第4章-2图像增强ppt课件

1、第四章 图像增强 1*第四章 图像增强4.1 概述和分类概述和分类 4.2 空域变换增强空域变换增强 4.3 空域滤波增强空域滤波增强 4.4 频域滤波增强频域滤波增强 4.5 彩色增强彩色增强主要内容第四章 图像增强 2*4.3 空域滤波增强空域滤波增强q空间滤波器空间滤波器q 平滑空间滤波器平滑空间滤波器q 锐化空间滤波器锐化空间滤波器q空间滤波和空间滤波器的定义空间滤波和空间滤波器的定义q使用空间模板进行的图像处理，被称为空使用空间模板进行的图像处理，被称为空间滤波。模板本身被称为空间滤波器间滤波。模板本身被称为空间滤波器第四章 图像增强 3*空域滤波 空域滤波就是在待处理的图像中逐点地

2、移动模板，对每个点，滤波器在该点的响应通过事先定义的关系来计算。 aaxbbytysxftswR),(),(第四章 图像增强 4*平滑空间滤波器平滑空间滤波器q平滑空间滤波器的作用平滑空间滤波器的作用q模糊处理模糊处理:去除图像中一些不重要的细节去除图像中一些不重要的细节q 减小噪声减小噪声q 平滑空间滤波器的分类平滑空间滤波器的分类q 线性滤波器：均值滤波器线性滤波器：均值滤波器q 非线性滤波器非线性滤波器q 最大值滤波器最大值滤波器q 中值滤波器中值滤波器q 最小值滤波器最小值滤波器第四章 图像增强 5*按统计特性来分：平稳噪声：其统计特性不随时间变化的噪声非平稳噪声：其统计特性随时间变化

3、的噪声噪声分类第四章 图像增强 6*按噪声和信号关系来分：加性噪声乘性噪声 第四章 图像增强 7*标准白噪声和高斯白噪声标准白噪声和高斯白噪声 标准白噪声：在频域上不存在信号能量突然变大标准白噪声：在频域上不存在信号能量突然变大的频带，在时域上也找不到信号能量突然变大的时的频带，在时域上也找不到信号能量突然变大的时间段，即它在频域和时域上的分布是一致的间段，即它在频域和时域上的分布是一致的 。功。功率谱密度在整个频域均匀的。如热噪声。是理想化率谱密度在整个频域均匀的。如热噪声。是理想化噪声模型，因为不可能有带宽无限宽的信号。噪声模型，因为不可能有带宽无限宽的信号。 幅度均值为零，方差为一常数。

4、幅度均值为零，方差为一常数。 高斯白噪声：它的幅度分布高斯白噪声：它的幅度分布(概率密度函数概率密度函数)服从服从高斯分布，而它的功率谱密度又是均匀分布的，则高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。称它为高斯白噪声。 热噪声和散粒噪声是高斯白噪声。热噪声和散粒噪声是高斯白噪声。第四章 图像增强 8*一维高斯白噪声N ( 0.0128, 0.9596 )第四章 图像增强 9*高斯噪声，均值高斯噪声，均值128128，均方，均方3030高斯噪声图直方图，均值128，均方30第四章 图像增强 10*噪声信号公式描述白噪声： 其功率谱密度函数为：n0为一常数，单位为W/HZ2)(

5、0nPn第四章 图像增强 11*高斯噪声： 高斯噪声信号的一维概率密度函数如右式。为噪声的数学期望值，也就是均值；为噪声的方差 。222exp21)(xxP第四章 图像增强 12*椒盐噪声Pepper and Salt ）：即黑图像的白点、白图像上的黑点，往往由图像中的孤立噪声点。 对图像的质量影响由椒盐噪声的强度。 Inoise = d*prod(size(I) d是强度，d=0.05第四章 图像增强 13*斑点噪声Speckle）：均匀分布的随机噪声 Inoise = I+n*I, n 是一个均匀分布的随机噪声均值为0，方差为Vv=0.04第四章 图像增强 14*5.1 5.1 均值滤波器

6、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模板中的全体像素的均值来替代原来的像素值的方法。方法。第四章 图像增强 15*5. 1 均值滤波器均值滤波器 11111111191H以模板运算系数表示即：以模板运算系数表示即：12143122345768957688567891214312234576895768856789344456678邻域运算邻域运算q 实现方式：模板卷积实现方式：模板卷积q 将模板在图中沿一定方向逐

7、点移动，并将模板中心与图将模板在图中沿一定方向逐点移动，并将模板中心与图中某个像素位置重合；中某个像素位置重合；q 将模板上系数与模板下对应像素相乘；将模板上系数与模板下对应像素相乘；q 将所有乘积相加；将所有乘积相加；q 将和模板的输出响应赋给图中对应模板中心位置的将和模板的输出响应赋给图中对应模板中心位置的像素。像素。q 模板的输出响应模板的输出响应S0S0为：为： S0 =k0s0+ k1s1 +.+ k8s8S0 =k0s0+ k1s1 +.+ k8s8第四章 图像增强 17*邻域运算的并行处理邻域运算的并行处理q 参与处理的像素参与处理的像素(x,y)的邻域，是原始图像的的邻域，是原

8、始图像的(x,y)像素的邻域。此邻域不包括已经处理过的像素的邻域。此邻域不包括已经处理过的像素。像素。q 例如在像素例如在像素s0的的33邻域中，通过邻域平均法邻域中，通过邻域平均法得到得到s0 值。在求值。在求s1的过程中，的过程中， s0被包含在它被包含在它的的33邻域中，此时在计算邻域中，此时在计算s1时是用时是用s0还是还是用用s0 值呢？这里我们规定用值呢？这里我们规定用s0值而不用值而不用s0 值，值，即：即：第四章 图像增强 18*q 处理的特点是：平滑过程不受操作顺序的影处理的特点是：平滑过程不受操作顺序的影响，这种处理方法称为并行处理。响，这种处理方法称为并行处理。q 如果参

9、与处理的像素的邻域，一部分是未经如果参与处理的像素的邻域，一部分是未经处理的像素原始图像的像素灰度值），而处理的像素原始图像的像素灰度值），而另一部分是已经处理的图像输出的像素，这另一部分是已经处理的图像输出的像素，这种处理方法称为串行处理。种处理方法称为串行处理。第四章 图像增强 19*例如：设图像中某一个区域为：例如：设图像中某一个区域为： 100100100100200100100100100 11111111191 100100100100111100100100100选取选取33模板模板结果结果第四章 图像增强 20*不同形式的平滑模板不同形式的平滑模板q 加权平均：认为在计算得到的

10、加权平均：认为在计算得到的e值中，值中，e应该有较大应该有较大的贡献，可采用加权平均处理的贡献，可采用加权平均处理q 可根据具体应用设计不同模板不同的加权平均）可根据具体应用设计不同模板不同的加权平均）q 模板内各系数和为模板内各系数和为1q 处理常数图像时，图像没有变化处理常数图像时，图像没有变化q 对一般图像处理后，整幅图像灰度的平均值保持不对一般图像处理后，整幅图像灰度的平均值保持不变。变。1/91/91/91/91/91/91/91/91/9adg2ebhcfi).2.(101iebae 第四章 图像增强 21*编程实现q 由于紧连原始图像边框的一行和一列不能进由于紧连原始图像边框的一

11、行和一列不能进行处理，故能进行平滑处理的像素是行处理，故能进行平滑处理的像素是N-2行行和和N-2列假定图像尺寸是列假定图像尺寸是NN)q 时刻注意平滑效果。即保证去掉颗粒噪声又时刻注意平滑效果。即保证去掉颗粒噪声又使图像不致模糊。否则需另求其他的平滑方使图像不致模糊。否则需另求其他的平滑方法。法。q 边界像素可设置为边界像素可设置为0或原灰度值。或原灰度值。第四章 图像增强 22*例1 平滑：邻域平均 6665546433232222 666555 . 454335 . 232222 6665525. 55 . 54375. 475. 432222 666555 . 43 . 44331 .

12、 332222 666556 . 46 . 4431 . 3332222 1. 121 111141 11111112191 121242121161模板越大，模板越大，图象越平图象越平滑滑 (2+2+2+3+2+3+4+6+4)/9=3.1 27/9=3 3 9 / 9 = 4 . 3 41/9=4.5加权平均，加权平均，离离P点越远，点越远，影响越小。影响越小。 第四章 图像增强 23*q 整幅图像的处理：采取从左至右，直到右部整幅图像的处理：采取从左至右，直到右部边缘。然后下移一行又从左至右再进行。边缘。然后下移一行又从左至右再进行。q 为考虑平滑效果，有时需要对图像进行两次为考虑平滑效

13、果，有时需要对图像进行两次或三次这样的操作。或三次这样的操作。q 问题：颗粒噪声得到平滑，但整幅图像变得问题：颗粒噪声得到平滑，但整幅图像变得模糊。模糊。q 缘由：因为图像对象的细节部分，也是灰度缘由：因为图像对象的细节部分，也是灰度有跳变的区域，当它们也得到平滑后，图像有跳变的区域，当它们也得到平滑后，图像自然变得模糊起来。自然变得模糊起来。q 解决方法：阈值法解决方法：阈值法第四章 图像增强 24*5.1 5.1 均值滤波器均值滤波器1111211111011H1212421211612H111101111813H0010041414141214H将以上的均值滤波器加以修正，可以得到加权平

14、均滤波。将以上的均值滤波器加以修正，可以得到加权平均滤波。表明一些像素更为重要。表明一些像素更为重要。第四章 图像增强 25*第四章 图像增强 26*提取感兴趣物体而模糊图像提取感兴趣物体而模糊图像第四章 图像增强 27*(a)(a)原图像原图像 (b) (b) 对对(a)(a)加椒盐噪声的图像加椒盐噪声的图像(c)3(c)33 3邻域平滑邻域平滑 (d) 5(d) 55 5邻域平滑邻域平滑 为克服平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等，下面简要介绍几种算法。第四章 图像增强 28*4.

15、2.2 4.2.2 超限像素平滑法超限像素平滑法 对邻域平均法稍加改进，可导出超限像素平滑法。它对邻域平均法稍加改进，可导出超限像素平滑法。它是将是将f(x,y)f(x,y)和邻域平均和邻域平均g(x,y)g(x,y)差的绝对值与选定的阈值进差的绝对值与选定的阈值进行比较，根据比较结果决定点行比较，根据比较结果决定点x,yx,y的最后灰度的最后灰度g g (x,y)(x,y)。其表达式为其表达式为 这算法对抑制椒盐噪声比较有效，对保护仅有微小灰这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，

16、但模糊程度也大。增强，但模糊程度也大。 同局部平滑法相比，超限像元平同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。滑法去椒盐噪声效果更好。第四章 图像增强 29*(a)原图像 (b)对(a)加椒盐噪声的图像(c)33邻域平滑 (d) 55邻域平滑(e)33超限像素平滑(T=64)(f)55超限像素平滑(T=48)第四章 图像增强 30*模板处理示意图模板处理示意图模板模板 原图原图模板操作后图象为模板操作后图象为x表示边界上无法进行模板操作的点，通常的做法是复制表示边界上无法进行模板操作的点，通常的做法是复制原图的灰度，不进行任何处理。模板操作实现了一种邻域原图的灰度，不进行任何处理。模

17、板操作实现了一种邻域运算运算(Neighborhood Operation)，即，某个像素点的结果，即，某个像素点的结果不仅和本像素灰度有关，而且和其邻域点的值有关。不仅和本像素灰度有关，而且和其邻域点的值有关。第四章 图像增强 31*for x =1:3 for y =1:4 for m=1:2 for n=1:2 g(x,y) = g(x,y)+f(x+m-1, y+n-1)*h(m,n); end end endend第四章 图像增强 32*统计排序滤波器统计排序滤波器q什么是统计排序滤波器？什么是统计排序滤波器？q 是一种非线性滤波器是一种非线性滤波器q 基于滤波器所在图像区域中像素的

18、排序，由基于滤波器所在图像区域中像素的排序，由q排序结果决定的值代替中心像素的值排序结果决定的值代替中心像素的值q 分类分类q 中值滤波器：中值滤波器： 用像素领域内的中间值代替该像用像素领域内的中间值代替该像素素q 最大值滤波器：用像素领域内的最大值代替该像最大值滤波器：用像素领域内的最大值代替该像素素q 最小值滤波器：用像素领域内的最小值代替该像最小值滤波器：用像素领域内的最小值代替该像素素第四章 图像增强 33*统计排序滤波器统计排序滤波器q中值滤波器中值滤波器q 主要用途：去除噪声主要用途：去除噪声q 计算公式：计算公式：R = mid zk | k = 1,2,nq 最大值滤波器最大

19、值滤波器q 主要用途：寻找最亮点主要用途：寻找最亮点q 计算公式：计算公式：R = max zk | k = 1,2,nq最小值滤波器最小值滤波器q 主要用途：寻找最暗点主要用途：寻找最暗点q 计算公式：计算公式：R = min zk | k = 1,2,n第四章 图像增强 34*5.2 5.2 中值滤波器中值滤波器1. 中值滤波的设计思想：中值滤波的设计思想： 因为噪声的出现，使该点像素比周围的因为噪声的出现，使该点像素比周围的像素亮暗许多，像素亮暗许多， 给出滤波用的模板，给出滤波用的模板，如下图所示是一个一维的模板，对模板如下图所示是一个一维的模板，对模板中的像素值由小到大排列，最终待处

20、理中的像素值由小到大排列，最终待处理像素的灰度取这个模板中的灰度的中值。像素的灰度取这个模板中的灰度的中值。m-2m-1mm+1m+2第四章 图像增强 35*取N=3中值滤波去除噪声中值滤波去除噪声1201102009080200显然是个噪声。显然是个噪声。第四章 图像增强 36*取取N=3中值滤波去除噪声中值滤波去除噪声1201102009080200显然是个噪声。80第四章 图像增强 37*80取取N=3中值滤波去除噪声中值滤波去除噪声1201102009080200200显然是个噪声。显然是个噪声。9080第四章 图像增强 38*取取N=3中值滤波去除噪声中值滤波去除噪声12011020

21、09080200200显然是个噪声。显然是个噪声。11090809080第四章 图像增强 39*1201109080取取N=3N=3中值滤波去除噪声中值滤波去除噪声1201102009080200显然是个噪声。第四章 图像增强 40*取取N=3N=3中值滤波去除噪声中值滤波去除噪声1201102009080200显然是个噪声。110908012011090801201201109080滤波后，200被去除。第四章 图像增强 41*5.2 5.2 中值滤波器中值滤波器2. 二维中值滤波：二维中值滤波： 与均值滤波类似，做与均值滤波类似，做3*3的模板，对的模板，对9个个数排序，取第数排序，取第5

22、个数替代原来的像素值。个数替代原来的像素值。对对同值像素，连续排。如10,15,20,20,20,20,20,25,100）第四章 图像增强 42*取33窗口中值滤波法中值滤波法207205208201202206198200212207205208201205206198200212212208207206205202201200198从小到大排列，取中间值从小到大排列，取中间值第四章 图像增强 43*5.2 5.2 中值滤波器中值滤波器例：例：12143122345768957688567891214312234576895768856789234566678第四章 图像增强 44* 中值

23、滤波对持续期小于窗宽N=5的1/2的脉冲将进行抑制-阶跃第四章 图像增强 45* 中值滤波对持续期小于窗宽N=5的1/2的脉冲将进行抑制-斜坡第四章 图像增强 46* 中值滤波对持续期小于窗宽N=5的1/2的脉冲将进行抑制-单脉冲第四章 图像增强 47* 中值滤波对持续期小于窗宽N=5的1/2的脉冲将进行抑制-双脉冲第四章 图像增强 48* 中值滤波对持续期小于窗宽N=5的1/2的脉冲将进行抑制-三脉冲第四章 图像增强 49* 中值滤波对持续期小于窗宽N=5的1/2的脉冲将进行抑制-三角形第四章 图像增强 50*例例 中值滤波和平均滤波示例中值滤波和平均滤波示例第四章 图像增强 51*结论结论

24、q 中值滤波器不影响阶跃函数、斜坡函数中值滤波器不影响阶跃函数、斜坡函数q 对某些特定的输入信号，如在窗口对某些特定的输入信号，如在窗口2n+12n+1内单调内单调增加或单调减少的序列，中值滤波输出信号仍增加或单调减少的序列，中值滤波输出信号仍保持输入信号不变，即保持输入信号不变，即.iiniininiinifyffffff 则则或或n周期小于周期小于m/2m/2窗口之半的脉冲受到抑制窗口之半的脉冲受到抑制n三角函数的顶部变平三角函数的顶部变平第四章 图像增强 52*中值滤波器中值滤波器q中值滤波算法的特点中值滤波算法的特点q在去除噪音的同时，可以比较好地保在去除噪音的同时，可以比较好地保q留

25、边的锐度和图像的细节优于均值滤波留边的锐度和图像的细节优于均值滤波器）器）q能够有效去除脉冲噪声：以黑白点叠能够有效去除脉冲噪声：以黑白点叠q加在图像上加在图像上第四章 图像增强 53*第四章 图像增强 54*最大值滤波器最大值滤波器第四章 图像增强 55*最小值滤波器最小值滤波器第四章 图像增强 56*锐化滤波主要用对增强图像的边缘及灰度跳变部分主要用对增强图像的边缘及灰度跳变部分邻域平均方法积分过程结果使图像的边缘模糊邻域平均方法积分过程结果使图像的边缘模糊锐化方法微分过程结果使图像的边缘突出锐化方法微分过程结果使图像的边缘突出留意：留意：噪声的噪声的影响影响先去噪，再锐化操作先去噪，再锐

26、化操作第四章 图像增强 57*图象锐化目的：加强图象轮廓，使图象看起来比较清晰空间域：空间域：模糊：平均或积分运算模糊：平均或积分运算锐化：差分或微分运算锐化：差分或微分运算频率域：频率域： 模糊：低通滤波模糊：低通滤波 锐化：高通滤波锐化：高通滤波图像锐化图像锐化第四章 图像增强 58* 考察正弦函数 ，它的微分 。微分后频率不变，幅度上升2a倍。ax2sinaxa2cos2 空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图象轮廓变清晰。 4.4.1 微分法微分法第四章 图像增强 59* 最常用的微分方法是梯度法。设图象函数为f (x,y)，它的梯度 (Gradient

27、)是一个向量，定义为：yfxfyxf),(G1.1.梯度法梯度法微分锐化中微分锐化中常用的方法常用的方法（1梯度的方向是在函数梯度的方向是在函数f(x,y)最大变化率方向上最大变化率方向上2梯度的幅度用梯度的幅度用Gf(x,y)表示：表示：第四章 图像增强 60* 在(x,y)点处的梯度，方向是f (x,y)在这点变化率最大的方向，而其长度记Gf (x,y)）则等于f (x,y) 的最大变化率，即2122),(yfxfyxfG第四章 图像增强 61* 为方便起见，以后把梯度长度也简称为为方便起见，以后把梯度长度也简称为梯度。梯度。 对数字图象，用差分来近似微分。对数字图象，用差分来近似微分。

28、两种常用差分算法两种常用差分算法 (1) 水平垂直差分水平垂直差分 2122) 1,(),(), 1(),(),(yxfyxfyxfyxfyxfG第四章 图像增强 62*(2) 罗伯茨Roberts梯度算法 2122) 1,(), 1() 1, 1(),(),(yxfyxfyxfyxfyxfG), 1() 1,(),(yxfyxfyxf) 1, 1(), 1() 1,(),(yxfyxfyxfyxf第四章 图像增强 63* 上述二算法运算较费时。为更适合计算机实现，采用绝对差分算法：) 1,(),(), 1(),(),(yxfyxfyxfyxfyxfG) 1,(), 1() 1, 1(),()

29、,(yxfyxfyxfyxfyxfG及第四章 图像增强 64*微分滤波器模板系数设计微分滤波器模板系数设计第四章 图像增强 65*第四章 图像增强 66* 某象素上的梯度值是该象素与相邻象素的某象素上的梯度值是该象素与相邻象素的灰度差值的单调递增函数。灰度差值的单调递增函数。图象轮廓上，象素灰度有陡然变化，梯度值图象轮廓上，象素灰度有陡然变化，梯度值很大。很大。图象灰度变化平缓区域，梯度值很小。图象灰度变化平缓区域，梯度值很小。等灰度区域，梯度值为零。等灰度区域，梯度值为零。第四章 图像增强 67*(a) (a) 二值图像二值图像(b) (b) 梯度运算结果梯度运算结果 图像梯度锐化结果第四章

30、 图像增强 68* 一旦计算梯度的算法确定，有许多方法使图象轮廓突出。 轮廓比较突出，灰度平缓变化部轮廓比较突出，灰度平缓变化部分，梯度小，很黑。分，梯度小，很黑。),(),(yxfGyxg(1) 第四章 图像增强 69* T：门限值、阈值：门限值、阈值(threshold)，非负，非负。适当选择。适当选择T ，既突出轮廓，又不破，既突出轮廓，又不破坏背景。坏背景。(2) 背景保留elseyxfTyxfGyxfGyxg),(),(),(),(第四章 图像增强 70* LG：指定的轮廓灰度值。(3)背景保留，轮廓取单一灰度值。elseyxfTyxfGLyxgG),(),(),(第四章 图像增强

31、71* LB：指定的背景灰度值。(4) 轮廓保留，背景取单一灰度值。轮廓保留，背景取单一灰度值。elseLTyxfGyxfGyxgB),(),(),(第四章 图像增强 72* LG：指定的轮廓灰度值。 LB：指定的背景灰度值。(5) 轮廓、背景分别取单一灰度值，即二值化。只对轮廓感兴趣。elseLTyxfGLyxgBG),(),(第四章 图像增强 73*(a) (a) 原图原图(b) (b) 交叉梯度交叉梯度(c) (c) 直角梯度直角梯度第四章 图像增强 74*梯度算子梯度算子q微分滤波器模板系数设计微分滤波器模板系数设计qRoberts交叉梯度算子交叉梯度算子qPrewitt梯度算子梯度算

32、子qSobel梯度算子梯度算子第四章 图像增强 75*微分滤波器模板系数设计微分滤波器模板系数设计第四章 图像增强 76*2. Sobel算子采用梯度微分锐化图像，同样使噪声、条纹等得到增强，Soble算子则在一定程度上克服了这个问题，Sobel算子法的基本原理是：假设有一个33的图像窗口，如下图，将按下述算法变换图像的灰度，变换后图像f(i,j)的灰度值由下式给出。第四章 图像增强 77*微分滤波器模板系数设计微分滤波器模板系数设计第四章 图像增强 78* Sobel算子图像坐标f(i,j)f(i,j+1)f(i+1,j)f(i+1,j+1)f(i-1,j)f(i,j-1)f(i+1,j-1

33、)f(i-1,j+1)f(i-1,j-1)第四章 图像增强 79*22yxSSg)1, 1(), 1(2) 1, 1()1, 1(), 1(2) 1, 1(jifjifjifjifjifjifSx)1, 1() 1,(2) 1, 1()1, 1() 1,(2) 1, 1(jifjifjifjifjifjifSyyxSSg第四章 图像增强 80*一、单方向的一阶梯度算法(浮雕效果) 1. 水平方向的锐化121000121H第四章 图像增强 81*一阶微分算法一阶微分算法例：1232121262308761278623269000000-3-13-2000-6-13-1300 1 12 50000

34、001+2*2+3-3-2*0-8=-3第四章 图像增强 82*一阶微分算法一阶微分算法2. 2. 垂直方向的锐化垂直方向的锐化101202101H第四章 图像增强 83*(a) (a) 原图原图(b) (b) 梯度法梯度法(c) Sobel(c) Sobel算子算子第四章 图像增强 84*优点：优点： （1由于引入了平均因素，因而对图由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用。像中的随机噪声有一定的平滑作用。（2由于它是相隔两行或两列之差分，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，故边缘显故边缘两侧之元素得到了增强，故边缘显得粗而亮。得粗而亮。第四章 图像增

35、强 85*实例Sobel算子算子Roberts算子算子Prewitt算子算子原图原图直接求梯度图直接求梯度图第四章 图像增强 86*拉普拉斯算子拉普拉斯算子第四章 图像增强 87*锐化滤波器-拉普拉斯算子法 ) 1, 1() 1, 1() 1, 1() 1, 1(),(2yxfyxfyxfyxfyxf),(8)1,() 1,(), 1(), 1(yxfyxfyxfyxfyxf第四章 图像增强 88*第四章 图像增强 89*拉普拉斯变换图像增强拉普拉斯变换图像增强q拉普拉斯变换对图像增强的基本方法(1)用于拉普拉斯模板中心系数为负(2)用于拉普拉斯模板中心系数为正第四章 图像增强 90*q如果图

36、像的模糊是由扩散现象引起的如果图像的模糊是由扩散现象引起的如胶片颗粒化学扩散，光点散射），如胶片颗粒化学扩散，光点散射），则锐化后的图像则锐化后的图像g g为为fkfg2第四章 图像增强 91*),(2), 1(), 1(), 1(),(),(), 1(),(), 1(),(22jifjifjifjifjifjifjifjifjifxyxfxx),(2) 1,() 1,(,22jifjifjifyyxf第四章 图像增强 92*),() 1,() 1,(), 1(), 1(51),(5,41,1, 1, 1),(),(22222jifjifjifjifjifjifjifjifjifjifjify

37、yxfxyxff第四章 图像增强 93*1,1, 1, 1), (5), (), (), (2jifjifjifjifjifjifjifjig 可见数字图像在(i,j)点的拉普拉斯算子，可以由i,j点灰度级值减去该点邻域平均灰度级值来求得。当k=1时，拉普拉斯锐化后的图像为 第四章 图像增强 94*单一掩模的一次扫描来实现010151010H第四章 图像增强 95*使用复合拉普拉斯掩模的图像增强使用复合拉普拉斯掩模的图像增强第四章 图像增强 96*例例1 1，设有一数字图像，设有一数字图像f(i,j)=1f(i,j)=1n n，其各，其各点的灰度级值如下所列：点的灰度级值如下所列：，0 0，0 0，0 0，1 1，2 2，3 3，4 4，5 5，5 5，5 5，5 5，5 5，5 5，6 6，6 6，6 6，6 6，6 6，6 6，3 3，3 3，3 3，3 3，3 3，。计算及锐化后的各点灰度级值计算及锐化后的各点灰度级值g (g (设设k=1)k=1)。第四章 图像增强 97*q拉氏锐化的输出图像拉氏