实验报告四图像锐化处理
图像的平滑与锐化
昆明理工大学（数字图像处理）实验报告实验名称：图像的平滑与锐化专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解图像平滑与锐化的基本原理。
2、掌握图像滤波的基本定义及目的。
3、理解空间域滤波的基本原理及方法。
4、编程实现图像的平滑与锐化。
[实验原理]空间滤波器都是基于模板卷积，其主要工作步骤是：1)将模板在图中移动，并将模板中心与图中某个像素位置重合；2)将模板上的系数与模板下对应的像素相乘；3)将所有乘积相加；4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。
1、图像的平滑目的：减少噪声方法：空域法：邻域平均法、低通滤波、多幅图像求平均、中值滤波（1）邻域平均(均值滤波器)所谓的均值滤波是指在图像上对待处理的像素给一个模板，该模板包括了其周围的邻近像素。
将模板中的全体像素的均值来替代原来的像素值的方法。
（2）中值滤波（统计排序滤波）一般地 , 设有一个一维序列 f1 , f2 , f3 ,…, fn ,取该窗口长度(点数)为 m (m为奇数 ),对一维序列进行中值滤波,就是从序列中相继抽取m 个数 fi-v , … , fi-1, fi,fi+1 , … , fi+v;其中 fi 为窗口的中心点值 ,v = ( m - 1 )/ 2 。
再将这 m 个点 值按 其数值大小排序,取中间的 那个数作为滤波输出 ,用数学公式表示为:yi = med fi-v,…,fi-1,fi,fi+1,…,fi+v其中i ∈Z,v=(m-1)/2 。
中值滤波一般采用一个含有奇数个点的滑动窗口,将窗口中各点灰度值的中值来替代指定点(一般是窗口的中心点)的灰度值。
二维中值滤波可有下式表示 :yi = med { fij }中值滤波的性质有 :(1) 非线性 , 两序列 f ( r ) , g ( r )med{ f ( r ) + g ( r ) } ≠ med{ f ( r ) } + med{ g ( r ) }(2) 对尖峰性干扰效果好,即保持边缘的陡度又去掉干扰,对高斯分 布噪声效果差;(3) 对噪声延续距离小于W/2的噪声抑制效果好,W 为窗口长度。
图像锐化算法实现
算法原理：通过将图像分解成多个频带，对每个频带进行滤波处理，再合并处理后的频带得到 锐化图像。
算法特点：能够更好地保留图像细节，提高图像清晰度，适用于各种类型的图像。
算法步骤：频带分解、滤波处理、频带合并、锐化图像。
算法应用：广泛应用于图像处理领域，如医学影像、遥感图像、安全监控等。
算法原理：根据图像局部特性自适 应调整滤波器系数，以提高图像边 缘清晰度
优点：对噪声具有较好的鲁棒性， 能够自适应地处理不同场景下的图 像锐化
添加标题
添加标题
常用实现方法：Laplacian、 Unsharp Masking等
添加标题
添加标题
适用场景：适用于各种类型的图像， 尤其适用于存在噪声和模糊的图像
图像锐化的实现步 骤
将彩色图像转换为灰度图像 增强图像对比度 突出图像边缘信息 减少图像数据量，加速处理速度
边缘检测是图像 锐化的重要步骤， 通过检测图像中 的边缘信息，可 以对图像进行清 晰化处理。
常见的边缘检测 算法包括Sobel、 Prewitt、Canny 等，这些算法通 过不同的方式检 测图像中的边缘 信息。
在边缘检测之后， 通常需要进行阈 值处理，将边缘 信息与阈值进行 比较，保留重要 的边缘信息，去 除不必要的噪声。
经过边缘检测和 阈值处理后，可 以对图像进行锐 化处理，使其更 加清晰。
对图像进行滤波处理，去除噪声和干扰 选择合适的滤波器，如高斯滤波器、中值滤波器等 对滤波后的图像进行锐化处理，增强边缘和细节 可根据实际需求选择不同的滤波器和参数，以达到最佳效果
对图像进行滤波处理，去除噪声 对图像进行边缘检测，突出边缘信息 对图像进行对比度增强，提高图像的清晰度 对图像进行细节增强，增强图像的纹理和细节信息
系统实验(DSP)--图像的锐化处理、图像的边缘检测
DSP 实验报告一、 图像的锐化处理（高通滤波处理）1、 实验原理处理模板如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 25.0=α 对应数学表达式：()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα2、 C 程序及运行结果程序：Acute_RGB_Image(int *buffer){int x,y;for (y=0;y<ImageHeight;y++)for (x=0;x<ImageWidth;x++){buffer[y*ImageWidth+x]=2*buffer[y*ImageWidth+x]-(buffer[y*ImageWidth +x-1]+buffer[(y-1)*ImageWidth+x]+buffer[y*ImageWidth+x+1]+buffer[(y+1)*ImageWidth+x])/4;if(buffer[ImageWidth*y+x]>255)buffer[ImageWidth*y+x]=255;else if (buffer[ImageWidth*y+x]<0)buffer[ImageWidth*y+x]=0;}}运行结果：锐化前锐化后分析：从上面两幅图可以看出锐化后的图像轮廓变得明显，且噪声变得强烈。
3、汇编程序及运行结果程序：ImageAcuteSub(ImageWidth,ImageHeight,buffer_red);ImageAcuteSub(ImageWidth,ImageHeight,buffer_green);ImageAcuteSub(ImageWidth,ImageHeight,buffer_blue);.mmregs.def _ImageAcuteSub.text_ImageAcuteSub:mov t0,brc1 ;IMAGE WIDTHmov t1,brc0 ;IMAGE HEIGHTrptb y_looprptb x_loopmov *ar0(#1),ac1;f(x+1,y)add *ar0(#-1),ac1 ;f(x-1,y)add *ar0(#-250),ac1 ;f(x,y-1)add *ar0(#250),ac1 ;f(x,y+1)sfts ac1,#-2mov *ar0<<#1,ac0;2f(x,y)sub ac1,ac0bcc branch1,ac0<0sub #255,ac0,ac1bcc branch2,ac1>0mov ac0,*ar0+b x_loopbranch1: mov #0,*ar0+b x_loopbranch2: mov #255,*ar0+x_loop: nopy_loop: nopRET运行结果：锐化前 锐化后分析：可以看出汇编的结果和C 程序的结果是一致的。
数字图像处理实验报告
目录实验一：数字图像的基本处理操作 (4)：实验目的 (4)：实验任务和要求 (4)：实验步骤和结果 (5)：结果分析 (8)实验二：图像的灰度变换和直方图变换 (9)：实验目的 (9)：实验任务和要求 (9)：实验步骤和结果 (9)：结果分析 (13)实验三：图像的平滑处理 (14)：实验目的 (14)：实验任务和要求 (14)：实验步骤和结果 (14)：结果分析 (18)实验四：图像的锐化处理 (19)：实验目的 (19)：实验任务和要求 (19)：实验步骤和结果 (19)：结果分析 (21)实验一：数字图像的基本处理操作：实验目的1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用；2、实现图像的读取、显示、代数运算和简单变换。
3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。
：实验任务和要求1.读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。
2.对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。
3.对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。
4.对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的对应关系。
：实验步骤和结果1.对实验任务1的实现代码如下：a=imread('d:\');i=rgb2gray(a);I=im2bw(a,;subplot(1,3,1);imshow(a);title('原图像');subplot(1,3,2);imshow(i);title('灰度图像');subplot(1,3,3);imshow(I);title('二值图像');subplot(1,3,1);imshow(a);title('原图像');结果如图所示：图原图及其灰度图像，二值图像2.对实验任务2的实现代码如下：a=imread('d:\');A=imresize(a,[800 800]);b=imread('d:\');B=imresize(b,[800 800]);Z1=imadd(A,B);Z2=imsubtract(A,B);Z3=immultiply(A,B);Z4=imdivide(A,B);subplot(3,2,1);imshow(A);title('原图像 A'); subplot(3,2,2);imshow(B);title('原图像 B'); subplot(3,2,3);imshow(Z1);title('加法图像'); subplot(3,2,4);imshow(Z2);title('减法图像'); subplot(3,2,5);imshow(Z3);title('乘法图像'); subplot(3,2,6);imshow(Z2);title('除法图像');结果如图所示：3.对实验任务3的实现代码如下：s=imread('d:\');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j); %直流分量移到频谱中心I=log(abs(k)); %对数变换m=fftshift(j); %直流分量移到频谱中心RR=real(m); %取傅里叶变换的实部II=imag(m); %取傅里叶变换的虚部A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=circshift(s,[800 450]);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原图像');subplot(2,2,2);imshow(uint8(b));title('平移图像');subplot(2,2,3);imshow(A);title('离散傅里叶变换频谱');subplot(2,2,4);imshow(B);title('平移图像离散傅里叶变换频谱');结果如图所示：4.对实验任务4的实现代码如下：s=imread('d:\');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);I=log(abs(k));m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=imrotate(s,-90);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原图像');subplot(2,2,2);imshow(uint8(b));title('平移图像');subplot(2,2,3);imshow(A);title('离散傅里叶频谱');subplot(2,2,4);imshow(B);title('平移图像离散傅里叶频谱');结果如图所示：：结果分析对MATLAB软件的操作开始时不太熟悉，许多语法和函数都不会使用，写出程序后，调试运行，最开始无法显示图像，检查原因，是有些标点符号没有在英文状态下输入和一些其他的细节，学会了imread()，imshow()，rgb2gray（）等函数。
图像锐化报告
一，实验目的。
1、掌握图像锐化的主要原理和常用方法2、掌握常见的边缘提取算法3、利用C#实现图像的边缘检测二，实验原理。
图像锐化就是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰，亦分空域处理和频域处理两类。
图像平滑往往使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。
从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。
在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。
而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。
图像边缘锐化的基本方法：微分运算，梯度锐化，边缘检测。
微分运算微分运算应用在图像上，可使图像的轮廓清晰。
微分运算有：纵向微分运算，横向微分运算，双方向一次微分运算。
单向微分运算双向微分微分运算作用：相减的结果反映了图像亮度变化率的大小。
像素值保持不变的区域，相减的结果为零，即像素为黑；像素值变化剧烈的区域，相减后得到较大的变化率，像素灰度值差别越大，则得到的像素就越亮，图像的垂直边缘得到增强。
梯度锐化： 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像鋭化技术，使边缘变得清晰。
梯度锐化常用的方法有：直接以梯度值代替；辅以门限判断；给边缘规定一个特定的灰度级;给背景规定灰度级;根据梯度二值化图像。
边缘检测边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。
大多数是基于方向导数模板求卷积的方法。
将所有的边缘模板逐一作用于图像中的每一个像素，产生最大输出值的边缘模板方向,表示该点边缘的方向，如果所有方向上的边缘模板接近于零，该点处没有边缘；如果所有方向上的边缘模板输出值都近似相等，没有可靠边缘方向。
实验报告-图像锐化
lWidth=m_BmpInfo.bmiHeader.biWidth;
lHeight=m_BmpInfo.bmiHeader.biHeight;
//分配内存，以保存新DIB
hDIB=GlobalAlloc(GHND,nBytePerLine*lHeight);
//判断是否内存分配失败
if(hDIB==NULL)
3．编写图像锐化的彩色图像灰度化，Sobel算法锐化，图像二值化处理相关的程序代码。
4．对程序进行相关调试，修改程序，去除其中的BUG。
5.利用自己准备的图像的文件和编写的程序，进行图像锐化处理。
6．截屏，保留实验结果，进行实验结果分析，并撰写实验报告。
三、相关背景知识
（写你自己觉得比较重要的与本实验相关的背景知识）
+ 0*val21+ 0*val22+ 0*val32
+ 1.0*val11+ 2.0*val12+ 1.0*val13;
//计算梯度的大小
Sobel=sqrt(gx*gx+gy*gy);
*(pImageDataNew+j*nBytePerLine+i* 3 + 0) =int(Sobel);
*(pImageDataNew+j*nBytePerLine+i* 3 + 1) =int(Sobel);
lHeight=m_BmpInfo.bmiHeader.biHeight;
for(intj= 0 ;j<lHeight;j++)
{
for(inti= 0 ;i<lWidth;i++)
{
//灰度化临时值
系统实验(DSP)--图像的锐化处理、图像的边缘检测
系统实验(DSP)--图像的锐化处理、图像的边缘检测DSP 实验报告一、 图像的锐化处理（高通滤波处理）1、 实验原理处理模板如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 25.0=α对应数学表达式：()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα2、 C 程序及运行结果程序：Acute_RGB_Image(int *buffer){int x,y;for (y=0;y<ImageHeight;y++)for (x=0;x<ImageWidth;x++){buffer[y*ImageWidth+x]=2*buffer[y*ImageWidth+x]-(buffer[y*ImageWidth+x-1]+buffer[(y-1)*ImageWidth+x]+buffer[y*ImageWidth+x+1]+buffer[(y+1)*ImageWidth+x])/4;if(buffer[ImageWidth*y+x]>255)buffer[ImageWidth*y+x]=255;else if (buffer[ImageWidth*y+x]<0)buffer[ImageWidth*y+x]=0;}}运行结果：锐化前锐化后分析：从上面两幅图可以看出锐化后的图像轮廓变得明显，且噪声变得强烈。
3、汇编程序及运行结果程序：ImageAcuteSub(ImageWidth,ImageHeight,buffer_red);ImageAcuteSub(ImageWidth,ImageHeight,buffer_green);ImageAcuteSub(ImageWidth,ImageHeight,buffer_blue);.mmregs.def _ImageAcuteSub.text_ImageAcuteSub:mov t0,brc1 ;IMAGE WIDTHmov t1,brc0 ;IMAGE HEIGHTrptb y_looprptb x_loopmov *ar0(#1),ac1;f(x+1,y)add *ar0(#-1),ac1 ;f(x-1,y)add *ar0(#-250),ac1 ;f(x,y-1)add *ar0(#250),ac1 ;f(x,y+1)sfts ac1,#-2mov *ar0<<#1,ac0;2f(x,y)sub ac1,ac0bcc branch1,ac0<0sub #255,ac0,ac1bcc branch2,ac1>0mov ac0,*ar0+b x_loopbranch1: mov #0,*ar0+b x_loopbranch2: mov #255,*ar0+ x_loop: nopy_loop: nopRET运行结果：锐化前 锐化后分析：可以看出汇编的结果和C 程序的结果是一致的。
关于图形图像处理实训报告总结【九篇】
关于图形图像处理实训报告总结【九篇】实训报告总结：图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。
通过本次实训课程，我深入了解了图形图像处理的基本概念、方法和技术，并通过实际操作来提升了自己的实践能力。
下面是对本次实训的九篇报告总结：1. 实验一：图像读取与显示本次实验主要是学习如何读取和显示图像，以及使用Matplotlib库进行图像展示。
通过实验，我掌握了图像读取和显示的基本方法，并学会了基本的图像处理操作。
2. 实验二：图像的灰度变换实验二主要是学习图像的灰度变换，包括线性变换和非线性变换。
我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度，进一步提升图像的质量。
3. 实验三：图像的空间域滤波本次实验主要是学习图像的空间域滤波技术，包括均值滤波、中值滤波和高斯滤波等。
通过实验，我掌握了不同滤波方法的原理和实现方式，并学会了如何选择合适的滤波方法来降噪和模糊图像。
4. 实验四：图像的频域滤波实验四主要是学习图像的频域滤波技术，包括傅里叶变换和频域滤波等。
通过实验，我了解了傅里叶变换的原理和应用，并学会了如何使用频域滤波来实现图像的锐化和平滑。
5. 实验五：图像的形态学处理本次实验主要是学习图像的形态学处理技术，包括腐蚀、膨胀、开运算和闭运算等。
通过实验，我学会了如何使用形态学操作来改变图像的形状和结构，进一步改善图像的质量。
6. 实验六：图像的边缘检测实验六主要是学习图像的边缘检测技术，包括Sobel算子、Laplacian算子和Canny算子等。
通过实验，我了解了不同边缘检测方法的原理和应用，并学会了如何使用边缘检测来提取图像的轮廓和特征。
7. 实验七：图像的分割与聚类本次实验主要是学习图像的分割与聚类技术，包括阈值分割、区域生长和K均值聚类等。
通过实验，我掌握了不同分割与聚类方法的原理和应用，并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。
8. 实验八：图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术，包括尺度不变特征变换（SIFT）和方向梯度直方图（HOG）等。
数字图像处理实验报告4
数字图像处理与分析实验报告学院：班级：姓名：学号：实验四图像复原一、实验目的1. 了解图象退化的几种原因2. 掌握对相应退化原因的复原方法二、实验内容1. 使用函数fspecial( )和imfilter( )模拟产生退化图象2. 使用平滑滤波器和维纳滤波器复原图象三、实验步骤1. 加性噪声退化图象（1）先用imnoise( )函数给图象加噪声，如对图象增加高斯白噪声x=imread(‘cameraman.tif’);x=imnoi se(x,’gaussian’)得到图像：（2）使用平滑滤波器对其进行滤波h=fspecial(‘average’)y=imfilter(x,h);得到图像：（3）使用维纳滤波器进行处理w=wiener2(x) %注意：维纳滤波要求为灰度图像！得到图像：2. 使用演示程序比较各种滤波器的效果：nrfiltdemo3.运动退化图像（1）使用fspecial( )和imfilter( )模拟产生运动退化图象相应的程序如下：I = imread('C:\Documents and Settings\Administrator\桌面\1.BMP');figure;imshow(I);title('Original Image');LEN = 31;THETA = 15;PSF = fspecial('motion',LEN,THETA); % create PSFBlurred = imfilter(I,PSF,'circular','conv'); % blur the imagefigure;imshow(Blurred);title('Blurred Image');得到图像：（2）使用维纳滤波器进行处理wnr1=deconvwnr(Blurred,PSF);figure;imshow(wnr1);title('Restored, True PS');四、实验总结本次实验的目的就是了解图像退化的几种原因，比如性噪声，通过对图像添加高斯噪声对图像进行退化，在图像退化以后再对图像进行恢复。
[整理]图像边缘锐化（拉普拉斯锐化）
![[整理]图像边缘锐化（拉普拉斯锐化）](https://img.taocdn.com/s3/m/870a8cced05abe23482fb4daa58da0116c171ff1.png)
广州大学学生实验报告开课学院及实验室：物理与电子工程学院 2015年5月22日班级光信121 姓名学号1219300055 指导老师实验课程名称数字信号处理实验Ⅰ成绩实验项目名称图像边缘锐化（拉普拉斯锐化）一、实验目的二、实验原理三、使用仪器、材料四、实验步骤五、实验过程原始记录（数据、图案、计算等）六、实验结果及分析一．实验目的了解锐化的算法和用途，学习利用拉普拉斯锐化运算的程序设计方法。
二、实验原理图象锐化处理的目的是使模糊的图象变得更加清晰起来。
图象的模糊实质就是图象受到平均或积分运算造成的，因此可以对图象进行逆运算如微分运算来使图象清晰化。
从频谱角度来分析，图象模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图象。
但要注意，能够进行锐化处理的图象必须有较高的信噪比，否则锐化后图象信噪比反而更低，从而使噪声的增加得比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。
图象锐化一般有两种方法：一种是微分法，另外一种是高通滤波法。
拉普拉斯锐化法是属于常用的一种微分锐化方法。
拉普拉斯运算是偏导数运算的线性组合，而且是一种各向同性(旋转不变)的线性运算。
四．实验步骤1．实验准备：连接实验设备：请参看本书第三部分、第一章、二。
连接ICETEK-TVP5150-E 板：请参看实验9.1、四、1。
2．打开工程，浏览程序：目录为C:\ICETEK-VC5509-EDULab\Lab0904-Sharp\Demo.pjt。
3．编译并下载程序。
4．打开工程“Demo.pjt”中的 C 语言源程序“main.c”，在程序中有“BreakPoint”注释的语句上加软件断点。
5．设置观察窗口：*选择菜单V iew->Graph->Image，做如下设置：*选择菜单V iew->Graph->Image，做如下设置：6．运行程序：按“F5”键运行到断点，观察结果。
7．退出CCS：请参看本书第三部分、第一章、六。
图像处理实习报告
图像处理实习报告篇一：图像处理综合实验报告专业综合实验报告——图像处理学院：专业：班级：学号：姓名：指导教师：XX.12.1实验二图像变换一、实验目的学习灰度变换修正图像的颜色和灰度的方法。
学习图像直方图的生成和修正技术的原理和实现方法，理解其对于观察图像的意义。
了解图像变换的意义和手段，熟练掌握傅里叶变换等图像正交变换方法，了解二维频谱的分布特点。
二、实验要求1.掌握灰度变换函数的用法，对图像进行灰度变换，增强对比度，显示变换前后的图像以及它们的灰度直方图。
2.选择一幅直方图不均匀的图像，对其作直方图均衡化处理，显示处理前后的图像以及它们的灰度直方图。
三、实验内容1.直方图均衡化处理I1=imread('h1.bmp'); % 读入原图像I2=imread('h2.bmp'); % 读入原图像I3=imread('h3.bmp'); % 读入原图像I4=imread('h4.bmp'); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理imshow(I); %显示原图像title('原图像'); %给原图像加标题名figure,imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像 title('直方图均衡化所得图像'); %给直方图均衡化后的图像加标题名figure;subplot(121); %对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第imhist(I,64); %将原图像直方图显示为64级灰度 title('原图像直方图'); %给原图像直方图加标题名subplot(122); %作第2幅子图imhist(J,64); %将均衡化后图像的直方图显示为64级灰度 title(‘均衡变换后的直方图’); %给均衡化后图像直方图加标题名1幅图2. 显示图像频谱I=imread('chuizhi.bmp');%读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI);%直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225;%归一化 figure; %设定窗口imshow(A); %显示原图像的频谱四、思考题1．直方图是什么概念？它反映了图像的什么信息？答：直方图是图像亮度分布的概率密度函数，是图像最基本的统计特征，它反映的是图像的灰度值的分布情况和图像的明暗分布规律，。
4.图像锐化
实验四 图像锐化一、 实验目的1．了解图像锐化的目的和意义，加深对图像锐化概念及相关算法的理解2．掌握几种典型的图像锐化微分算子的含义3．利用MATLAB 编程实现图像锐化二、 实验原理和内容图像锐化处理是改善图像视觉效果的手段之一，通过减弱或消除低频率分量来增强图像的轮廓或边缘。
图像锐化处理的主要技术体现在空域或频域高通滤波，空域高通滤波主要用模版卷积来实现。
微分算子作为数学中求变化率的一种方法，本实验主要求解图像中目标物的轮廓、细节（统称为边缘）等突变部分。
(一)梯度算子法在图像处理中，一阶导数是通过梯度来实现的，因此，利用一阶导数检测边缘点的方法就称为梯度算子法。
梯度与边缘的概念：梯度值正比于像素的灰度值之差。
对于一幅图像中比较醒目的边缘区，灰度值的梯度较大；在平滑区域梯度小；对于灰度级为常数的区域，梯度为零。
1. Roberts 梯度算子法（四点差分法）Roberts 梯度就是采用对角方向相邻两像素之差，也称为四点差分法。
对应的水平和垂直方向模板分别为：(i,j)为当前像素的位置，其计算公式如下：特点：用4点进行差分，以求得梯度，方法简单。
其缺点是对噪声较敏感，常用于不含噪声的图像边缘点检测。
梯度算子类边缘检测方法的效果类似于高通滤波，有增强高频分量、抑制低频分量的作用。
这类算子对噪声较敏感，而我们希望检测算法同时具有噪声抑制作用。
所以，下面给出的平滑梯度算子法具有噪声抑制作用。
2.Prewitt 梯度算子法（平均差分法）因为取平均能减少或消除噪声， Prewitt 梯度算子法就是通过先求平均再求差分的方法来求梯度。
水平和垂直梯度模板分别为：利用上面的两个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。
3 Sobel 算子法（加权平均差分法）Sobel 算子就是对当前行或列对应的值加权后，再进行平均和差分，也称为加权平均差分。
水平和垂直梯度模板分别为：⎥⎦⎤⎢⎣⎡-=∙1001x G ⎥⎦⎤⎢⎣⎡-=∙0110y G )1,(),1()1,1(),(),(+-++++-=j i f j i f j i f j i f j i G ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=∙101101101x d ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=∙111000111y dSobel 算子和Prewitt 算子一样，都在检测边缘点的同时具有抑制噪声的能力，检测出的边缘宽度至少为二像素。
数字图形处理 实验 图像的平滑与锐化
三、实验内容：
1.在主菜单中添加图像增强的菜单项，并添加相应的图像平滑与图像锐化两个子菜单项。
2.利用类向导添加相应的消息响应函数。实现图像的平滑与锐化操作。
3.打开一幅图像，先进行平滑，然后再进行锐化操作。观察图像的变化情况。
1.邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。邻域平均法的数学含义可用下式表示：
（1）
上式中： 是以 为中心的邻域像素值； 是对每个邻域像素的加权系数或模板系数； 是加权系数的个数或称为模板大小。邻域平均法中常用的模板是：
（1）
（2）
式中， ， 分别为函数 在迭代点 处的梯度和梯度的模;两式中 均为最优步长因子，各自分别通过一维极小化 和 。
按照梯度法迭代公式(1)或(2)进行若干次一维搜索，每次迭代的初始点取上次迭代的终点，即可使迭代点逐步逼近目标函数的极小点。其迭代的终止条件可采用点距准则或梯度准则，即当 或 时终止迭代。
h=m_DibHead->biHeight;
long i,j;
unsigned char *lpdst=new unsigned char [w*h];
memset(lpdst,0,w*h);
int abs[9]={0};
for(i=1;i<h-1;i++)
for(j=1;j<w-1;j++)
{
int m,n;
3.通过变量轮换法、共轭方向法等的讨论，我们知道对多维无约束问题优化总是将其转化为在一系列选定方向 进行一维搜索，使目标函数值步步降低直至逼近目标函数极小点，而 方向的选择与迭代速度、计算效率关系很大。人们利用函数在其负梯度方向函数值下降最快这一局部性质，将n维无约束极小化问题转化为一系列沿目标函数负梯度方向一维搜索寻优，这就成为梯度法的基本构想。据此我们将无约束优化迭代的通式 中的搜索方向 取为负梯度向量或单位负梯度向量，即可分别得到两种表达形式的梯度法迭代公式
图像锐化处理报告
课程设计任务书目录1 课程设计目的 (1)2 课程设计要求 (1)3 相关知识 (1)4 课程设计分析 (2)5 程序代码 (5)6 运行结果 (7)7 参考文献 (8)图像的锐化处理1.课程设计目的（1）加深对图像的锐化处理基本理论知识的理解。
（2）培养独立开展科研的能力和编程能力。
（3）掌握基本图像锐化处理的过程及其应用。
2.课程设计要求（1）掌握课程设计的相关知识、概念清晰。
（2）程序设计合理、能够正确运行。
3.相关知识图像处理并不仅限于对图像进行增强、复原和编码，还要对同乡进行分析，图像分析旨在对图像进行描述，即用一组数或符号表征图像中目标区的特征、性质和相互间的关系，为模式识别提供基础。
描述一般针对图像或景物中的特定区域或目标。
为了描述，首先要进行分割。
边缘检测是图像分析中的重要内容。
边缘是图像的最基本特征。
所谓边缘，是指周围像素灰度有阶跃变化货屋顶变化的那些像素的集合。
边缘广泛存在于物体于背景之间、物体与物体之间、基元与基元之间，因此它也是图像分割所依赖的重要特征。
两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的表现。
常见的边缘点有：①阶梯形边缘（Step-edge），即从一个灰度到比它高（或低）好多的另一个灰度；②屋顶形边缘（Roof-edge）,它的灰度是慢慢增加（减少）到一定程度然后慢慢减小（增加）；③线形边缘（Line-edge）,它的灰度线性变化中出现灰度脉冲。
边缘特点如图所示。
由于边缘是图像上灰度变化最剧烈的地方，传统的边缘检测就是利用了这一特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。
一阶微分图像的峰值处对应着图像的边缘点。
根据数字图像的特点，处理图像过程中常采用差分来代替导数运算，对于图像的简单一阶导数运算，由于具有固定的方向性，只能检测特定方向的边缘，所以不具有普遍性。
为了克服一阶导数的缺点，我们定义图像的梯度算子为：这是图像处理中最常用的一阶微分算法，式子中的F（j,k）表示图像的灰度值，图像梯度的最重要的性质是梯度的方向在图像灰度的最大变化率上，这恰好可以反映出图像边缘上的灰度变化。
(完整版)实验-灰度图像的锐化处理
实验五灰度图像的锐化处理一、实验目的1．了解图像锐化的基本原理；2．掌握图像空域锐化处理的方法；3．利用VC编写图像空域锐化处理的程序；4．在微机上调试程序。
二、实验原理图像平滑处理可以减弱噪声的影响，但窗口增大后将会产生图像边缘不清的问题。
图像在传输和转换过程中，一般来讲，质量都会降低，除了噪声的因素之外，图像一般都要变得模糊一些，这主要因为图像的传输或转换系统的传递函数对高频成分的衰减作用，造成图像的细节轮廓不清晰。
图像锐化的作用就是补偿图像的轮廓，增强图像的边缘级灰度跳变部分，使图像较清晰。
图像锐化是一种能加强图像轮廓的处理方法，因此，从增强的目的来看它是与图像平滑相反的一类处理，图像锐化同样也可分为频域和空域处理两类实现方法。
本实验要求完成空域中图像的锐化处理。
1．图像空域锐化处理的方法微分处理可加强高频成分，例如对正弦信号sin(Nx)，其微分为余弦函数Ncos(Nx)，经微分处理后，信号的频率不变，幅度增大N倍，且频率越高，增幅越大。
对图像进行微分处理后：∆f/∆xG[(x,y)]=∆f/∆yG[(x,y)]是点(x,y)的梯度，其方向指向f(x,y)最大变化方向。
对连续图像：G[(x,y)]=[（∆f/∆x）2+（∆f/∆y）2]1/2对离散图像：G[(x,y)]常采用下列几种算法：（1）典型的差分算法G[(x,y)]=[[f(x,y)-f(x+1,y)]2+[f(x,y)-f(x,y+1)]2]1/2（2）罗伯茨算法G[(x,y)]=[[f(x,y)-f(x+1,y+1)]2+[f(x+1,y)-f(x,y+1)]2]1/2（3）绝对差算法相对于典型的差分算法和罗伯茨算法有：G[(x,y)]=|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)|G[(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|在实际处理一幅图像时，最后一行（列）梯度的值一般可以用前一行（列）的梯度的值来代替。
图像锐化实验报告
实验报告实验题目：图像锐化实验实验目的：掌握图像锐化算法的基本原理 实验要求：利用matlab 来实现图像的锐化 实验原理或内容：1. 图像锐化的基本原理图像在传输和转换过程中，一般来讲，质量都要降低，除了噪声的因素之外，图像一般都要变得模糊一些。
这主要因为图像的传输或转换系统的传递函数对高频成分的衰减作用，造成图像的细节轮廓不清晰。
图像锐化的作用就是补偿图像的轮廓，使图像较清晰。
与图像平滑处理相对应，图像锐化也可分为空间域图像锐化法和空间频率域图像锐化法两大类型。
本实验主要用到空域高通滤波—微分法图像锐化 微分法图像锐化在图像锐化中，最常用的微分法采用梯度的概念来实现。
设有一幅图像f （x ，y ），它的梯度采用数学概念描述，是一个向量，定义为Ty f xf y x f G ⎥⎦⎤⎢⎣⎡∂∂∂∂=)],([ 该梯度向量的模为2/122)],([⎥⎥⎦⎤⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛∂∂+⎪⎭⎫ ⎝⎛∂∂=y f x f y x f G (4-1)数字图像处理中，把（4-36）式所表示的值，)],([y x f G 称为图像f （x ，y ）的梯度，它是x ，y 的函数，因而实际上是图像f （x ，y ）的梯度图像。
对于数字图像f （x ，y ）来讲，微分∂f/∂x 和∂f/∂y 只能用差分来近似。
（4－1）式按差分运算近似以后的梯度表达式为|G [f （x ，y ）]|＝{［f （x ，y ）－f （x ＋1，y ）］2十[f （x ，y ）－f (x ，y ＋1)] 2}1/2（4－2）另一种常用的梯度称为Roberts 梯度，定义为|G [f （x ，y ）]|＝{［f （x ，y ）－f （x ＋1，y+1）］2十[f （x+1，y ）－f (x ，y ＋1)] 2}1/2（4—3）利用（4—37）和（4－38）式计算梯度时，计算量较大，为节省计算机计算时间，在计算精度允许的情况，可采用绝对差算法。
实验报告四图像锐化处理
实验报告四图像锐化处理实验报告四姓名：学号：班级：实验日期： 2016.5.10 实验成绩：一．实验目的（1）学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子、Sobel算子设计，使图像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。
（2）分析模板大小对空域锐化滤波的影响，比较不同滤波器的处理效果，分析其优缺点。
二．实验原理锐化处理的主要目的是突出灰度的过度部分，在空间域中，均值滤波类似于积分，那锐化滤波类似于微分，微分算子的响应程度与图像在用算子操作的这一点突变程度成正比，图像积分模糊了图像，同时起到了消除噪声的作用；图像微分增强边缘和其它突变（如噪声），而削弱灰度变换缓慢的区域，laplacian算子类似于二阶微分，强调的是图像灰度级剧烈变换的部分，而sobel算子类似于一阶微分，强调的是图像灰度级缓慢变化的部分。
三．实验内容及结果（1）选择一副图像i_texture2.bmp，分别使用拉普拉斯算子、sobel 算子对图像进行锐化滤波，并观察滤波效果。
图 1 laplacian及sobel算子处理图像（2）选择一副图像i_texture2.bmp，构造一个中心系数为-24的5×5的类似于拉普拉斯模板对图像进行锐化，与上述拉普拉斯算子的结果相比，是否能得到更加清晰的结果？图 2 不同大小laplacian模板处理原图及二值图四．结果分析（1）观察图一，可以发现对原图进行sobel算子运算后，原图阶梯的边缘细节被突显出来了，而每个阶梯灰度级保持不变的背景则没了，全变黑了，而对原图进行laplacian算子运算后，边缘部分则只剩下些杂乱无章的点了，基本是在sobel算子运算过后筛选出来的缓慢突变边缘上的一些突变更快的点。
如果把sobel算子比作是一阶微分就不难理解它是对原图的缓慢边缘变化部分，而把laplacian算子比作是二阶微分的话，就是原图的剧烈突变部分，由于原图像的阶梯边缘在灰度级上是缓慢过度的，所以使用sobel算子边缘的突出效果更明显，而laplacian算子无论模板大小为多大，都不能清晰的显示出边缘。
东南大学系统实验(DSP)实验报告
系统实验(DSP)实验报告一、 实验题目⑴ 图像的锐化处理（高通滤波处理）处理模板如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 25.0=α 对应数学表达式：()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα⑵ 图像的边缘检测方向方向和y x 的梯度分别为：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=∆10110110131xf ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=∆11100011131y f 总梯度幅度yx f f f ∆+∆=∆[,1(),1()1,1()1,1(),1()1,1(||31-------+++++-+=∆yx f y x f y x f y x f y x f y x f fx[,1()1,()1,1()1,1()1,()1,1(||31+-+-+---++-+--=∆yx f y x f y x f y x f y x f y x f f y⎩⎨⎧≥∆=elseT f ify x g 01),(二、 实验原理为了更加通俗地描述图像处理方法，这里引入模板的概念。
模板就是一个矩阵，模板大小通常为2⨯2、3⨯3，模板也好比一个窗口，将模板窗口覆盖在图像上，窗口覆盖到的象素就是将要处理的象素，而象素所对应的模板矩阵元素的值就是加权值，模板运算就是将模板矩阵元素与对应的象素值相乘并求和。
如下图所示，模板为3⨯3大小，对应到图像上窗口亦为3⨯3大小，窗口中有九个象素与模板相对应。
模板第一行11m 与)1,1(--y x f 、12m 与)1,(-y x f 、13m 与图像模板示意图)1,1(-+y x f 相对应，模板第二、三行依此类推。
根据模板运行规则，3⨯3模板对应的表达式数学为：)1,1()1,()1,1(),1(),(),1()1,1()1,()1,1(),(333231232221131211++⋅++⋅++-⋅++⋅+⋅+-⋅+-+⋅+-⋅+--⋅=y x f m y x f m y x f m y x f m y x f m y x f m y x f m y x f m y x f m y x g⑴、图像的锐化处理锐化式可以用模板表示为：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 对应的数学表达式是：()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα⑵、图像的边界检测边界特点：沿边界走向特性变化比较缓慢，垂直于边界走向特性变化比较剧烈。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
姓名：学号：班级：
实验日期：实验成绩：
一．实验目的
（1）学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子、Sobel算子设计，使图
像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。
（2）分析模板大小对空域锐化滤波的影响，比较不同滤波器的处理效果，分析其优缺点。
二．实验原理
锐化处理的主要目的是突出灰度的过度部分，在空间域中，均值滤波类似于积分，那锐化滤波类似于微分，微分算子的响应程度与图像在用算子操作的这一点突变程度成正比，图像积分模糊了图像，同时起到了消除噪声的作用；图像微分增强边缘和其它突变（如噪声），而削弱灰度变换缓慢的区域，laplacian算子类似于二阶微分，强调的是图像灰度级剧烈变换的部分，而sobel算子类似于一阶微分，强调的是图像灰度级缓慢变化的部分。
三．实验内容及结果
（1）选择一副图像，分别使用拉普拉斯算子、sobel算子对图像进行锐化滤波，并观察滤波效果。
图 1 laplacian及sobel算子处理图像
（2）选择一副图像，构造一个中心系数为-24的5×5的类似于拉普拉斯模板对图像进行锐化，与上述拉普拉斯算子的结果相比，是否能得到更加清晰的结果？
图 2 不同大小laplacian模板处理原图及二值图
四．结果分析
（1）观察图一，可以发现对原图进行sobel算子运算后，原图阶梯的边缘细节被突显出来了，而每个阶梯灰度级保持不变的背景则没了，全变黑了，而对原图进行laplacian算子运算后，边缘部分则只剩下些杂乱无章的点了，基本是在sobel算子运算过后筛选出来的缓慢突变边缘上的一些突变更快的点。
如果把sobel算子比作是一阶微分就不难理解它是对原图的缓慢边缘变化部分，而把laplacian算子比作是二阶微分的话，就是原图的剧烈突变部分，由于原图像的阶梯边缘在灰度级上是缓慢过度的，所以使用sobel算子边缘的突出效果更明显，而laplacian算子无论模板大小为多大，都不能清晰的显示出边缘。
至于背景为什么会变黑是因为算子模板中有负因子，当计算的出来的值为负数时，自动标定其为0，也就是黑色。
（2）观察图二，可以发现对原图使用无论多大的laplacian模板，效果都很差，原因就是上述提到的原图像的边缘灰度级是缓慢变化的，对原图灰度级二值化处理，由于灰度值大小只有0和1两个值，阶梯边缘两边的值分别为0和1，这样边缘突变就成了一个单位的剧烈突变，所以3*3的laplacian算子效果就和上述的sobel算子效果相似，而当增加laplacian算子的大小到5*5时，边缘检测效果更加明显。
正印证了微分算子的响应程度与图像在用算子操作的这一点突变程度成正比这一原理。
五、实验总结
本次实验主要是进一步加深fspecial构造算子模板的功能以及imfilter滤波函数的运用，本次实验比较简单，主要就是体会一下两种算子对图像锐化的作用，感受sobel算子和laplacian算子对边缘检测的作用。
附录（程序）
A=imread('F:\数字图像处理\图片\');
thresh=graythresh(A);%使用最大类间方差法找到图片的一个合适的阈值（thresh）
B=im2bw(A,thresh);%二值图
h1=fspecial('laplacian');%拉普拉斯算子，模板默认大小为 3*3
h2=fspecial('sobel');%sobel算子，模板默认大小为 3*3
h3=zeros(5,5);%先构造模板大小规格为5*5
for i=1:5
for j=1:5
if(i==3&j==3)
h3(i,j)=-24;%模板中间元素为-24
else
h3(i,j)=1;%模板其它元素为1
end
end
end
A1=imfilter(A,h1);
A2=imfilter(A,h2);
A3=imfilter(A,h3);
A4=imfilter(B,h1);
A5=imfilter(B,h3);
subplot(2,2,1);imshow(A);title('原图');
subplot(2,2,2);imshow(A1);title('laplacian3*3');
subplot(2,2,3);imshow(A2);title('sobel3*3');
hold on;
figure;
subplot(2,3,1);imshow(A);title('原图');
subplot(2,3,2);imshow(A1);title('原图laplacian3*3');
subplot(2,3,3);imshow(A3);title('原图laplacian5*5');
subplot(2,3,4);imshow(B);title('二值图');
subplot(2,3,5);imshow(A4);title('二值图laplacian3*3'); subplot(2,3,6);imshow(A5);title('二值图laplacian5*5');。