第6讲 图像增强之锐化处理
第6章 图像增强-锐化
（2） Prewitt算子
S p dx d y
用模板表示 d x , d y ：
1 0 1 dx 1 0 1 1 0 1
2
1 2 2
1 1 1 dy 0 0 0 1 1 1
无方向的交叉微分算法
图：沿x和y方向的一阶差分
图：罗伯茨Roberts算法差分
Gx f (i 1, j ) f (i, j )
Gx f (i 1, j +1) f (i, j )
Gy f (i, j 1) f (i, j)
Gy f (i, j 1) f (i+1, j)
适当的选取T，可以有效地增强边界而不影响比 较平滑的背景。
第三种方法：对梯度值超过T的像素选用固定
灰度LG 代替，而小于T时仍选用原像素点值
LG , f (i, j ) T g (i, j ) f (i, j ), 其他
这种方法可以使边界清晰，同时又不损害灰度
变化比较平缓区域的图像特性。
（a）原图像 （b）结果图 图：拉普拉斯算子的锐化
（a）Sobel算子 图：锐化结果
（b）Prewitt算子
一阶梯度算法效果比较
Sobel算法与Priwitt算法的思路相同，属于同一类型， 因此处理效果基本相同。 Roberts算法的模板为2*2，定位准确，但对噪声敏感。 单方向锐化经过后处理之后，也可以对边界进行增强。
详见P123 表6.2
定灰度LG ，而小于该阈值T时选用固定的灰度LB 。
LG , f (i, j ) T g (i, j ) LB , 其他
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。
第四章 图像增强和锐化
s T (r ) Pr(r )dr
r
•
对于离散的数字图像，用频率来代替概率，则变换函数T(rk)的离散形式可表示 为： k k
sk T ( rk ) pr ( r j )
j 0 j 0
nj n
•
上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。
直方图均衡的步骤
第四章 图像增强及锐化
图像分析技术分类的三种基本范畴: 1. 图像获取、预处理 2.图像分割、表示与描述 3.图像识别、解释 分割
表示与描述
预处理 问题
图像获取
知识库
识别 与 解释
结果
什么是图像增强? • 图像增强是对图像进行加工，以得到对特定应用来说视觉效果更 “好”，或更“有用”的图像的技术。 为什么要增强图像? • 图像在获取、传输或者处理过程中会引入噪声或使图像变模糊， 从而降低了图像质量，甚至淹没了特征，给分析带来了困难。 图像增强所达到的目的: • （1）改善图像的视觉效果，提高图像的清晰度； • （2）将图像转换成一种更适合于人或机器分析处理的形式。
问题：
图像最暗处依赖于原图像0灰阶像素的 个数。有偏亮的倾向。 矫正：Xo= (Xi-85) / (255-85) * 255
1000
0
85
170
255
矫正后变换函数为
T(0) ... T(63) T(64) ... T(254) T(255) = 0
= 0 = 128 = 128 = 255
1000
等于1.8
• 获取变换函数的其他方法 交互样点插值 用过点的三次样条插值曲线，获得变换函数
灰度直方图
• 灰度直方图基本概念（回顾） • 直方图修正法——直方图均衡化
精品课件-HALCON数字图像处理-第6章 图像增强
式。
分类： 频域法：直接对图像的像素灰度值进行操作。包括图像的
灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强 等。
空域法：在图像的变换域中，对图像的变换值进行操作， 然后经逆变换获得所需的增强结果。常用的方法包括低通滤 波 、高通滤波以及同态滤波等。
二、为什么要增强图象？ 图像在传输或者处理过程中会引入噪声或使图像变模 了 困难。
Digital Image
6.0 概 述
三、目的： 1.改善图像的视觉效果，提高图像的清晰度； 2.将图像转换成一种更适合于人或机器分析处理的形式。
注意：在图像增强的过程中，没有新信息的增加， 只是 通过压制一部分信息，从而突出另一部分信息。
( f (m, n)
)
其中λ 和γ 为常数。为避免时底数为0的情况，增加偏移量 ε 。γ 值的选择对于变换函数的特性有很大影响，当γ ＜ 1 时会将原图像的灰度向高亮度部分映射，当γ ＞1时向低亮度部 分映射，而当γ =1时相当于正比变换。灰度指数变换的图 像 示例如图4.1.5所示。
Digital Image
)=
nnj
0.19
0.25
0.21 0.24 0.11
6.2 图像的直方图修正
图4.2.3给出了直方图均衡化的示意图。从图和表中可以看 出，由于 数字图像灰度取值的离散性，通过四舍五入使变换后 的分灰布度，值但。出相现比了于归原直并现方象图，要而平使坦变得换多后的直方图并非完全均匀
图4.2.3 直方图均衡化的示意图
第6章
图像增强
◆ 6.0 ◆ 6.1 ◆ 6.2 ◆ 6.3 ◆ 6.4 ◆ 6.5 ◆ 6.6
图像增强—利用模板进行锐化处理
0 - 1 w2 1 0
Sobel梯度
ቤተ መጻሕፍቲ ባይዱ
由于人们总喜欢基数尺寸模板，因而一种计算Sobel 梯度的Sobel模板更常用。 对应模板如下：
- 1 - 2 - 1 W1 0 0 0 1 2 1
-1 0 1 W2 2 0 2 -1 0 1
2
离散图像f(i,j)
二阶微分：
2f f i ' ' f (i 1, j ) f (i 1, j ) 2 f (i, j ) 2 x 2f f j ' ' f (i, j 1) f (i, j 1) 2 f (i, j ) 2 y
锐化公式：
4、锐化在增强边缘和细节的同时，往往也增强 了噪声，为了在取得更好的锐化效果的同时把 噪声的干扰降到最低，可以先对带有噪声的原 始图像进行平滑滤波，再进行锐化增强边缘和 细节。
边界处理
（1）收缩处理范围（对边界不进行处理）
确保了滤波过程中模板始终不会超出图像边界
（2）使用常数填充图像
根据模板形状为图像虚拟出边界，虚拟边界像素值 为指定的常数，如0，保证模板在移动过程中始终不会超 出边界。
w1对水平边缘有较大响应的竖直梯度 w2对竖直边缘有较大响应的水平梯度
基于二阶微分的图像增强
——拉普拉斯算子
连续图像f(x,y) Laplacian算子
2 2 2 2 x y 2
2 2 f f 2 f 2 2 x y
锐化公式：
g( x, y) f ( x, y) [ f ( x, y)]
h1,1 h0,1 h1,1
第6讲 图像增强之锐化处理汇总
细线
比孤立点略显平缓的尖峰
由黑突变到亮 阶跃
图像中的细节是指画面中的灰度变化情况。
数字图像处理技术-2016-01
6
6.1 图像细节的基本特征
灰度变化细节与微分变化关系：
“一阶微分”描述“数据的变化率”
“二阶微分”描述“数据变化率的 变化率”
阶跃形的灰度变化与微分变化
数字图像处理技术-2016-01
1 0 1
1 1 0 H8 1 0 1
以上梯度法又称为水平垂直差分法。另一种梯度法叫做罗伯特梯度 法（Robert Gradient），它是一种交叉差分计算法，其数学表达式为：
G［f(x, y)］={［f(i, j)-f(i+1, j+1)］2+［f(i+1, j)-f(i, j+1)］2}1／2
同样可近似为
G［f(x, y)］=|［f(i, j)-f(i+1, j+1) |+|f(i+1, j)-f(i, j+1)|
图像锐化的目的是加强图像的边缘和轮廓，使图像看 起来比较清晰。
从频谱角度分析,图像模糊的实质是因其高频分量被
衰减,因而可以用加高频滤波来使图像清晰。
数字图像处理技术-2016-01
3
微分法锐化的原理
均值产生钝化的效果，而均值与积分相似，由此 而联想到，微分能不能产生相反的效果，即锐化 的效果？结论是肯定的。 在图像处理中应用微分最常用的方法是计算梯度。
1 0 0 1
Roberts梯度算子
特点：算法简单
14
数字图像处理技术-2016-01
Sobel锐化
Sobel锐化的计算公式如下：
1
g(i,
第四章 图像增强和锐化讲解
灰度变换增强
d
c
0
a
b
k>0
c d
0
a
b
k<0
• 根据[a,b],[c,d]的取值有以下几种情况
1. 扩展动态范围：若[a,b] ⊂ [c,d]，即k>1,则会使图像灰度 取值的动态范围变宽，这样可以改善曝光不足的缺陷， 充分利用显示设备的动态范围。
2. 改变取值区间：过k=1，则变换后的灰度动态范围不变， 但取值区间会随a和c的大小而平移。
3. 缩小动态范围：若[c,d]⊂ [a,b] ，即0<k<1,变换后图像的 动态范围变窄。
4. 反转或取反：若k<0，对于b>a,d<c,则变换后的图像会反 转，即亮的变暗，暗的变亮。K=-1时为取反。
灰度分段线性变换
没有对数变换直接显示
a=zeros(256,256); a(128-30:128+30,128-30:128+30)=1; b=fft2(a); c=fftshift(b); c=abs(c); imshow(c,[]) figure,imshow(然后显示
2. 指数变换：
基本概念 图像的灰度直方图是一种表示数字图像中各级灰度值及其出现频数 关系的函数。描述图像灰度直方图的二维坐标，其横坐标表示像素的 灰度级别，纵坐标表示该灰度出现的频数（像素的个数）。
h(rk)=nk, k=0,1,2,…,L-1 rk表示第k级灰度值， h(rk)和nk表示图像中灰度值为rk的像素个数。
图像灰度直方图
图像及其对应的灰度直方图
由上页三个图像可以定性地看出直方图和图像清晰 度的关系：当直方图充满整个灰度空间，并呈均匀分布 时，图像最清晰。因此我们可以通过修改直方图的方法 使图像变清晰。
在Photoshop中调整图像锐化度教程
在Photoshop中调整图像锐化度教程图像锐化度是指图像中的细节清晰度和边缘的定义程度。
有时候，我们拍摄的照片或者从其他来源获取的图像可能会显得模糊或者不够锐利。
Photoshop提供了一些工具和技巧，可以帮助我们调整图像的锐化度，使其变得更加清晰和鲜明。
本教程将介绍Photoshop中几种常用的调整图像锐化度的方法。
第一种方法是使用"滤镜"功能。
打开要调整的图像，在菜单栏中选择"滤镜"，然后选择"增强"，接着选择"锐化"。
在弹出的对话框中，可以看到一些参数选项，如"半径"、"阈值"和"量"。
通过调整这些参数，可以实时预览图像的变化。
可以逐步增加锐化效果，直到满意为止。
完成后，点击"确定"以应用锐化效果。
第二种方法是使用图像调整层。
在图层面板中，点击"新建填充或调整图层"按钮，选择"色阶"。
在弹出的"色阶调整"对话框中，将中间的滑竿稍微向左或者向右移动一点。
这样可以增加图像的对比度和锐化度。
通过调整滑竿的位置，可以实时观察到图像的变化。
完成后，点击对话框右下角的"确定"按钮。
第三种方法是使用"高光/阴影"调整。
在"图像"菜单中选择"调整"，然后选择"高光/阴影"。
在弹出的对话框中，可以看到两个滑竿，一个用于调整高光，一个用于调整阴影。
通过微调这两个滑竿的位置，可以增加图像的清晰度和锐化度。
可以根据具体的图像效果进行调整。
完成调整后，点击对话框右下角的"确定"按钮。
除了上述方法，Photoshop还提供了其他一些工具和滤镜，可以帮助我们进一步调整图像的锐化度。
比如，"锐化"滤镜可以找到图像中的边缘，并增强它们的对比度，从而增强图像的清晰度和锐化度。
第六章图像的锐化处理
1 2 6 6 9
0 0
0 -3
0 -13
0 -20
0 0
0
0 0
-6
1 0
-13
12 0
-13
5 0
0
0 0
2.
垂直方向的锐化
垂直方向的微分算子就是要获得图像在垂直方向 的变化率。 垂直方向的微分算子定义为：
f [ f ( x 1, y 1) f ( x 1, y 1)] 2 f ( x, y 1) f ( x, y 1)] [ f ( x 1, y 1) f ( x 1, y 1)]
6.2.4
Priwitt微分算子
假设有一个33的窗口,变换后图像f(i,j)的灰度值为：
2 2 g Sx Sy | Sx | | S y |
Priwritt算子模板
1 1 1 Hy 0 0 0 1 1 1
1 0 1 Hx 1 0 1 1 0 1
垂直方向的微分算子模板为：
1 0 1 H 2 0 2 1 0 1
待处理像素位于 模板中心
具有方向性的一阶微分算子示例
2 1 0 1 0 H 0 0 0 0 1 2 1 0
0 0 0 0 -10-20-20-10 -4 -12-12 -4 4 12 12 4 0 10 20 20 10 0 0 0 0 0 0 10 20 20 10 0 0 0 0 4 -4 -10 12 -12-20 12 -12-20 4 -4 -10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
对于细线形的细节，通过一阶微分的过0点， 二阶微分的极小值点均可以检测出来。
Photoshop细节增强：锐化和去噪技巧
Photoshop细节增强：锐化和去噪技巧Photoshop技术的细节增强对于改善图像质量非常重要。
在这篇文章中，我们将介绍两种常用技巧：锐化和去噪。
这些技巧将帮助您提高图像的清晰度和细节，使其更加令人印象深刻。
第一部分：锐化技巧1. 打开图像：首先，打开您想要增强的图像。
点击“文件”菜单，选择“打开”，然后浏览并选择您的图像文件。
2. 复制图层：在图层面板中，右键单击背景层，并选择“复制图层”。
这将创建一个新的图层，以便您可以在其上进行修改而不影响原始图像。
3. 应用锐化滤镜：在图层面板中，选择新图层，然后点击“滤镜”菜单，选择“锐化”下的“智能锐化”。
通过调整滑块来增加锐化效果。
请记住，过度的锐化可能导致图像产生噪点或伪影，因此要保持适度。
4. 调整图层不透明度：根据需要，您可以通过在图层面板中选择新图层并调整其不透明度来调整锐化效果的强度。
这可以帮助您找到最合适的锐化水平。
5. 合并图层并保存：当您对锐化效果满意时，点击“图层”菜单，选择“合并可见”，将所有图层合并为一个。
然后，保存您的图像。
第二部分：去噪技巧1. 打开图像：同样地，在Photoshop中打开您的图像。
选择“文件”菜单，然后选择“打开”进行图像选择。
2. 创建副本图层：通过右键单击背景层，并选择“复制图层”创建一个副本图层。
这样，您可以在副本上进行去噪处理，而原始图像保持不变。
3. 应用去噪滤镜：在图层面板中，选择副本图层，然后点击“滤镜”菜单，选择“噪点”下的“减少噪点”。
通过调整滑块来减少图像中的噪点。
请注意，过度去噪可能会损失图像的细节，因此要谨慎使用。
4. 调整图层不透明度：如果需要，您可以调整副本图层的不透明度来调整去噪效果的强度。
这将使您可以在图像中保留一些噪点以保持细节。
5. 合并图层并保存：当您对去噪效果满意时，点击“图层”菜单，选择“合并可见”，将所有图层合并为一个。
然后，保存您的图像。
这些步骤和技巧可以帮助您通过Photoshop提升图像的细节和质量。
第七章 图象增强之平滑与锐化
D0
D(u,v)
20
北京大学遥感所
图象平滑—频域法
§理想低通滤波器与Butterworth滤波器的比较
理想低通滤波器
Butterworth滤波器
21
北京大学遥感所
图象平滑—频域法
§梯形滤波器 传递函数
D (u , v ) D 0 1, D ( u , v ) D1 H (u , v ) , D 0 D (u , v ) D1 D 0 D 1 0, D (u , v ) D1
图象平滑—空域法
§邻域平均法 采用 此法的前提： 图像是由许多灰度恒定的小块组成的，相邻像素间存在很高的空 间相关性，而噪声则是统计独立的。 基本思想： 用图像上点（x,y）及其邻域像素的灰度平均值来代替点（x,y） 的灰度值。
方法： 采用3×3、5×5或7×7邻域不等，以3×3邻域为例 e* = 1/9(a+b+c+d+e+f+g+h+i) a b c
(a)
(b)
(c)
(d)
(a)(c)邻域平均：3×3 5×5 (b)(d)中值滤波：3×3 5×5
14
北京大学遥感所
图象平滑—频域法
§频域法 图像经过二维傅立叶变换后，噪声频率一般位于空间频率较高的区域，而 图像本身的频率分量处于空间频率较低的区域内，因此可以通过低通滤波的方 法使高频分量受到抑制，而让低频分量通过，实现图像的平滑
30
北京大学遥感所
图像锐化—空域法
§空域锐化方法—拉普拉斯算子
0 x-1,y 0 X,y- x,y ,y+ 1 1 x 0 +1, y 0 x 0 1 1 -4 0 1
《图像的锐化处理》PPT课件
Canny算子
• Canny边缘检测法利用高斯函数的一阶微分，它能在噪声抑制和边缘检测之间 取得较好的平衡。具体步骤如下：
• (1) 用高斯滤波器来对图像滤波，可以去除图像中的噪声。
1
x2 y2
G( x,
y)
2
2
exp
2 2
• (2) 用高斯算子的一阶微分对图像进行滤波，得
到每个像素梯度的大小和方向。
LOG滤波方法
（2）增强：对平滑图像进行拉普拉斯运算，即:
（3）检测：g(边x, 缘y)检 测2判( f据(x是, y二) 阶G导(x数, y)零) 交(6叉.29点)
并对应一阶导数的较大峰值。
LOG滤波方法
由于对平滑图像 进g(行x, y拉) 普拉斯运算可等效 为 的拉G普(x拉, y斯) 运算与 的卷积，f (x故, y式) （6.29） 变为:
理论曲线 实际曲线
一阶导数 二阶导数
(a)阶跃函数 (b)线条（屋顶）函数 两种常见的边缘一阶导数和二阶导数示意图
6.5 Canny算子
• 经典图像边缘检测(综合法思想)——Canny算子 • John Canny于1986年提出Canny算子，它与Marr（LoG）
边缘检测方法类似，也属于是先平滑后求导数的方 法。 • John Canny研究了最优边缘检测方法所需的特性，给 出了评价边缘检测性能优劣 的三个指标： • 1 好的信噪比，即将非边缘点判定为边缘点的概率要 低，将边缘点判为非边缘点的概率要低； • 2 高的定位性能，即检测 出的边缘点要尽可能在实 际边缘的中心； • 3 对单一边缘仅有唯一响应，即单个边缘产生多个响 应的概率要低，并且虚假响应边缘应该得到最大抑 制。 • 用一句话说，就是希望在提高对景物边缘的敏感性 的同时，可以抑制噪声的方法才是好的边缘提取方 法。
图像锐化和边缘增强-8页word资料
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。
图像在点处的梯度定义为一个二维列矢量：梯度大的幅值即模值，为：梯度的方向在最大变化率方向上，方向角可表示为：对于离散函数也有相应的概念和公式，只是用差分代替微分。
差分可取为后向差分，前向差分。
在x,y方向上的一阶向后差分分别定义为：梯度定义为：其模和方向分别为：在实际应用中，梯度的模还有很多近似式，如使用x,y方向上差分绝对值替代模来度量梯度的模（幅值）就是最大变化率方向的单位距离所增加的量。
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。
平滑和锐化处理同属图像增强技术
平滑和锐化处理同属图像增强技术。
平滑处理主要用于去除搭载在图像信号上的噪声分量，有可能使本来聚焦清晰的图像变得模糊起来，但出于艺术创作的需要，有时也需要“创造”模糊，例如摄影技术中就有人为的使对焦不准，以创建一种原既的效果。
图像的锐化处理往往是为了提高清晰度的需要，例如图像处理系统由于成像部件(包括摄影和摄像等)聚焦不良或信号传输系统的信号频带过窄导致目标物轮廓模糊的现象经常出现，为此需要利用锐化技术来突出国像中人们感兴趣的信息，即增强代表图像纫节的分量，包括清晰度强调和细微层次强调等操作内容。
印前制作与电子出版物素材推备经常涉及针对特定区域的操作，为此需要格图像分害为目标处理区域和非处理区域，下一步处理仅对目标处理区域有效。
图像分割为两类区勾的处理步骤也称为选择，目标处理区域也就称为选择区域，其他区域则借鉴传统制版术语而称为蒙版。
因此，分割和选择从不同的侧面反映后续图像处理的准备性作业步骤，前名较专业，后者更通俗，两者没有本质区别。
区域分割在图像处理软件中体现为利用工具或菜单命令的简单操作，需要的技巧也不多。
从专业角度考虑，可以把区域分割定义为将数字图像划分成互不相交(不重叠)区均的过程。
这里，区域指的是像素的连通集，亦即一个或多个全部像素都有相邻或相接触伤素的集合。
而连通则被定义为；在一个连通集小的任意两个像素之间存在一条完全出该集合死案构成的连通路径，或者说存在‘条可以在相邻像素间移动的路径。
由以L—定义不成得汽结论，分割出来的区域具备可以在一个连通集中跟踪任意两个像素间的连通路径，而不离开该连通集的基本性质，不限制由像素集合构成的区域为单连通区域。
图像增强所追求的目标是改善图像的视觉质量，符合人们的主观要求，它不追究图像客观质量的降低原因。
颜色是图像视觉质且的构成要素之一，因人、因地区、因文化传统和民族而异，图像质量的高低和优劣受观看者的心理、爱好和文化素质等因素的影响。
图像恢复在于查找图像质量降低的原因，并尽可能消除，以力图恢复图像的本来面目。
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
第6章图像的锐化处理共63页
中的细节或者增强被模糊化了的细节，一 般情况下图像的锐化被用于景物边界的检 测与提取，把景物 的结构轮廓清晰地表现 出来。
图像锐化的概念
图像锐化的目的是加强图像中景物的细节边缘 和轮廓。
锐化的作用是使灰度反差增强。 因为边缘和轮廓都位于灰度突变的地方。所以
锐化算法的实现是基于微分作用。
图像锐化方法
图像的景物细节特征； 一阶微分锐化方法； 二阶锐化微分方法； 一阶、二阶微分锐化方法效果比较。
谢谢大家
作业Байду номын сангаас
P124 第4题
谢谢！
62
63
图像锐化和边缘增强
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。
图像在点处的梯度定义为一个二维列矢量：梯度大的幅值即模值，为：梯度的方向在最大变化率方向上，方向角可表示为：对于离散函数也有相应的概念和公式，只是用差分代替微分。
差分可取为后向差分，前向差分。
在x,y方向上的一阶向后差分分别定义为：梯度定义为：其模和方向分别为：在实际应用中，梯度的模还有很多近似式，如使用x,y方向上差分绝对值替代模来度量梯度的模（幅值）就是最大变化率方向的单位距离所增加的量。
- 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)。