图像锐化的目的和意义
图像增强之空间域锐化
图像增强之空间域锐化1、图像锐化理论图像锐化的⽬的是使图像变得清晰起来，锐化主要⽤于增强图像的灰度跳变部分，这⼀点与图像平滑对灰度跳变的抑制正好相反。
锐化提⾼图像的⾼频分量，增加灰度反差增强图像的边缘和轮廓，以便后期图像识别。
在图像增强过程中，常⽤平滑算法来消除噪声，平滑属于低通滤波，图像的能量主要集中在低频部分，噪声所在频段主要在⾼频部分，同时图像的边缘也集中在⾼频部分，这意味着图像平滑后，⾼频被衰减轮廓会出现模糊。
图像锐化就是为了减少这种现象，通过⾼通滤波使图像边缘和轮廓变得清晰。
2、⼀阶微分图像增强--梯度算⼦其中：梯度的⽅向就是函数f(x,y)最⼤变化率的⽅向。
梯度的幅值作为最⼤变化率⼤⼩的度量，值为：离散的⼆维函数f(i,j)，可以⽤有限差分作为梯度的⼀个近似值。
为了简化计算，可以⽤绝对值来近似。
|▽f(i,j)|= |f(i+1,j)-f(i,j)| +|f(i,j+1)-f(i,j)|2.1 Robert算⼦|▽f(i,j)|= |f(i+1,j+1)-f(i,j)| +|f(i,j+1)-f(i+1,j)|上⾯算式采⽤对⾓相差的差分法来代替微分，写为滤波模板形式为：其中w1对接近45°的边缘有较强响应，w2对接近-45°的边缘有较强响应。
imgPath = 'E:\opencv_pic\src_pic\pic6.bmp';img = imread(imgPath);img=rgb2gray(img);w1 =[-1,0; 0,1];w2 =[0,-1; 1, 0];G1=imfilter(img, w1, 'corr', 'replicate');G2=imfilter(img, w2, 'corr', 'replicate');G=abs(G1)+abs(G2);subplot(2,2,1),imshow(img), title('原始图像');subplot(2,2,2),imshow(abs(G1)), title('w1图像');subplot(2,2,3),imshow(abs(G2)),title('w2滤波');subplot(2,2,4),imshow(G),title('Robert交叉梯度图像');可见w1滤波后45°的边缘被突出，w2滤波后-45°的边缘被突出。
图像锐化处理
课程论文课程论文课程论文图像锐化处理摘 要：要： 如今，数字图像处理技术得到广泛应用，给人们的学习、生活和工作带来了深远影响。
其中图像的锐化处理就是其中的重要部分，图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。
本文介绍图像锐化处理的基本原理和处理技术，图像锐化处理的基本原理和处理技术，用用MATLAB 矩阵实验室对实际图像进行锐化处理得出实验结果。
像进行锐化处理得出实验结果。
关键词：图像锐化处理，数字图像，MATLAB 1.MATLAB 简介MATLAB 全称是Matrix Laboratory(矩阵实验室)，是一种简单、高效、功能强大的高级语言，在科学与工程计算领域有着广泛的应用前途。
在数字图像处理领域，可应用MATLAB 数字图像处理技术进行系统分析与设计。
它是一种专门用于矩阵数值计算的软件，从这点上也可以看出，它是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，中的绝大多数的运算都是通过矩阵这一形式进行的，这一特这一特点决定了MATLAB 在处理数字图象上独特优势，在处理数字图象上独特优势，理论上图象是一种二维的连续函理论上图象是一种二维的连续函数，然而计算机对图象进行数字吃力时，首先必须对其在空间和亮度上进行数字化，这就是图象的采样和量化的过程，二维图象均匀采样，可得到一幅离散成M*N 样本的数字图象，该数字图象是一个整数阵列，因而用矩阵来描述该数字图象是最直观最简便的。
象是最直观最简便的。
2.图象锐化概述数字图像处理中图像锐化的目的有两个：一是使灰度反差增强，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。
识别的图像。
3.图象锐化的原理数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。
图像锐化
锐化滤波能减弱或消除图像中的低频率分量，但不影响高频率分量。
因为低频分量对应图像中灰度值缓慢变化的区域，因而与图像的整体特性，如整体对比度和平均灰度值等有关。
锐化滤波将这些分量滤去可使图像反差增加，边缘明显。
在实际应用中，锐化滤波可用于增强被模糊的细节或者低对比度图像的目标边缘。
图像锐化的主要目的有两个：一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分析奠定基础。
代码：P=imread('2.png');I=rgb2gray(P);[m,n]=size(I);J=I;for i=2:m-1for j=2:n-1J(i,j)=abs(I(i+1,j+1)-I(i,j))+abs(I(i+1,j)-I(i,j+1));endendK=I;for i=2:m-1for j=2:n-1K(i,j)=abs(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+1,j -1))...+abs(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));endendL=I;for i=2:m-1for j=2:n-1L(i,j)=abs(I(i-1,j+1)-I(i-1,j-1)+2*I(i,j+1)-2*I(i,j-1)+I(i+1,j+1)-I(i +1,j-1))...+abs(I(i+1,j-1)-I(i-1,j-1)+2*I(i+1,j)-2*I(i-1,j)+I(i+1,j+1)-I(i-1,j+1 ));endendfigure;imshow(P);title('原图');figure;imshow(uint8(J));title('Roberts算子效果'); figure;imshow(uint8(K));title('Priwitt算子效果'); figure;imshow(uint8(L));title('Sobel算子效果');效果：原图Roberts算子效果Priwitt算子效果Sobel算子效果。
图像锐化.doc
图像锐化
(2012-04-04 21:07:49)
转载▼
标签：
杂谈
图像锐化(image sharpening)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、轮廓变得模糊，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。
从0开始学修图欲“刀锐奶化”，必善用锐化！
从0开始学修图欲“刀锐奶化”，必善用锐化！从0开始的系列文章中，小修偶尔也会根据文章内容，做一些实例讲解，有心的朋友肯定会发现，基本上每个实例的最后一步都是锐化。
锐化，在修图中可以说是必不可少的一步，所以，今天就和大家聊一聊锐化的那些事儿。
01为什么要锐化？“毒德大学，刀锐奶化”。
这句经常在各大摄影论坛灌水的句子，应该有不少人知道，所谓“刀锐奶化”，就是说，画面对焦精准，像刀锋版锐利，而焦外像奶油般化开。
虽然这句话，现在有些嘲讽的意思了，但是依然可以看出，锐利的图像更惹人喜爱。
上面两张图片，左边的比右边的更锐利、更清晰，而清晰的图像，比模糊的图片更容易被人注意到。
相较于模糊的图片，清晰的图片让人感到干净清澈，而模糊的片子有一种难言的不舒服。
锐化可以让不清晰的图像变清晰，让清晰的图像变的更清晰，所以，适当的加一些锐化，可以增加图片的质感，让图像更优秀，而做好局部锐化，也可以增强图片的空间感。
（过度锐化）锐化更是一把双刃剑，用的适当，可以增加图片质感，如果过度锐化，反而会破坏画质。
02锐化的原理锐化的原理，并不是增加画面的分辨率来使图像更清晰，而是通过增强图像边缘的对比度，来加强边缘，从而实现锐化。
原本在浅灰和深灰之间，是一条明显的分界线，我们知道，增加对比最直观的手段就是让亮的更亮，暗的更暗。
通过锐化之后，浅灰的地方出现了比浅灰更亮的灰，而深灰的地方出现了比深灰更暗的灰，出现的这两种灰色仅仅只在分界线两边，符合我们对于提高对比的定义。
随着锐化的程度加强，浅灰会逐渐变亮，直至白色，深灰会逐渐变暗，直至黑色，这也是为什么我们在过渡锐化的时候，会出现白边/黑边和曝死的原因。
03锐化的方式说到锐化的方式，可以让有选择恐惧症的人去死了。
PS滤镜自带就有六种锐化：除此之外，高反差保留也是非常受人喜爱的锐化：LR和ACR自带的锐化功能：锐化小工具：另外各种锐化滤镜：nik Sharpener Pro，Ultra.Sharpen.Pro，FocalBlade，T opazSharpen等等。
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。
第六章图像的锐化处理
f x G[ f ( x , y )] f y
f 、 f 分别表示图 y x
像某处沿 x 方向和 y 方 向的灰度变化率。
梯度的两个重要性质是： （1）矢量G[f(x,y)]指向函数最大变化率的方向； （2）G[f(x,y)]的幅度表示在G方向上每单元距离 的最大增加率。
Sx为两行加权和之 差值。
Sy为两列加权和之 差值。
Sobel算子优点： 由于引入了平均元素，因而对图像中的随机噪声 有一定平滑作用。 由于它是相隔两行或两列之差分，故边缘两侧之 元素得到了增强，故边缘显得粗而亮。
Sobel算子两个优点
引入平均因素，对图像中随机噪声有一定的 平滑作用。 相隔两行或两列求差分，故边缘两侧的元素 得到了增强，边缘显得粗而亮。
为了解决上面的问题，就希望提出对任何方向上 的边缘信息均敏感的锐化算法。
因为这类锐化方法要求对边缘的方向没有选择， 所有称为无方向的锐化算法。
6.2.2
Roberts交叉微分算子
f f ( x 1, y 1) f ( x , y ) f ( x 1, y ) f ( x , y 1)
锐化的作用是要使灰度反差增强。
注意： 能进行锐化处理的图像必须要求有较高的 信噪比。 一般先对图像去除或减轻干扰噪声后，才 能进行图像锐化处理。
6.1
图像细节的基本特征
扫描线
灰度跃变 灰度渐变 细线
孤立点
平坦段
图像细节的灰度分布特性
反映图像噪声点、细线与边缘的灰度变化规律
画面逐渐由亮变暗 斜坡变化
1 0 1 H3 2 0 2 1 0 1
图像锐化
概念及原理概念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，为了减少这图像锐化的相册(20张)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。
如何用PhotoShop进行图像锐化时我们看到很多文章介绍的都是把清晰的照片模糊处理化，那如果拍出了比较模糊的照片，想把它变得清晰而有光彩，就不是一件容易的事了。
不过，世上无难事，只怕有心人，利用PhotoShop的锐化工具就能使照片变清晰。
一、USM滤镜处理我们首先来看一下图1，这张人物照片看起来很模糊，照片中人物的发丝、身体上的汗水等细节都看不清楚，这样的照片很难吸引大家的注意。
我们要做的是，把这样平凡的照片用PhotoShop的USM锐化滤镜处理。
在PhotoShop中打开图像后，打开图层面板，选中图层面板中底层的背景图层点击右键，选择“复制副本”为照片复制一个副本图层，将图层的模式设定为“柔光”。
选中副本图层，使用“滤镜”菜单下“锐化”中“USM锐化”滤镜，在滤镜设置窗口中，“数量”和“半径”参数影响图像的清晰度，数值越大清晰度越高。
“阀值”参数可不用考虑，根据图像的具体情况设定好“数量”和“半径”的数值确定锐化。
下面选择“图像”菜单下“模式→LAB颜色”命令，在弹出的窗口中选择“拼合”图层确定，将两个图层合并为一层。
锐化
锐化做锐化前，我先说说什么叫锐化，数码照片为什么必须锐化？所谓的锐化就是通过增强图像边缘像素的对比度来达到增加图像清晰度的目的，锐化的理由和调色的理由一样。
锐化的理由是：因为人的眼睛和相机不是用同一种方式看待事物的。
原因有三：一、我们是在三维的空间中，看到的事物是立体的；而相机采集的是平面图像。
二、数码文件是由像素构成的，像素并不是无限的小。
三、我们眼睛看到的都是我们所感觉到的，如果一些物体没有清晰的边缘，我们的想象力也会产生这样的边缘，而相机则不具备这样的想象力，它只是忠实地记录他所看到的。
因此我们需要使用锐化图片能够达到我们现实中眼睛能看到的物体边缘轮廓。
作为提高清晰度的一种修饰方式，PS锐化有强大的功能，我认为最好的锐化工具是usm 锐化滤镜，在锐化中，我们最难做出抉择的是锐化的程度。
那么锐化的程度应该有多大？答：当然是越大越好。
通常，图片最怎么清晰度不为过，但是我们要控制的是修饰痕迹，要不留痕迹的让图片变的清晰。
锐化有一个很好的比喻，就是“边缘政策”——及时将危险的政策推到极限。
锐化的痕迹我们通常称为“晕带”，当晕带小的几乎看不见时，才是真正的技巧。
锐化通常是我们修饰图片的最后一道工序，如在此之前进行，其它操作过程中往往会带来晕带的加重。
锐化有整体锐化，目标锐化整体锐化就是对整张图锐化，目标锐化，就是我们说的选择锐化和通道锐化选择在什么样的色彩模式下锐化最好，要辩证的去分析这个问题，各空间都有自己的特点，首先在lab和cmyk模式中锐化比在rgb中锐化有少许的技术优势，（因为他们都有一个黑色的通道，指锐化黑色对于几乎所有图片来说度是安全的，而且参数可以很大），这3种结果的差异是非常小的。
现在我们用昨天晚上我们调色完成的那幅图，回到昨天晚上最后用的LAB空间，我们来做锐化设置，1. 复制图层，复制图层的道理昨天已经说过了，是为了灵活的调整。
这张图片的锐化应该是很强烈的，所以我们很难决定锐化的程度，所以在上层锐化，我们可以做得先过度一点，然后用不透明度或蒙板等恢复回来。
图像锐化和边缘检测知识讲解
图像锐化和边缘检测知识讲解图像锐化和边缘检测图像锐化和边缘检测本文内容构成：1、图像锐化和边缘检测的基本概念，微分梯度已经差分的定义2、锐化和边缘检测的像素处理方式（3种）3、单方向一阶微分锐化，包括：水平方向垂直方向Kirsch算子4、无方向微分锐化，包括：Roberts算子Sobel算子Prewitt算子Laplacian算子（二阶微分）LOG算子（二阶微分5、二阶微分6、实验结果对比在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。
一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。
这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。
为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。
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得清晰，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)就可以使图像变得清晰。
微分运算是求信号的变化率，由傅立叶变换的微分性质可知，微分运算具有较强高频分量作用。
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。
但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。
图像锐化的方法分为高通滤波和空域微分法。
图像的边缘或线条的细节（边缘）部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，是图像的细节变得清楚，实现图像的锐化，由于高通滤波我们在前面频域滤波已经讲过，所以这里主要讲空域的方法——微分法。
一阶微分运算一阶微分主要指梯度模运算，图像的梯度模值包含了边界及细节信息。
梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。
第五章 图片编辑的锐化
第三节、什么样的影像适合锐化
锐化适合加强毛发、皮革、布面、石材、树皮等物体的质感和细节，而不适合表现表面光滑的拍摄 对象。在图中，人物的毛质帽子、皮肤、衣服，以及木制的背景都很适合锐化。
图左1经过锐化后得到了图左2的效果，对于肌肉的锐化，不但 提升了皮肤的清晰度和质感，而且使肌肉更硬、更结实，使男 性更具力量。
第四节、Camera Raw中的锐化
在Camera Raw中，第一处实现锐化的功能在“基本” 调整面板，通过左右拖曳“清晰度”滑块，使图像柔 化或者锐化（如图所示），这种调节只能进行全局调 整。在拖曳“清晰度”滑块向右的过程中，会发现清 晰度增加的同时伴随着对比度的增加。因此在实际使 用中，常常在提高清晰度的同时适度降低对比度的值， 这样既能保证足够的清晰度，又不会让对比度过度以 达到画面清晰度与对比度的平衡。
第一节、锐化的目的和意义
我们通过一个简单示意图来说明锐化的原理。如图7-3所示，在灰色的背景上绘制两条浅灰的线段，此 时所看到的两条线段的清晰度就是当前分辨率下的锐度。为了使线段更加清晰，在左侧线段边缘的外侧 添加两条宽度为1像素的黑色线段，内侧添加两条宽度为 1 像素白色的线段。此时边缘部分的宽度变为 两个像素，对比度被增大，所以看起来左侧的线段更加清晰。读者可以与屏幕画面保持一定距离并眯起 双眼来体会这种感觉。
第一节、锐化的目的和意义
锐化是数码摄影后期处理当中的核心技术之一。数码影像的特点是焦 点发软、发虚，但实际上这提供了广阔的后期空间。每一位影友在拍 完照片进行后期处理时都会遇到锐化的问题，用什么样的方法，以及 如何控制好锐化的程度也是非常重要的话题。
第一节、锐化的目的和意义
为什么要锐化？ 从视觉感受和心理学意义上来讲。清晰和模糊是两种不同的视觉体验，在摄影视觉语言中，焦 点控制的“实”与景深控制的“虚”是相互对应的，二者表现了空间的关系。在后期中，我们 也常常通过锐化和虚化来加强和营造这种关系。单独谈到锐化，锐化的目的是为了使图像的边 缘、轮廓线以及图像的细节和纹理变得清晰，质感得到提升。在心理学中，清晰的图像较之模 糊的图像更容易被人类的视觉所识别，影像明晰的轮廓和清晰的视觉体验能带给人愉悦和舒适 感（如图7-1、图7-2所示）。
图像的锐化处理
图像的锐化处理论文学院：理学院专业：数学122姓名：孙凯学号：201200144221图像的锐化处理一、绪论1.1 图像锐化的理论基础 图像锐化(image sharpening)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。
在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。
一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频段部分。
这将导致原始图像处理在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。
1.2 研究的目的及意义图像是人类获取信息、表达信息和传递信息的重要手段。
人出生以后第一次睁开眼睛，首先接收的就是各种各样的图像信息，因此有人说，图像与生俱来是人类生活中最直观、最丰富和最生动的信息表示形式。
国外学者曾做过统计，人们从外界所获取的信息有70%以上来自于视觉摄取的图像，与文字或者语言信息相比，图像包含的信息量更大，具有更广泛的适用性和更高的使用效率。
在当今科学技术迅速发展的时代，人们越来越多的利用图像信息来认识和判断事物，解决实际问题。
一幅静态图像可以用一个二维函数(),f x y 来表示，这里x 和y 表示二维空间中坐标点的位置，而f 则代表图像在点(),x y 的某种性质的数值。
例如常用的图像一般是灰度图，这时f 表示灰度值，对应客观图像被观察到的亮度。
常见的图像是连续的，即(),f x y 的值可以是任意实数。
为了适应数字计算机的处理，必须对连续图像函数进行空间和幅度数字化，经过数字化后的图像称为数字图像。
数字图像是由有限的元素组成的，每个元素都有一个特定的位置和幅值，这些元素称为图像元素或像素。
而数字图像处理是指借用数字计算机处理数字图像。
数字图像一般可以通过以下三种途径获取：（1）直接由二维离散数学函数生成数字图像。
（2）将模拟图像、物理图像等可见图像经过数字化处理转换为数字图像，例如将一幅照片通过扫描仪输入到计算机中，扫描的过程实质上就是一个数字化过程。
图像锐化
高提升滤波及其实现 原理： 无论是基于一阶微分的Robert、Sobel模板还是基于二阶 微分的拉普拉斯模板，锐化处理后的图像中，原图像的平 滑区域近乎于黑色，而原图中所有的边缘、细节和灰度跳 变点都作为黑背景中的高灰度部分突出显示。在基于锐化 的图像增强中，我们常常希望在增强边缘和细节的同时仍 然保留原图像中的信息，而不是将平滑区域的灰度信息丢 失。因此可以把原图像加上锐化后的图像以得到比较理想 的结果。 注意：对于中心系数为负的模板（如w1,w3,w5），要达 到上述的增强效果，显然应当让原图像f(i,j)减去锐化算子 直接处理后的图像，即：
f ( x, y ) = ∂ ∇ ∂
2 2
f
2
x
+∂2f来自2∂y对于离散的二维图像f(x,y)，可以用下式作为对二阶偏微 分的近似：
∂ f = ( f (i +1, j) − f (i, j)) −( f (i, j) − f (i −1, j)) = f (i +1, j) + f (i −1, j) −2 f (i, j) ∂x ∂ f = ( f (i, j +1) − f (i, j)) −( f (i, j) − f (i, j −1)) = f (i, j +1) + f (i, j −1) − sf (i, j) ∂y
g (i, j ) =
Af (i, j ) − Sharpen( f (i, j )),
这样的滤波处理就称为高提升滤波。 一般来说，权重系数A应为一个大于等于1的实数，A越大 原图像所占比重越大，锐化效果越不明显。下面分别给出 A取1.8和3时的效果图，可以看出细节得到了有效增强， 对比度也有了一定的改善。
2 2 2
图像的锐化
• 从这一组图可以看出， 这里的锐度从左到右逐渐 提高了。锐度的提高会使图像像素不增加的基础 上造成提高清晰度的假象。
微分运算的作用
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。
1. 直接以梯度值代替
利用双方向一次微分运算，算出梯度后让梯度 值等于该点的灰度值。 即： g(i,j)= G[f(i,j)]。
2.辅以门限值
G[f(i,j)]+100; G[f(i,j)]≥T g(i,j)=
f(i,j); 其它
3.给边缘规定一个特定的灰度值
La;
g(i,j)=
G[f(i,j)]≥T 其它
G( x, y) f ( x 1, y) f ( x, y)
效果对比图
(a)原图
(b)纵向微分运算
横向微分
• 对灰度图像f在横方向进行微分，按下式求 得：
f ( x, y ) G[ f ( x, y )] y
同样，有： g ( x, y) f ( x, y 1) f ( x, y)
效果对比图
横向微分运算
双向微分——梯度算子
梯度算子: 梯度对应的是一阶导数，梯度算子是一阶 导数算子。对一个图像f(x,y)函数，在(x,y)处的梯度可 定义为梯度算子：
f G f ( x, y ) x
2
f y ห้องสมุดไป่ตู้
2
G(i, j) a2 ca3 a4 a0 ca7 a8 a0 ca1 a2 a6 ca5 a4
【2021摄影交流-069】后期修图：锐化
【2021摄影交流-069】后期修图：锐化
今天和大家说说锐化。
锐化工具可以快速聚焦模糊边缘，提高图像中某一部位的清晰度或者焦距程度，使图像特定区域的色彩更加鲜明。
锐化简单的理解就是把有点模糊的照片调清晰。
锐化的作用，是增加对比度，改善图片的清晰度。
但是锐化要注意不能过度，过度锐化会使图片看起来不真实。
另外一个要注意的是，锐化操作一般建议在修图的最后一步，而不是开始或者中间步骤。
这个是我刚接触摄影的时候，看到前辈们交流提到的注意点。
锐化几乎在所有的修图软件里都会有，包括我手机自带的修图功能，大多数时候锐化功能会显示为一个尖锐的三角形。
锐度除了可以调节轻微模糊的照片，也可以调节一些需要表现锋利，硬朗的画面。
我的手机自带修图功能是用的锐度，形状是一个三角形，锐度有10个可选的点，可以依次增强修到自己合适的位置，而不是一下子把锐化提到最高。
我用的光影魔术手锐化操作相对来说要简单直白一些，就是一键设置里的一键锐化，点击一键锐化，我们可以看到花朵的边缘有细微
变化，而直方图也会随之发生变化。
当锐化到一定程度，可以看到画面出现了明显噪点，同时直方图也变成了一条平缓的横线，而不是原来高低起伏的波形。
关于锐化操作的变化，大家可以看视频：时长
01:00
对原图做了色阶和曲线的调整，大家可以和首图比较一下，如果我不说，会不会第一时间想到是同一张图。
图像锐化的目的和意义
图像锐化的目的和意义图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。
当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。
要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。
图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。
图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。
图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法. 锐化的目标实质上是要增强原始图像的高频成分 .常规的锐化算法对整幅图像进行高频增强 , 结果呈现明显噪声 .为此, 在对锐化原理进行深入研究的基础上 ,提出了先用边缘检测算法检出边缘 , 然后根据检出的边缘对图像进行高频增强的方法 . 实验结果表明 , 该方法有效地解决了图像锐化后的噪声问题图像的锐化可以在空间域中进行，也可以在频率域中实现。
一. 图像信号的锐化过程1. 空间域中锐化图像的目的在空间域中进行图像的锐化也成为空间滤波处理，目的又（1）一是提取图像中用于认识和识别图像特征的参量，为图像识别准备数据（2）消除噪声。
图像数字化时产生的噪声主要是造成对图像内容的干扰，这用图像的平滑处理。
图像数字化时在信号高频区域产生的误差以及设备自身噪声对图像的高频（轮廓特征）干扰同样也是一种噪声，可以用空间滤波的方法去除。
（3）采用空间滤波的方法可以更鲜明地保持图像的边缘特征，这也是空间滤波的主要目的，即锐化图像。
处理效果锐化的目的在于使图像中对象轮廓上的像素灰度大的更大，小的更小，但对轮廓外的像素不起作用。
- 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)。
图像锐化的目的和意义图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。
当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。
要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。
图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。
图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。
图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法.锐化的目标实质上是要增强原始图像的高频成分.常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声.为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法.实验结果表明,该方法有效地解决了图像锐化后的噪声问题图像的锐化可以在空间域中进行，也可以在频率域中实现。
一. 图像信号的锐化过程1.空间域中锐化图像的目的在空间域中进行图像的锐化也成为空间滤波处理，目的又(1)一是提取图像中用于认识和识别图像特征的参量，为图像识别准备数据(2)消除噪声。
图像数字化时产生的噪声主要是造成对图像内容的干扰，这用图像的平滑处理。
图像数字化时在信号高频区域产生的误差以及设备自身噪声对图像的高频（轮廓特征）干扰同样也是一种噪声，可以用空间滤波的方法去除。
(3)采用空间滤波的方法可以更鲜明地保持图像的边缘特征，这也是空间滤波的主要目的，即锐化图像。
处理效果锐化的目的在于使图像中对象轮廓上的像素灰度大的更大，小的更小，但对轮廓外的像素不起作用。
由于这一原因，图像的锐化对孤立点或对孤立线条的边缘增强作用十分明显，但在一定程度上也会对噪声信号产生增强作用。
图像锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节。
模糊可能是由于错误操作，或者是由于图像获取方法的固有影响所导致的。
例如，当图像的分辨率有限时，所获得的像素值不是一点的亮度，而是周围景物亮度的平均值。
这种均值计算使图像变得模糊。
因为均值处理的积分相类似，从逻辑角度可以断定，瑞或处理可以用空间微分来完成。
锐化处理强度与图像在该点的突变程度有关。
这样，，图像微分增强了边缘喝其他突变（如噪声）的信息，并削弱了灰度变化缓慢的信息，一般强况下，图像的锐化被用于景物边界的检测与提取。
图像锐化处理主要用于增强图像的边缘及灰度改变部分，图像锐化又空域喝变换域两种处理方法。
1.微分锐化处理在图像平滑化处理中，主要的空域处理是采用邻域平均法，这种方法类似于积分过程，积分的结果使图像的边缘变得模糊了，微分会产生相反的效应，因此微分法是图像锐化的方法之一。
微分锐化处理方法最常用的是梯度法。
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，这就需要利用图像鋭化技术，使图像的边缘变的清晰。
图像銳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。
为了要把图像中间任何方向伸展的的边缘和轮廓线变得清晰，我们希望对图像的某种运算是各向同性的。
可以证明偏导平方和的运算是各向同性的，即：22)'()'(y f x f ∂∂+∂∂=22)()(y f x f ∂∂+∂∂ 式中（x,y ）是图像旋转前的坐标，)','(y x 是图像旋转后的坐标。
梯度运算就是在这个式子的基础上开方得到的。
图像(x,y)点的梯度值：g=f-2∇κτ f为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与某一阈值作比较，如果大于阈值，该像素点的灰度用梯度值表示，否则用一个固定的灰度值表示。
我们在对图像增强的过程中，采用的是一种简单的高频滤波增强方法：G(x,y)=[ 22)()(yf x f ∂∂+∂∂]2/1)1,(),(),1(),(+-++-≈y x f y x f y x f y x f 式中f ，g 分别为锐化前后的图像，κτ是与扩散效应有关的系数。
表示对图像f 进行二次微分的拉普拉斯算子。
这表明不模糊的图像可以由模糊的图像减去乘上系数的模糊图像拉普拉斯算子来得到。
2∇可以用下面的模板H={{1，4，1}，{4，-20，4}，{1，4，1}}来近似。
在具体实现时，上述模板H 中的各个系数可以改变，κτ 这个系数的选择也很重要，太大了会使图像的轮廓过冲，太小了则图像锐化不明显。
实验表明， 选取2-8之间往往可以达到比较满意的效果。
Sobel算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界比较清晰；Laplacian算子获得的边界是比较细致的边界。
反映的边界信息包括了许多的细节信息，但是所反映的边界不是太清晰。
I=imread('cameraman.tif');subplot(2,2,1);imshow(I);title('原始图像');h1=fspecial('sobel');I1=filter2(h1,I);subplot(2,2,2);imshow(I1);title('sobel算子');h2=fspecial('prewitt');I2=filter2(h2,I);subplot(2,2,3);imshow(I2);title('prewitt算子');h3=fspecial('laplacian');I3=filter2(h3,I);subplot(2,2,4);imshow(I3);title('laplacian算子');1. MATLAB的概况MATLAB是矩阵实验室（Matrix Laboratory）之意。
除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。
MATLAB的基本数据单位是矩阵，它的指令表达式与数学,工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完相同的事情简捷得多。
开放性使MATLAB广受用户欢迎.除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。
2. MATLAB产生的历史背景在70年代中期,Cleve Moler博士和其同事在美国国家科学基金的资助下开发了调用EISPACK和LINPACK的FORTRAN子程序库.EISPACK是特征值求解的FOETRAN程序库,LINPACK是解线性方程的程序库.在当时,这两个程序库代表矩阵运算的最高水平.到70年代后期,身为美国 New Mexico大学计算机系系主任的Cleve Moler,在给学生讲授线性代数课程时,想教学生使用EISPACK和LINPACK程序库,但他发现学生用FORTRAN编写接口程序很费时间,于是他开始自己动手,利用业余时间为学生编写EISPACK和LINPACK的接口程序.Cleve Moler给这个接口程序取名为MATLAB,该名为矩阵(matrix)和实验室(labotatory)两个英文单词的前三个字母的组合.在以后的数年里,MATLAB在多所大学里作为教学辅助软件使用,并作为面向大众的免费软件广为流传.在当今30多个数学类科技应用软件中,就软件数学处理的原始内核而言,可分为两大类.一类是数值计算型软件,如MATLAB,Xmath, Gauss等, 这类软件长于数值计算,对处理大批数据效率高;另一类是数学分析型软件,Mathematica,Maple 等,这类软件以符号计算见长,能给出解析解和任意精确解,其缺点是处理大量数据时效率较低.MathWorks公司顺应多功能需求之潮流,在其卓越数值计算和图示能力的基础上,又率先在专业水平上开拓了其符号计算,文字处理,可视化建模和实时控制能力,开发了适合多学科,多部门要求的新一代科技应用软件MATLAB.经过多年的国际竞争, MATLAB以经占据了数值软件市场的主导地位.在MATLAB进入市场前，国际上的许多软件包都是直接以FORTRANC语言等编程语言开发的。
这种软件的缺点是使用面窄，接口简陋，程序结构不开放以及没有标准的基库，很难适应各学科的最新发展，因而很难推广。
MATLAB的出现，为各国科学家开发学科软件提供了新的基础。
在MATLAB问世不久的80年代中期，原先控制领域里的一些软件包纷纷被淘汰或在MATLAB上重建。
MathWorks 公司1993年推出了MATLAB 4。
0版，1995年推出4。
2C版（for win3。
X）1997年推出5。
0版。
1999年推出5。
3版。
MATLAB 5。
X较MATLAB 4。
X无论是界面还是内容都有长足的进展，其帮助信息采用超文本格式和PDF格式，在Netscape 3。
0或IE 4。
0及以上版本，Acrobat Reader中可以方便地浏览。
时至今日，经过MathWorks公司的不断完善，MATLAB已经发展成为适合多学科，多种工作平台的功能强大大大型软件。
在国外， MATLAB已经经受了多年考验。
在欧美等高校，MATLAB已经成为线性代数，自动控制理论，数理统计，数字信号处理，时间序列分析，动态系统仿真等高级课程的基本教学工具；成为攻读学位的大学生，硕士生，博士生必须掌握的基本技能。
在设计研究单位和工业部门，MATLAB被广泛用于科学研究和解决各种具体问题。
在国内，特别是工程界，MATLAB一定会盛行起来。
可以说，无论你从事工程方面的哪个学科，都能在MATLAB里找到合适的功能。
2．MATLAB的语言特点一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。
MATLAB最突出的特点就是简洁。
MATLAB用更直观的，符合人们思维习惯的代码，代替了C和 FORTRAN语言的冗长代码。