图像锐化算法设计说明书

1、 图像锐化算法设计目录引 言11 需求分析11.1任务与分析11.2测试数据22 概要设计32.1一阶锐化的实现32.2二阶锐化的实现42.3一二阶混合锐化的实现42.4统计锐化的实现53详细设计73.1一阶锐化的设计73.2二阶锐化的设计73.3一二阶混合锐化的设计93.4统计锐化的设计104 调试分析144.1 一阶锐化调试184.2 二阶锐化调试214.3 一二阶混合锐化调试224.4 统计锐化调试285用户使用说明356测试结果35结 论36致 谢37参考文献38摘 要 随着计算机的普及，图像处理的应用领域必然涉及到人类生活和工作的方方面面。在图像增强过程中，通常利用各类图像平滑算法消

2、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。本次训练中用数字微分锐化的方法通过实现微分算子来将图象锐化，通过实现不同的微分算子，得到对图象轮廓在

3、不同程度上的提取。关键词：图像处理；锐化；微分算子 引 言 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。本次设计将用几个方法对图像进行锐化处理，从而比较几个方法的强弱。1 需求分析 本次课程设计的主要内容如下：1、一阶微分锐化：构建一阶锐化加法函

4、数，并实现锐化；2、二阶微分锐化：实现拉普拉斯锐化；3、一二阶混合锐化：一阶乘法和二阶加法混合的锐化算法实现；4、统计锐化：沃利斯统计差分法等基于局部统计信息的锐化算法实现。通过这几个方法对图像进行锐化处理，从而看出这几个锐化方法的优缺点以及方法的强弱。1.1任务与分析 （一）一阶微分锐化建立一个一阶微分Sobel算子，利用该算子对原始图像进行一阶梯度提取，然后将提取后得到的图像与原始图像进行相加，从而实现对图像的锐化处理。（二）二阶微分锐化使用拉普拉斯算子来对图像的锐化处理，其原理是：离散拉普拉斯所用的滤波器掩膜,用H1(如下)与原图进行卷积，得到中心像素点与邻域像素点的差值。（三）一二阶混

5、合锐化混合空间增强是一种结合一阶和二阶微分的图像锐化处理的技术方法，混合空间增强法是综合了二者的长处的一种锐化方法。 （四）统计锐化统计锐化方法，主要利用标准差 以及 这两个公式实现对图像的锐化。1.2测试数据 图2.1 原图2图2.2 图片22 概要设计 2.1一阶锐化的实现一阶锐化的实现，利用Sobel算子进行运算，其中Sobel锐化算子计算公式如下： 其模板： 其原理图为： 原图A Sobel梯度提取图B 与原图A相加最终锐化后图像C图2.3 一阶流程图2.2二阶锐化的实现二阶微分锐化其算法为： 将其写成模板系数形式形式即为拉普拉斯算子：其原理图为：原图A 用H1与原图进行卷积图B 与原

6、图A相加最终锐化后图像C 图2.4 二阶流程图2.3一二阶混合锐化的实现一二阶混合锐化是通过利用Sobel算子和拉普拉斯算子经过一系列的变化实现锐化。一二阶混合锐化也是就混合空间增强法，它是综合了二者的长处的一种锐化方法。其原理图为：原图A原图A Sobel梯度提取图B 拉普拉斯锐化 领域平滑图D图C相乘图E 与原图A相加最后结果图像F图2.5 一二阶混合流程图2.4统计锐化的实现统计锐化是通过对一二阶锐化方法的改进所得到的图像。主要利用 （1）及 （2） 这两个公式实现对图像的锐化。其原理图为：原图A原图A 利用公式（1）进行梯度提取图B 利用（2）进行锐化 进行高斯平滑图D图C相乘图E 与

7、原图A相加最后结果图像F图2.6 统计锐化流程图3详细设计3.1一阶锐化的设计对于一阶锐化方法，有许多可以利用的算子，在实际的操作中，我们使用Sobel算子来描述二维的一阶差分。Sobel算子是一阶导数的边缘检测算子，在算法实现过程中，通过33模板作为核与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。采用33邻域可以避免在像素之间内插点上计算梯度。Sobel算子也是一种梯度幅值，即：其中的偏导数 和可用卷积模板来实现。通过Sobel算子对图像进行一阶提取后然后与原图像相加，从而实现一阶微分运算。代码如下：f = imread(2.jpg);figure(1);imshow(f)

8、;title(原图);imwrite(f,F:MATLABbin实验效果图一阶锐化原图.jpg);f1 = im2double(f); %把图像数据类型转换为double类型m,n=size(f);h2=1,0,-1;2,0,-2;1,0,-1;h3=-1,-2,-1;0,0,0;1,2,1;Sx=imfilter(f1,h2);Sy=imfilter(f1,h3);g1=size(m,n);for i=1:m for j=1:n g1(i,j)=sqrt(Sx(i,j)2+(Sy(i,j)2); endendk=0.3;%k=0.1;%k=0.6;%k=1;s=f1+k.*g1;figure

9、(2);imshow(s);title(Sobel算子相加后的结果);imwrite(s,F:MATLABbin实验效果图k=0.3时,一阶锐化图.jpg);%imwrite(s,F:MATLABbin实验效果图k=0.1时,一阶锐化图.jpg);%imwrite(s,F:MATLABbin实验效果图k=0.6时,一阶锐化图.jpg);%imwrite(s,F:MATLABbin实验效果图k=1时,一阶锐化图.jpg);3.2二阶锐化的设计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。由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的缓慢变化区域。因此

10、，锐化处理可选择拉普拉斯算子对原图像进行处理，产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性。如果邻域系统是4邻域，拉普拉斯算子的模板为：0-10-14-10-10如果邻域系统是8 邻域，拉普拉斯算子的模板为： -1-1-1-18-1-1-1-1代码如下：J=imread(图片2.jpg);m,n=size(J);I=double(J);M=I;for i=2:m-1 for j=2:n-1 M(i,j)=4*I(i,j)-I(i+1,j)+I(i-1,j)+I(i,j+1)+I(i,j-1); end;end;%

11、for i=3:m-2% for j=3:n-2% M(i,j)=8*I(i,j)-I(i-1,j-1)+I(i-1,j+1)+I(i+1,j)+I(i+1,j-1)+I(i+1,j+1)+I(i-1,j)+I(i,j+1)+I(i,j-1);% end;% end;s=uint8(M)+J;figure(1);imshow(J);title(原图);imwrite(J,F:MATLABbin实验效果图二阶锐化原图.jpg);figure(2);imshow(s);title(锐化处理后的图);imwrite(s,F:MATLABbin实验效果图二阶(中心为4)锐化效果图.jpg);%imwr

12、ite(s,F:MATLABbin实验效果图二阶(中心为8)锐化效果图.jpg);3.3一二阶混合锐化的设计一二阶混合锐化是对问题一和问题二的结合，主要通过以下几个步骤实现：（1） 利用Sobel算子对原始图像进行一阶梯度提取，得到图B；（2） 对图B做领域均值平滑，得到图C；（3） 利用拉普拉斯算子（邻域系统是4）对原始图像进行锐化，得到图D；（4） 图C和图D进行相乘，得到图E；（5） 图E与原始图像相加，得到图F；（6） 最后对图F进行亮度和灰度的调整，得到最终图像。代码如下：f = imread(图片2.jpg);m,n=size(f);subplot(121);imshow(f);t

13、itle(原始图像);imwrite(f,F:MATLABbin实验效果图一二阶混合锐化原图.jpg);f1 = im2double(f); %把图像数据类型转换为double类型h2=1,0,-1;2,0,-2;1,0,-1;h3=-1,-2,-1;0,0,0;1,2,1;Sx=imfilter(f1,h2);Sy=imfilter(f1,h3);g1=size(m,n);for i=1:m for j=1:n g1(i,j)=sqrt(Sx(i,j)2+(Sy(i,j)2); endendsubplot(122);imshow(g1);title(用Sobel算子处理后的梯度图像);imw

14、rite(g1,F:MATLABbin实验效果图一二阶混合Sobel处理后的梯度图像.jpg); g2=zeros(m,n);for x=2:m-1 for y=2:n-1 for a=-1:1 for b=-1:1 g2(x,y)=(g2(x,y)+g1(x+a,y+b)/9; end end endend% g2=zeros(m,n);% for x=3:m-2% for y=3:n-2% for a=-2:2% for b=-2:2% g2(x,y)=(g2(x,y)+g1(x+a,y+b)/25;% end% end% end% endfor c=1:m for d=1:n g2(c,

15、1)=g1(c,1); g2(1,d)=g1(1,d); endendfigure(2);subplot(121);imshow(g2);title(领域均值平滑后的Sobel图像);imwrite(g2,F:MATLABbin实验效果图一二阶混合领域均值平滑(3)后的图像.jpg); %imwrite(g2,F:MATLABbin实验效果图一二阶混合领域均值平滑(5)后的图像.jpg);h3=0,-1,0;-1,4,-1;0,-1,0; g3 =imfilter(f1,h3);subplot(122);imshow(g3);title(拉普拉斯变换后的图像);imwrite(g3,F:MAT

16、LABbin实验效果图一二阶混合拉普拉斯变换后的图像.jpg); g4 = g3+f1; figure(3);subplot(121);imshow(g4)title(相加后得到的锐化图像);imwrite(g4,F:MATLABbin实验效果图一二阶混合相加后得到的锐化图像.jpg); g5 = g4.* g2;subplot(122);imshow(g5);title(相乘后形成的掩蔽图像);imwrite(g5,F:MATLABbin实验效果图一二阶混合相乘后形成的掩蔽图像.jpg); g6 = g5+f1;figure(4);subplot(121);imshow(g6);title(

17、原图与掩蔽图像之和的到的图像);imwrite(g6,F:MATLABbin实验效果图一二阶混合原图与掩蔽图像之和的图像.jpg); gamma = 2;c = 1.8;g7 = c.*g6.gamma;subplot(122);imshow(g7);title(最后得到的图像);imwrite(g7,F:MATLABbin实验效果图一二阶混合最后得到的图像.jpg); 3.4统计锐化的设计统计锐化是对问题三的改进所得，主要通过以下几个步骤实现：（1） 利用 对原始图像进行一阶梯度提取，得到图B；（2） 对图B做高斯平滑，得到图C；（3） 利用高频成分叠加法对原始图像进行锐化，得到图D；（4）

18、 图C和图D进行相乘，得到图E；（5） 图E与原始图像相加，得到图F；（6） 最后对图F进行亮度和灰度的调整，得到最终图像。代码如下：f = imread(图片2.jpg);subplot(121);imshow(f);title(原始图像);imwrite(f,F:MATLABbin实验效果图统计锐化原图.jpg);f1 = im2double(f);H,W=size(f);M=double(f);J=M;sum=0;s=0;for i=2:H-1 for j=2:W-1 for m =i-1:i+1 for n=j-1:j+1 sum=sum+M(m,n); end end avg=sum

19、/9; sum=0; for m =i-1:i+1 for n=j-1:j+1 s=s+(M(m,n)-avg).2); end end avg1=s/9; s=0; J(i,j)=sqrt(avg1); if(J(i,j)255) J(i,j)=255; end endendg11=uint8(J);subplot(122);imshow(g11);title(一阶微分提取);g1 = im2double(g11);imwrite(g11,F:MATLABbin实验效果图统计锐化一阶微分提取梯度图像.jpg); f11 = fspecial(gaussian,3 3,10); %高斯模板g2

20、2 = imfilter(g11,f11,same); % 滤波figure(2);subplot(121);imshow(g22);title(高斯平滑后的图像);g2 = im2double(g22);imwrite(g22,F:MATLABbin实验效果图统计锐化高斯平滑后的图像.jpg); H1,W1=size(f);M1=double(f);J1=M1;sum=0;%k=5;%k=1;%k=10;k=15;for i=2:H1-1 for j=2:W1-1 for m =i-1:i+1 for n=j-1:j+1 sum=sum+M1(m,n); end end avg=sum/9;

21、 sum=0; J1(i,j)=k.*(J1(i,j)-avg); if(J1(i,j)255) J1(i,j)=255; end endendg33=uint8(J1);subplot(122);imshow(g33);title(高频成分叠加法后的图像);g3 = im2double(g33);%imwrite(g33,F:MATLABbin实验效果图统计锐化高频成分叠加法后的图像(k为5).jpg); %imwrite(g33,F:MATLABbin实验效果图统计锐化高频成分叠加法后的图像(k为1).jpg); %imwrite(g33,F:MATLABbin实验效果图统计锐化高频成分叠

22、加法后的图像(k为10).jpg); imwrite(g33,F:MATLABbin实验效果图统计锐化高频成分叠加法后的图像(k为15).jpg); g4 = g3+f1; figure(3);subplot(121);imshow(g4)title(高频成分叠加法后的锐化图像);imwrite(g4,F:MATLABbin实验效果图统计锐化高频成分叠加法后的锐化图像.jpg); g5 = g4.*g2;subplot(122);imshow(g5);title(相乘后形成的掩蔽图像);imwrite(g5,F:MATLABbin实验效果图统计锐化相乘后形成的掩蔽图像.jpg); g6 = g

23、5+f1;figure(4);subplot(121);imshow(g6);title(原图与掩蔽图像之和的到的图像);imwrite(g6,F:MATLABbin实验效果图统计锐化原图与掩蔽图像之和的到的图像.jpg); gamma = 2;c = 1.8;g7 = c.*g6.gamma;figure(4);subplot(122);imshow(g7);title(最后得到的图像);imwrite(g7,F:MATLABbin实验效果图统计锐化最后得到的图像.jpg); 4 调试分析4.1 一阶锐化调试调试试分析：不同的算子得到的最后结果图像不同，其中Sobel算子得到的锐化图像对变化

24、区域（边缘）的变化描述较好，当其中k取值不同时，得到的效果不一样。其效果图如下：图4.1原图2当k=0.1时：图4.2 锐化后图像当k=0.3时：图4.3 锐化后图像当k=0.6时：图4.4 锐化后图像当k=1时：图4.5 一阶锐化后图像4.2 二阶锐化调试调试分析：拉普拉斯微分算子所提取出的细节较一阶微分算子提出的细节多，表明了拉普拉斯算子在对图像细节更加敏感。对于拉普拉斯微分算子邻域系统不同，最后所得到的锐化图像效果不同。其效果图如下：图4.6 目标图像图4.7 二阶锐化后图像（中心为4）图4.8 二阶锐化后图像（中心为8）4.3 一二阶混合锐化调试调试试分析：一二阶混合锐化综合了二者的长

25、处的一种锐化方法，所得到的最后效果比一阶、二阶的效果都要好，但是其最后结果图不太稳定。在进行领域均值平滑时，利用33的模板与利用55的模板所得到的平滑图像效果不同。其效果图如下：图4.9 原始图像图4.10 Sobel梯度提取图像图4.11 平滑图像（33）图4.12 拉普拉斯图像图4.13 锐化图像 图4.14 掩蔽图像图4.15 相加得到的图像图4.16 最后得到的图像33的模板与利用55的模板所得到的平滑图像的比较：图4.17 33平滑图像图4.18 55平滑图像最后结果图不太稳定，其线条有点弯曲，效果如下：图4.19 最后局部图像4.4 统计锐化调试调试的分析：对于高频成分叠加法，公式

26、（2）中，k的取值不同，会导致其提取的图像效果不同，但是总的来说对最后效果图的影响不大。总的来说，统计锐化方法比一二阶混合锐化方法要稳定一些。其效果图如下所示：图4.20 原始图像图4.21 梯度提取图像图4.22 高斯平滑图像 图4.23 高频成分叠加法后的提取图像图4.24 高频成分叠加法后的锐化图像 图4.25 掩蔽图像图4.26 相加得到的图像图4.27 最后得到的图像当k的值取值不同时，其提取效果图为：k=1时：图4.28 提取图像k=5时：图4.29 提取图像k=10为：图4.30 提取图像k=15为：图4.31 提取图像最后结果图的局部效果如下：图4.32 最后局部图像从图4.19和图4.31的比较可以看出，统计锐化方法比一二阶混合锐化方法要稳定一些。5用户使用说明本系统主要是用微分算子来实现图像的锐化，在该程序实现的过程中，主要的实现步骤有： 1、选取目标图像；2、实现用一阶微分算子对图像的锐化（用Sobel微分算子）；3、实现用二阶微分算子对图像的锐化（用拉普拉斯微分算子）；4、实现用一二阶混合对图像的锐化；5、实现用统计锐化对图像的锐化；6测试结果经过上述测试，对于本次的课程设计要求的几个方法实现图像的锐化都能够基本完成，从其中也能够看出这几个锐化方法的优缺点以及这四个方法实现锐化的强弱。总的来说，这次的编程能够较清楚地实现几个方法对图像的锐化，符合本次