圖像銳化處理報(bào)告

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)學(xué) 院信息科學(xué)與工程專 業(yè)電子信息工程學(xué)生姓名張楠楠 學(xué) 號(hào)G設(shè)計(jì)題目圖像的銳化處理內(nèi)容及要求：利用MATLAB進(jìn)行編程和仿真，仿真的內(nèi)容為圖像的銳化處理，可以采用微分算子、拉普拉斯算子、Canny算子等實(shí)現(xiàn)。對設(shè)計(jì)結(jié)果進(jìn)行理解和分析。進(jìn)度安排：2009年 06月15 日 選題目查閱資料2009年 06月16 日 編寫軟件源程序或建立仿真模塊圖2009年 06月17 日-18日 調(diào)試程序或仿真模型2009年 06月19 日 性能分析及驗(yàn)收2009年 06月20 日-21

2、日 撰寫課程設(shè)計(jì)報(bào)告、答辯 指導(dǎo)教師（簽字）： 年 月 日 學(xué)院院長（簽字）： 年 月 日 課 程 設(shè) 計(jì) 任 務(wù) 書目 錄1 課程設(shè)計(jì)目的12 課程設(shè)計(jì)要求13 相關(guān)知識(shí)14 課程設(shè)計(jì)分析25 程序代碼56 運(yùn)行結(jié)果77 參考文獻(xiàn)8圖像的銳化處理1.課程設(shè)計(jì)目的（1）加深對圖像的銳化處理基本理論知識(shí)的理解。（2）培養(yǎng)獨(dú)立開展科研的能力和編程能力。（3）掌握基本圖像銳化處理的過程及其應(yīng)用。2.課程設(shè)計(jì)要求（1）掌握課程設(shè)計(jì)的相關(guān)知識(shí)、概念清晰。（2）程序設(shè)計(jì)合理、能夠正確運(yùn)行。3.相關(guān)知識(shí)圖像處理并不僅限于對圖像進(jìn)行增強(qiáng)、復(fù)原和編碼，還要對同鄉(xiāng)進(jìn)行分析，圖像分析旨在對圖像進(jìn)行描述，即用一組數(shù)或

3、符號(hào)表征圖像中目標(biāo)區(qū)的特征、性質(zhì)和相互間的關(guān)系，為模式識(shí)別提供基礎(chǔ)。描述一般針對圖像或景物中的特定區(qū)域或目標(biāo)。為了描述，首先要進(jìn)行分割。邊緣檢測是圖像分析中的重要內(nèi)容。邊緣是圖像的最基本特征。所謂邊緣，是指周圍像素灰度有階躍變化貨屋頂變化的那些像素的集合。邊緣廣泛存在于物體于背景之間、物體與物體之間、基元與基元之間，因此它也是圖像分割所依賴的重要特征。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣是灰度值不連續(xù)的表現(xiàn)。常見的邊緣點(diǎn)有：階梯形邊緣（Step-edge），即從一個(gè)灰度到比它高（或低）好多的另一個(gè)灰度；屋頂形邊緣（Roof-edge）,它的灰度是慢慢增加（減少）到一定程度然后慢慢減

4、小（增加）；線形邊緣（Line-edge）,它的灰度線性變化中出現(xiàn)灰度脈沖。邊緣特點(diǎn)如圖所示。 由于邊緣是圖像上灰度變化最劇烈的地方，傳統(tǒng)的邊緣檢測就是利用了這一特點(diǎn)，對圖像各個(gè)像素點(diǎn)進(jìn)行微分或求二階微分來確定邊緣像素點(diǎn)。一階微分圖像的峰值處對應(yīng)著圖像的邊緣點(diǎn)。根據(jù)數(shù)字圖像的特點(diǎn)，處理圖像過程中常采用差分來代替導(dǎo)數(shù)運(yùn)算，對于圖像的簡單一階導(dǎo)數(shù)運(yùn)算，由于具有固定的方向性，只能檢測特定方向的邊緣，所以不具有普遍性。為了克服一階導(dǎo)數(shù)的缺點(diǎn)，我們定義圖像的梯度算子為：這是圖像處理中最常用的一階微分算法，式子中的F（j,k）表示圖像的灰度值，圖像梯度的最重要的性質(zhì)是梯度的方向在圖像灰度的最大變化率上，這

5、恰好可以反映出圖像邊緣上的灰度變化。圖像邊緣提取的常用梯度算子有Robert算子、Sobel算子、Prewitt算子、拉普拉斯算子等。4.課程設(shè)計(jì)分析4.1微分算子對于數(shù)字圖像而言，可用差分近似表示式，如下：為了便于編程和提高運(yùn)算速度，在一般的應(yīng)用條件下，上式可以簡化為：相對的一階差分為：Robert算子的表達(dá)式為：這里，Gj,k表示處理后(j,k)點(diǎn)的灰度值，F(xiàn)(j,k)表示處理前該點(diǎn)的灰度值。其實(shí)Robert算子的表達(dá)式可以有兩種情況（一般以（b）為準(zhǔn)），如圖所示所對應(yīng)的模板為：Sobel算子的表達(dá)式為：所對應(yīng)的模板為：Prewitt算子所對應(yīng)的模板為： MATLAB圖像處理工具箱中，ed

6、ge函數(shù)實(shí)現(xiàn)邊緣檢測的功能，下面分別介紹其調(diào)用格式。對于Robert算子：BW=edge（I,roberts）用Robert算子自動(dòng)選擇閾值進(jìn)行邊緣檢測。BW=edge（I,roberts，thresh）根據(jù)制定的敏感閾值thresh，用Robert算子進(jìn)行邊緣檢測，edge函數(shù)忽略了所有小于閾值的邊緣。如果沒有指定閾值thresh或?yàn)?，函?shù)自動(dòng)選擇參量值。BW,thresh=edge（I,roberts，）返回閾值thresh和邊緣檢測圖像BW。對于Sobel算子：BW=edge（I,sobel）用Sobel算子自動(dòng)選擇閾值進(jìn)行邊緣檢測。BW=edge（I, sobel，thresh）根據(jù)指

7、定的敏感閾值thresh用Sobel算子進(jìn)行邊緣檢測，edge函數(shù)忽略了所有小于閾值的邊緣，如果沒有指定閾值thresh或?yàn)?，函?shù)自動(dòng)選擇參數(shù)量BW=edge（I,sobel，thresh，direction）指定Sobel算子邊緣檢測方向。參量direction的值為水平方向horizontal、垂直方向vertical或二者都是both（缺?。?。BW,thresh=edge（I,sobel，）返回閾值thresh和邊緣檢測圖像BW。對于Prewitt算子：該算子edge函數(shù)的調(diào)用格式和Sobel算子一致。4.2 Log算子拉普拉斯算子是一種二階邊緣檢測算子，它是一個(gè)線性的、移不變的算子。定

8、義為：圖像經(jīng)過二階微分之后，在邊緣出產(chǎn)生一個(gè)陡峭的零交叉，根據(jù)這個(gè)零交叉判斷邊緣。拉普拉斯算子一般采用的模板為：由于圖像邊緣處的一階微分的極值點(diǎn)，圖像邊緣處的二階微分應(yīng)為零，確定零點(diǎn)的位置要比確定極值點(diǎn)容易得多，也比較精確。但二階微分對噪聲更為敏感。因此，在通常情況下，在對圖像進(jìn)行拉普拉斯算子邊緣處理前，先對圖像進(jìn)行平滑濾波器處理，一般采用的是高斯濾波器。把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進(jìn)行邊緣檢測的方法叫做高斯拉普拉斯算子（簡稱Log算子）。常用的Log算子是55的模塊，如圖所示。在Log算子中，對邊緣判斷采用的技術(shù)是零交叉檢測，把零交叉檢測推廣一下，我們只要在

9、檢測前用指定的濾波器對圖像進(jìn)行濾波，然后再尋找零交叉點(diǎn)作為邊緣。對于Log算子，edge函數(shù)的調(diào)用格式為：BW=edge（I,log）用Log算子自動(dòng)選擇閾值進(jìn)行邊緣檢測。BW=edge（I,log，thresh）根據(jù)制定的敏感閾值thresh，用log算子進(jìn)行邊緣檢測，edge函數(shù)忽略了所有小于閾值的邊緣。如果沒有指定閾值thresh或?yàn)?，函?shù)自動(dòng)選擇參量值。BW=edge（I,log,thresh，sigma）用參量sigma指定Log濾波器標(biāo)準(zhǔn)偏差，sigma的缺省值為2，濾波器的大小為nn,這里n=cell(sigma*3)*2+1.BW,threshold=edge(I,log,)返

10、回閾值thresh和邊緣檢測圖像BW。零交叉檢測：BW=edge（I，zerocross,thresh,h）用濾波器h指定零交叉檢測法。參量thresh為敏感閾值。如果沒有指定閾值thresh或?yàn)?函數(shù)自動(dòng)選擇參量值。BW,thresh=edge(I,zerocross,)返回閾值thresh和邊緣檢測圖像BW。5.程序代碼一微分算子代碼I = imread(rice.png);BW1 = edge(I,roberts);% 以自動(dòng)閾值選擇法對圖像進(jìn)行Roberts算子檢測BW1,thresh1 = edge(I,roberts);% 返回當(dāng)前Roberts算子邊緣檢測的閾值disp(Robe

11、rts算子自動(dòng)選擇的閾值為：)disp(thresh1)subplot(121),imshow(BW1);title(自動(dòng)閾值的Roberts算子邊緣檢測)BW1 = edge(I,roberts,0.05);% 以閾值為0.05對圖像進(jìn)行Roberts算子檢測subplot(122),imshow(BW1);title(閾值為0.05的Roberts算子邊緣檢測)BW2 = edge(I,sobel);% 以自動(dòng)閾值選擇法對圖像進(jìn)行Sobel算子檢測figure,subplot(131),imshow(BW2);title(自動(dòng)閾值的Sobel算子邊緣檢測)BW2,thresh2 = edg

12、e(I,sobel);% 返回當(dāng)前Sobel算子邊緣檢測的閾值disp(Sobel算子自動(dòng)選擇的閾值為：)disp(thresh2)BW2 = edge(I,sobel,0.05,horizontal);% 以閾值為0.05水平方向?qū)D像進(jìn)行Sobel算子檢測subplot(132),imshow(BW2);title(閾值0.05水平方向Sobel算子)BW2 = edge(I,sobel,0.05,vertical);% 以閾值為0.05垂直方向?qū)D像進(jìn)行Sobel算子檢測subplot(133),imshow(BW2);title(閾值0.05垂直方向Sobel算子)BW3 = edge

13、(I,prewitt);% 以自動(dòng)閾值選擇法對圖像進(jìn)行Prewitt算子檢測figure,subplot(131),imshow(BW3);title(自動(dòng)閾值的Prewitt算子邊緣檢測)BW3,thresh3 = edge(I,prewitt);% 返回當(dāng)前Prewitt算子邊緣檢測的閾值disp(Prewitt算子自動(dòng)選擇的閾值為：)disp(thresh3)BW3 = edge(I,prewitt,0.05,horizontal);% 以閾值為0.05水平方向?qū)D像進(jìn)行Prewitt算子檢測subplot(132),imshow(BW3);title(閾值0.05水平方向Prewitt

14、算子)BW3 = edge(I,prewitt,0.05,vertical);% 以閾值為0.05垂直方向?qū)D像進(jìn)行Prewitt算子檢測subplot(133),imshow(BW3);title(閾值0.05垂直方向Prewitt算子)二Log算子代碼I = imread(rice.png);BW1 = edge(I,log);% 以自動(dòng)閾值選擇法對圖像進(jìn)行Log算子檢測BW1,thresh1 = edge(I,log);% 返回當(dāng)前Log算子邊緣檢測的閾值disp(Log算子自動(dòng)選擇的閾值為：)disp(thresh1)subplot(121),imshow(BW1);title(自動(dòng)閾

15、值的Log算子邊緣檢測)BW1 = edge(I,log,0.005);% 以閾值為0.005對圖像進(jìn)行Log算子檢測subplot(122),imshow(BW1);title(閾值為0.005的Log算子邊緣檢測)6.運(yùn)行結(jié)果通過理論與編程實(shí)踐，我完成了這次設(shè)計(jì)的任務(wù)，其運(yùn)行結(jié)果如圖所示：效果如圖所示：根據(jù)結(jié)果分析可以得出，圖像的銳化處理可以使圖像的邊緣更加清晰，閾值的設(shè)定是圖像分割依據(jù)，根據(jù)閾值可以將圖像分為背景和目標(biāo)兩個(gè)部分，經(jīng)過微分算子或拉普拉斯算子可以將圖像的邊緣提取出來，實(shí)現(xiàn)圖像的銳化。7.參考文獻(xiàn)1張汗靈編著 MATLAB在圖像處理中的應(yīng)用/ 北京:清華大學(xué)出版社,20082王家文 MATLAB 6.5 圖形圖像處理 國防工業(yè)出版社3王曉丹,吳崇明編著 基于MATLAB的系統(tǒng)分析與設(shè)計(jì) 西安電子科技大學(xué)出版社 2000 4余成波編著 數(shù)字圖像處理及MATLAB實(shí)現(xiàn) 重慶大學(xué)出版社 2003 5楊枝靈, 王開等編著 Visual C+數(shù)字圖像獲取處理及實(shí)踐應(yīng)用 人民郵電出版社 2003 6蘇彥華等編著 Visual C+數(shù)