灰度图像空间域图像锐化处理

1、精选优质文档-倾情为你奉上精选优质文档-倾情为你奉上专心-专注-专业专心-专注-专业精选优质文档-倾情为你奉上专心-专注-专业 一、设计目的：MATLAB全称是MatrixLaboratory(矩阵实验室)，一开始它是一种专门用于矩阵数计算的软件，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。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MN

2、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。MATLAB支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG， XWD，CUR，ICO等图像文件格式的读、写和显示。MATLAB对图像的处理功能主要集中在它的图像处理工具箱(Image Processing Toolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、

3、二值图像操作以及形态学处理等图像处理操作口 。数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。 数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。二、实验原理图像锐化处理是改善图像视觉效果的手段，用来对图像的轮廓或边缘进行增强，减弱或消除低分频率分量而不影响高频分量。图像锐化处理的主要技术体现在空域

4、和频域的高通滤波，而空域高通滤波主要用模版卷积来实现。Roberts、Sobel、Priwitt算子都是突出图像的细节或者是增强被模糊了的细节。因此要对图像实现锐化处理，可以用空间微分来完成，但是，这样图像的微分增强了边缘和其他的突变（如噪声）并削弱了灰度变化缓慢区域。拉普拉斯算子具有各向同性的特点，这种滤波器的响应与滤波器作用的图像的突变方向无关。即各向同性滤波器旋转不变，原图像旋转后进行滤波后处理给出的结果与先对图像滤波然后再进行旋转地结果相同。三、设计内容1、梯度算子法 在图像处理中，一阶导数通过梯度来实现，因此利用一阶导数检测边缘点的方法就称为梯度算子法。梯度值正比于像素之差。对于一幅

5、图像中突出的边缘区，其梯度值较大；在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。 下面给出的平滑梯度算子法具有噪声抑制作用。Prewitt梯度算子法（平均差分法） 因为平均能减少或消除噪声，Prewitt梯度算子法就是先求平均，再求差分来求梯度。水平和垂直梯度模板分别为： 利用检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可得到平均差分法的检测结果。2、一阶微分锐化增强设计程序，分别实现Roberts、Sobel、Priwitt算子的锐化处理。观察处理前后图像效果，分析实验结果和算法特点。3、拉普拉斯锐化增强设计程序，实现拉普拉斯图像和原始图像叠加的增强处理，即（拉

6、普拉斯模板中心系数为负和拉普拉斯模板中心系数为正）观察处理前后图像效果，分析实验结果和算法特点。算法设计（含程序设计流程图）三、实验内容1、梯度算子法Matlab源代码：I=imread(Miss.bmp);figure;imshow(I);title(原始图像);II=eye(258,258);for i=2:257 for j=2:257 II(i,j)=I(i-1,j-1); endendII(2:257,1)=I(:,2);II(2:257,258)=I(:,255);II(1,:)=II(3,:);II(258,:)=II(256,:);IX=zeros(256,256);IY=ze

7、ros(256,256);H1=-1 0 1 -1 0 1 -1 0 1;H2=-1 -1 -1 0 0 0 1 1 1;for i=2:257 for j=2:257 Block1=II(i-1:i+1,j-1:j+1); X1=Block1(:); sum1=sum(X1.*H1); sum2=sum(X1.*H2); IX(i,j)=sum1; IY(i,j)=sum2; endendfigure;IX=-IX;IY=-IY;imshow(IX,0 255);title(垂直锐化);figure;imshow(IY,0 255);title(水平锐化);RT=(IX.2+IY.2).(1

8、/2);figure;imshow(RT,0 255);title(最终锐化结果);实验结果（显示所图像，并标明是什么图像）：图1 原始图像2 水平锐化3 垂直锐化4 最终锐化结果实验小结：数字图像处理中图像锐化应从水平和垂直两个方向进行，最后的锐化结果由水平和垂直锐化结果共同得到， 锐化结果一方面是模糊的图像变得清晰了，另一方面提取了目标物体的边界，对图像进行分割。锐化的图像质量有所改变，更适合观察、识别。2、一阶微分锐化增强matlab程序代码：（1）Roberts算子处理：I=imread(D:Matlabproject一阶微分空域锐化实验原图.jpg);I=im2double(I);f

9、igure;imshow(I);title(原图)height width R=size(I);for i=2:height-1for j=2:width-1R(i,j)=abs(I(i+1,j+1)-I(i,j)+abs(I(i+1,j)-I(i,j+1);endendfigure;imshow(R,);T=R;for i=1:height-1for j=1:width-1if (R(i,j)0.25)R(i,j)=1;else R(i,j)=0;endendendfigure;imshow(R,);title(Roberts算子锐化处理后图像);m,n=size(T);AR(1:m,1:n

10、)=I(1:m,1:n)+T(1:m,1:n);figure;imshow(AR);title(叠加图);（2）Sobel算子：I=imread(D:Matlabproject一阶微分空域锐化实验原图.jpg);I=im2double(I);figure;imshow(I);title(原图)height width R=size(I);%Dx=-1 -2 -1%0 0 0%1 2 1;%Dy=-1 0 1%-2 0 2%-1 0 1;for i=2:height-1for j=2:width-1Dx=I(i+1,j-1)-I(i-1,j-1)+2*I(i+1,j)-I(i-1,j)+I(i+

11、1,j+1)-I(i-1,j+1);Dy=I(i-1,j+1)-I(i-1,j-1)+2*I(i,j+1)-I(i,j-1)+I(i+1,j+1)-I(i+1,j-1);S(i,j)=sqrt(Dx2+Dy2);endendfigure;imshow(S);T=S;for i=1:height-1for j=1:width-1if (S(i,j)0.6)S(i,j)=1;else S(i,j)=0;endendendfigure;imshow(S,);title(sobel算子锐化处理后图像)m,n=size(T);AS(1:m,1:n)=I(1:m,1:n)+T(1:m,1:n);figur

12、e;imshow(AS);title(叠加图);（3）Priwitt算子锐化处理：I=imread(D:Matlabproject一阶微分空域锐化实验原图.jpg);I=im2double(I);figure;imshow(I);title(原图)height width R=size(I);for i=2:height-1for j=2:width-1Dx=I(i+1,j-1)-I(i-1,j-1)+I(i+1,j)-I(i-1,j)+I(i+1,j+1)-I(i-1,j+1);Dy=I(i-1,j+1)-I(i-1,j-1)+I(i,j+1)-I(i,j-1)+I(i+1,j+1)-I(i

13、+1,j-1);P(i,j)=sqrt(Dx2+Dy2);endendfigure;imshow(P,);T=P;for i=1:height-1for j=1:width-1if (P(i,j)0.4)P(i,j)=1;else P(i,j)=0;endendendfigure;imshow(P,);title(Priwitt算子锐化处理后的图像);m,n=size(T);AP(1:m,1:n)=I(1:m,1:n)+T(1:m,1:n);figure;imshow(AP);title(叠加图);（4）Laplace算子处理：I=imread(D:Matlabproject拉普拉斯锐化实验原

14、图.jpg);I=im2double(I);figure;imshow(I);title(原图)height width R=size(I);for i=2:height-1for j=2:width-1L(i,j)=4*I(i,j)-I(i-1,j)-I(i+1,j)-I(i,j-1)-I(i,j+1);endendfigure;imshow(L,);T=L;G(i,j)=0.3*L(i,j)+0.7*I(i,j);figure;imshow(G,);for i=1:height-1for j=1:width-1if (L(i,j)0.12)L(i,j)=1;else L(i,j)=0;en

15、dendendfigure;imshow(L,);title(Laplace算子锐化处理后图像)m,n=size(T);AL(1:m,1:n)=I(1:m,1:n)+T(1:m,1:n);Figure; imshow(AL);title(叠加图);1、显示图像 设计结果分析：（1）Roberts算子，Sobel算子和Priwitt算子用来实现消除图像模糊地增强的方法。即“锐化”。此处理是为了加强图像的边界和细节。Roberts算子提出的是在2*2的邻域上计算对角导数，Sobel算子提出了一种将方向差分局部均匀相结合的方法。常用的即为在3*3邻域上计算x和y方向的偏导数。Priwitt算子也是在3*3邻域内计算偏微分估计值。实际上，不同的算子对应不同的卷积核，他们产生的偏导数在图像处理中心点上用均值或是绝对值求和的形式结合起来。但是这类算法增强噪声的缺陷也在图像中体现了。（2）Laplacian算子是一个标量，具有各向同性的性质。对噪声更加敏感，会使噪声成分急速增强。因此在实际应用中通常在进行平滑操作的同时进行二阶微分，效果比较的好。四、设计心