現(xiàn)對(duì)比度增強(qiáng)濾波l 例10.10 各種空域微分算子的效果以下圖像分別為sobel卷積（左上），sobel濾波（右上），prewitt濾波（左下）及l(fā)og濾波（右下）的結(jié)果： l 例10.11 實(shí)現(xiàn)Butterworth低通濾波器對(duì)加噪圖像運(yùn)用Butterworth低通濾波器去噪l 例10.12 實(shí)現(xiàn)Butter

21、worth高通濾波器3) 對(duì)書(shū)中所舉的例子中選擇不同的圖像和不同的空間變換函數(shù)體會(huì)roicolor和roifill的意義并進(jìn)行圖像局部增強(qiáng)的操作。答：（1）roicolor對(duì)應(yīng)軟件 濾波(P)選擇濾波區(qū)域按顏色選取 操作。它實(shí)現(xiàn)的是根據(jù)顏色選定感興趣的區(qū)域的功能。 1-1）圖示如下：原圖1： 按顏色選取的圖片1 1-2）不同函數(shù)處理原圖2 按顏色選取的圖片2不同函數(shù)處理（2）roifill對(duì)應(yīng)軟件 圖像(I)區(qū)域插值 操作。 它實(shí)現(xiàn)的是對(duì)圖中待指定區(qū)域進(jìn)行涂改修復(fù)的功能。圖示如下： 原圖：修改后：4) 對(duì)書(shū)中所舉的例子中選擇不同的圖像和roipoly函數(shù)完成對(duì)圖像的多邊形區(qū)域進(jìn)行圖像局部增強(qiáng)的

22、操作。答：reipoly對(duì)應(yīng)軟件 濾波(P)選擇濾波區(qū)域手工選取 操作。 它可實(shí)現(xiàn)按多邊形選取的功能。 圖示如下： 原圖： 局部選取的圖片： 濾波增強(qiáng)： 結(jié)論：從圖像可以很明顯的看到，可以完成對(duì)圖像的指定區(qū)域進(jìn)行圖像增強(qiáng)處理，并且可以很直接的看去矩陣平均濾波器增強(qiáng)效果最為明顯和有效.5) 對(duì)圖像tire.tif使用imadjust函數(shù)進(jìn)行灰度調(diào)整。使用imadjust(I, 0.3, 0.7, )調(diào)整結(jié)果如右圖。 6) 對(duì)圖像tire.tif, pout.tif使用直方圖處理進(jìn)行灰度增強(qiáng)。對(duì)tire.tif分別進(jìn)行直方圖規(guī)定化（左圖）及均衡化（右圖）結(jié)果如下：對(duì)pout.tif分別進(jìn)行直方圖規(guī)

23、定化（左圖）及均衡化（右圖）結(jié)果如下：7) 關(guān)于使用不同大小的窗的濾波器處理效果你會(huì)得到什么結(jié)論。通過(guò)選擇不同的圖像證實(shí)你的結(jié)論。答：分別利用 3*3 , 5*5 , 7*7 模板處理帶有'salt&pepper'類型的圖片 效果如下： （1）原圖： （2）原圖加上噪點(diǎn)： （3）利用不同大小窗的濾波器： 3.1） 3*3 3.2） 5*53.3) 7*7 （4）實(shí)驗(yàn)結(jié)果討論 實(shí)驗(yàn)中利用大小不同的窗的濾波器處理圖片時(shí)會(huì)發(fā)現(xiàn)窗口從3*3到7*7，噪點(diǎn)逐漸減少， 或者說(shuō)凸顯的不明顯了，圖像輪廓更加鮮明化了，也就是圖像信息更加明顯。8) 在函數(shù)imnoise中除salt &am

24、p; pepper外，還有其他選項(xiàng)。請(qǐng)選擇不同的其它選項(xiàng)驗(yàn)證不同圖像對(duì)不同濾波器的效果。答：imnoise除去'salt&pepper'外還有'gaussian'、'speckle'、'poisson'。（1）利用這幾種效果對(duì)圖像加噪。效果如下： 原圖如下，記為圖0： 'gaussian'效果如下，記為圖1： 'speckle'效果如下，記為圖2： 'poisson'效果如下，記為圖3：（2）下面分別利用編輯的軟件所具有的“矩形平均濾波器”和“非線性平滑濾波器” 對(duì)以上三種圖

25、片進(jìn)行濾波處理，效果如下： 2-1）矩形平均濾波器，對(duì)應(yīng)圖記為圖X-1 圖1 圖1-1 圖2 圖2-1 圖3 圖3-1 2-2）非線性平滑濾波器，對(duì)應(yīng)圖記為圖X-2 圖1 圖1-2 圖2 圖2-2 圖3 圖3-2（3）現(xiàn)象與討論 對(duì)比圖1-1于1-2可知對(duì)于'gaussian'型的噪點(diǎn)，矩形平均濾波器相比于非線性平滑濾波器去除噪點(diǎn)效果較好，矩形平均濾波器得到的圖更加平滑。 對(duì)比圖2-1于2-2可知對(duì)于'speckle'型的噪點(diǎn)，矩形平均濾波器相比于非線性平滑濾波器去除噪點(diǎn)效果相差不大，矩形平均濾波器得到的圖更加平滑，但是非線性平滑濾波器得到的圖更加鮮明。 對(duì)比圖

26、3-1于3-2結(jié)果與上類似，對(duì)于'poisson'型的噪點(diǎn)，矩形平均濾波器相比于非線性平滑濾波器去 除噪點(diǎn)效果相差不大，矩形平均濾波器得到的圖更加平滑，但是非線性平滑濾波器得到的圖更加鮮明。 對(duì)比圖1-1,2-1,3-1可知對(duì)于矩形平均濾波器，處理'speckle'型噪點(diǎn)效果最佳，'poisson'型效果次之。 對(duì)比圖1-2,2-2,3-2可知對(duì)于非線性平滑濾波器，處理'speckle'型噪點(diǎn)效果與'poisson'型效果相當(dāng)，后者更加平滑。9) 對(duì)不同的空域微分算子，不同圖像的效果是不同的。選擇不同的圖像驗(yàn)證你的

27、想法。在邊緣檢測(cè)方面,一般通過(guò)數(shù)學(xué)變換和MATLAB 函數(shù)來(lái)完成對(duì)圖像的邊緣檢測(cè). 其中梯度算子中Sobel算子要比另外2 種算子邊緣檢測(cè)效果好. 另外Hough 變換受噪聲和曲線間斷的影響較小,利用它除了可以進(jìn)行邊界連接之外,還可以用來(lái)直接檢測(cè)某些已知形狀的目標(biāo). 而edge 函數(shù)提供的最有效的邊緣檢測(cè)方法是Canny 方法. Canny 方法比較不容易被噪聲“填充”,更容易檢查出真正的弱邊緣.1.Sobel 其主要用于邊緣檢測(cè)，在技術(shù)上它是以離散型的差分算子，用來(lái)運(yùn)算圖像亮度函數(shù)的梯度的近似值，缺點(diǎn)是Sobel算子并沒(méi)有將圖像的主題與背景嚴(yán)格地區(qū)分開(kāi)來(lái)，換言之就是Sobel算子并沒(méi)有基于圖

28、像灰度進(jìn)行處理，由于Sobel算子并沒(méi)有嚴(yán)格地模擬人的視覺(jué)生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意，算法具體實(shí)現(xiàn)很簡(jiǎn)單，就是3*3的兩個(gè)不同方向上的模板運(yùn)算，這里不再寫(xiě)出。 2.Prewitt算子 該算子與Sobel算子類似，只是權(quán)值有所變化，但兩者實(shí)現(xiàn)起來(lái)功能還是有差距的，據(jù)經(jīng)驗(yàn)得知Sobel要比Prewitt更能準(zhǔn)確檢測(cè)圖像邊緣。 3.Laplacian算子 拉普拉斯算子是一種二階微分算子，若只考慮邊緣點(diǎn)的位置而不考慮周圍的灰度差時(shí)可用該算子進(jìn)行檢測(cè)。對(duì)于階躍狀邊緣，其二階導(dǎo)數(shù)在邊緣點(diǎn)出現(xiàn)零交叉，并且邊緣點(diǎn)兩旁的像素的二階導(dǎo)數(shù)異號(hào)。10) 高通濾波器處理后，圖像變得昏暗，想一想這是為什么？以rice.png為例采用Butterworth高通濾波器增強(qiáng)圖像邊緣，結(jié)果如下： 由于圖像的大部分能量集中在低頻區(qū)域，而高通濾波使圖中各區(qū)域的邊界得到較顯著增強(qiáng)的同時(shí)濾掉了低頻分量，使圖中原來(lái)較平滑區(qū)域內(nèi)部的灰度動(dòng)態(tài)范圍被壓縮，因而整幅圖像變得比較昏暗，但米粒的輪廓卻十分明顯。3.程序功能簡(jiǎn)介本程序除了實(shí)現(xiàn)書(shū)中提及的所有圖像增強(qiáng)技術(shù)以外，還