基于MATLAB的圖像銳化算法研究

1、中北大學(xué)課 程 設(shè) 計 說 明 書 學(xué) 院： 信息商務(wù)學(xué)院 專 業(yè)： 電子信息工程 題 目： 信息處理綜合實踐: 基于MATLAB的圖像銳化算法研究指導(dǎo)教師： 陳平 職稱: 副教授 2013 年 12 月 15 日 中北大學(xué)課程設(shè)計任務(wù)書 13/14 學(xué)年第 一 學(xué)期學(xué) 院： 信息商務(wù)學(xué)院 專 業(yè)： 電子信息工程 課程設(shè)計題目：信息處理綜合實踐: 基于MATLAB的圖像銳化算法研究起 迄 日 期： 2013年12月16日2013年12月27日課程設(shè)計地點： 電子信息科學(xué)與技術(shù)專業(yè)實驗室 指 導(dǎo) 教 師： 陳 平 系 主 任： 王浩全 下達任務(wù)書日期: 2013 年12月 15 日課 程 設(shè) 計

2、 任 務(wù) 書1設(shè)計目的：1、通過本課程設(shè)計的學(xué)習(xí)，學(xué)生將復(fù)習(xí)所學(xué)的專業(yè)知識，使課堂學(xué)習(xí)的理論知識應(yīng)用于實踐，通過本課程設(shè)計的實踐使學(xué)生具有一定的實踐操作能力；2、掌握Matlab使用方法，能熟練運用該軟件設(shè)計并完成相應(yīng)的信息處理；3、通過圖像處理實踐的課程設(shè)計，掌握設(shè)計圖像處理軟件系統(tǒng)的思維方法和基本開發(fā)過程。2設(shè)計內(nèi)容和要求（包括原始數(shù)據(jù)、技術(shù)參數(shù)、條件、設(shè)計要求等）：(1)基于理想高通濾波器的圖像銳化；(2)基于高斯高通濾波器的圖像銳化；(3)基于高提升濾波的圖像銳化；（4）通過采用有針對性的圖像的，對比分析上述三種銳化算法的結(jié)果(5)要求每位學(xué)生進行查閱相關(guān)資料，并寫出自己的報告。注意每

3、個學(xué)生的報告要有所側(cè)重，寫出自己所做的內(nèi)容。3設(shè)計工作任務(wù)及工作量的要求包括課程設(shè)計計算說明書(論文)、圖紙、實物樣品等：每個同學(xué)獨立完成自己的任務(wù)，每人寫一份設(shè)計報告，在課程設(shè)計論文中寫明自己設(shè)計的部分，給出設(shè)計結(jié)果。課 程 設(shè) 計 任 務(wù) 書4主要參考文獻：1. 阮秋琦等.數(shù)字圖像處理（第三版）.北京：電子工業(yè)出版社.20112. 岡薩雷斯等.數(shù)字圖像處理（MATLAB版）.北京：電子工業(yè)出版社.20013. 楊杰等.數(shù)字圖像處理及MATLAB實現(xiàn)：學(xué)習(xí)與實驗指導(dǎo).北京：電子工業(yè)出版社.20104. 劉衛(wèi)國等.MATLAB程序設(shè)計與應(yīng)用.北京：高等教育出版社.20065. 許國根等.模式識

4、別與智能計算的MATLAB實現(xiàn).北京：北京航空航天大學(xué)出版社.20125設(shè)計成果形式及要求：畢業(yè)設(shè)計說明書仿真結(jié)果6工作計劃及進度：2013年12月16日 12月19日：查資料；12月19日 12月24日：在指導(dǎo)教師指導(dǎo)下設(shè)計方案；12月25日 12月27日：撰寫課程設(shè)計說明書； 12月27日：答辯系主任審查意見： 簽字： 月 日目 錄1 緒論11.1 MATLAB簡介11.2 MATLAB對圖像處理的特點11.3 圖像銳化概述21.4 圖像銳化處理的現(xiàn)狀和研究方法22 設(shè)計目的23 設(shè)計內(nèi)容和要求24 總體設(shè)計方案分析25 主要算法及程序45.1 理想高通濾波器銳化程序45.2 高斯高通濾波

5、器銳化程序55.3 高提升濾波器銳化程序66 算法結(jié)果及比較分析86.1 理想高通濾波器銳化結(jié)果86.2 高斯高通濾波器銳化結(jié)果96.3 高提升濾波器銳化結(jié)果106.4 算法結(jié)果比較分析117 設(shè)計評述11參考文獻121 緒論數(shù)字圖像處理（DigitalImageProcessing）又稱為計算機圖像處理，它最早出現(xiàn)于20世紀50年代，當時的電子計算機已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀60年代初期。圖像處理的基本目的是改善圖像的質(zhì)量。它以人為對象，改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖

6、像，常見的圖像處理方法有圖像增強、復(fù)原、編碼、壓縮等。圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，屬于這些領(lǐng)域的有航空航天。生物醫(yī)學(xué)工程、工業(yè)檢測、公安司法、軍事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注意、前景遠大的新型科學(xué)。隨著圖像處理技術(shù)的深入發(fā)展，隨著計算機技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理更高、更深層次發(fā)展。1.1 MATLAB簡介 MATLAB全稱Matrix Laboratory（矩陣實驗室），最早初由美國Cleve Moler博士在20世紀70年代末講授矩陣理論和數(shù)據(jù)分析等課程時編寫的軟件包Linpack和Eispack組成。它用于數(shù)學(xué)、信

7、息工程、搖感、機械工程、計算機等專業(yè)。它的推廣得到各個領(lǐng)域?qū)＜业年P(guān)注，其強大的擴展功能為各個領(lǐng)域應(yīng)用提供了基礎(chǔ)，各個領(lǐng)域的專家相繼推出MATLAB工具箱，而且工具箱還在不斷發(fā)展，借助于這些工具箱，各個層次的研究人員可直接、直觀、方便地進行工作，從而節(jié)省大量的時間。目前，MATLAB語言已經(jīng)成為科學(xué)計算、系統(tǒng)仿真、信號與圖像處理的主流軟件。本文主要從MATLAB圖像處理方面做應(yīng)用。1.2 MATLAB對圖像處理的特點MATLAB全稱MatrixLaboratory（矩陣實驗室），是一種主要用于矩陣數(shù)據(jù)值計算的軟件，因其在矩陣運算上的特點，使得MATLAB在處理圖像上具有獨特優(yōu)勢，理論上講，圖像是

8、一種二維的連續(xù)函數(shù)，而計算機在處理圖像數(shù)字時，首先必須對其在空間和亮度上進行數(shù)字化，這就是圖像的采樣個量化的過程。二維圖像均勻采樣，課得到一副離散化成NN樣本的數(shù)字圖像，該數(shù)字圖像是一個整數(shù)列陣，因而用矩陣來描述該數(shù)字圖像是最直觀最簡便的。1.3 圖像銳化概述 數(shù)字圖像處理中圖像銳化的目的有兩個：一是增強圖像的邊緣，使模糊的圖像變得清晰起來；這種模糊不是由于錯誤操作，就是特殊圖像獲取方法的固有影響。二是提取目標物體的邊界，對圖像進行分割，便于目標區(qū)域的識別等。通過圖像的銳化，使得圖像的質(zhì)量有所改變，產(chǎn)生更適合人觀察和識別的圖像。1.4 圖像銳化處理的現(xiàn)狀和研究方法數(shù)字圖像經(jīng)過轉(zhuǎn)換和傳輸后，難免

9、會產(chǎn)生模糊。圖像銳化的主要目的在于補償圖像邊緣輪廓、突出圖像的邊緣信息以使圖像顯得更為清晰，從而符合人類的觀察習(xí)慣。圖像銳化的實質(zhì)是增強原圖像的高頻分量。邊緣和輪廓一般位于灰度突變的地方，因此和自然地利用灰度差分提取出來。本次設(shè)計就是利用Matlab實現(xiàn)圖像銳化，具體的是利用Matlab基于理想高通濾波器的圖像銳化；基于高斯高通濾波器的圖像銳化；基于高提升濾波的圖像銳化的功能。2 設(shè)計目的通過本課程設(shè)計的學(xué)習(xí)，學(xué)生將復(fù)習(xí)所學(xué)的專業(yè)知識，使課堂學(xué)習(xí)的理論知識應(yīng)用于實踐，通過本課程設(shè)計的實踐使學(xué)生具有一定的實踐操作能力；掌握Matlab使用方法，能熟練運用該軟件設(shè)計并完成相應(yīng)的信息處理；通過圖像處

10、理實踐的課程設(shè)計，掌握設(shè)計圖像處理軟件系統(tǒng)的思維方法和基本開發(fā)過程。3 設(shè)計內(nèi)容和要求基于理想高通濾波器的圖像銳化；基于高斯高通濾波器的圖像銳化；基于高提升濾波的圖像銳化；通過采用有針對性的圖像的，對比分析上述三種銳化算法的結(jié)果要求每位學(xué)生進行查閱相關(guān)資料，并寫出自己的報告。注意每個學(xué)生的報告要有所側(cè)重，寫出自己所做的內(nèi)容。4 總體設(shè)計方案分析 圖像的邊緣、細節(jié)主要位于高頻部分，而圖像的模糊是由于高頻成分比較弱產(chǎn)生的。頻率域銳化就是為了消除模糊，突出邊緣。因此采用高通濾波器讓高頻成分通過，使低頻成分削弱，再經(jīng)逆傅立葉變換得到邊緣銳化的圖像。高通濾波器的濾波效果町以用原始圖像減去低通濾波圖像后得

11、到。也可以將原始圖像乘以一個放大系數(shù)，然后再減去低通濾波圖像后得到高頻增強圖像。 理想高通濾波器（IHPF）傳遞函數(shù)為：,D0是指定非負數(shù)值，D（u，v）是（u，v）點距頻率中心的距離。如果要研究的圖像尺寸為MXN，則它的變換也有相同的尺寸。在半徑為D0的圓內(nèi)，所有頻率無衰減地通過濾波器，而在此半徑之外的所有頻率完全被衰減掉，對圓外的頻率成分則無損通過?？梢酝ㄟ^計算機模擬實現(xiàn)，但不可能用電子元器件實現(xiàn)（如圖4.1）。圖4.1 高斯高通濾波器傳遞函數(shù)為：,D（u，v）是距傅立葉變換中心原點的距離，D0是截止頻率。當D（u，v）=D0時，濾波器下降到它最大值的0.607倍處。由于高斯低通濾波器的傅

12、里葉反變換也是高斯的，這就是說通過公式的傅里葉反變換而得到的空間高斯濾波器將沒有振鈴。高斯低通濾波器的傅立葉變換也是高斯的（如圖4.2）。圖4.2高提升濾波一般用于使得圖片更加清晰。其步驟大致如下，首先將圖片模糊化，然后從原圖中，將其模糊形式去除。,從而得到圖像的反銳化掩蔽，然后用將其疊加至原圖上，從而使得圖像更清晰。,當k=1的時候，這個操作稱為反銳化掩蔽。當k1時候，這個操作稱為高提升濾波。其實，高提升濾波也是一種銳化濾波，其強調(diào)的也是圖像的邊緣部分。5 主要算法及程序5.1 理想高通濾波器銳化程序：（以D0=10為例）:I1=imread(123.jpg); figure(1); ims

13、how(I1);title(原圖); f=double(I1); % 轉(zhuǎn)換數(shù)據(jù)為雙精度型 g=fft2(f); % 進行二維傅里葉變換 g=fftshift(g); % 把快速傅里葉變換的DC組件移到光譜中心 M,N=size(g); d0=10; %cutoff frequency以10為例 m=fix(M/2); n=fix(N/2); for i=1:M for j=1:N d=sqrt(i-m)2+(j-n)2); if(d=d0) h=0; else h=1; end result(i,j)=h*g(i,j); endendresult=ifftshift(result); J1=i

14、fft2(result);J2=uint8(real(J1); figure(2); imshow(J2);title(IHPF濾波（d0=10)5.2 高斯高通濾波器銳化程序：（以D0=10為例）:I1=imread(123.jpg); figure(1); imshow(I1);title(原圖); f=double(I1); g=fft2(f); g=fftshift(g); M,N=size(g); d0=10; m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N d=sqrt(i-m)2+(j-n)2); h=exp(-(d.2)./(2*(d02);

15、 % gaussian filter transform result(i,j)=(1-h)*g(i,j); endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1); figure(2); imshow(J2);title(GHPF濾波(d0=10);5.3 高提升濾波器銳化程序：close all;clear all;close all;clear all;f = imread(123.jpg);f = mat2gray(f,0 255);w_Gaussian = fspecial(gaussian,3,3,1);g

16、_Gaussian = imfilter(f,w_Gaussian,conv,symmetric,same);g_mask = f - g_Gaussian;g_Unsharp = f + g_mask;g_hb = f + (4.5 * g_mask);f = mat2gray(f,0 1);figure();subplot(2,2,1);imshow(f,0 1);xlabel(a).Original Image);subplot(2,2,2);imshow(g_Gaussian,0 1);xlabel(b).Result of Gaussian Filter);subplot(2,2,3

17、);imshow(mat2gray(g_mask),0 1);xlabel(a).Unsharp Mask);subplot(2,2,4);imshow(g_hb,0 1);xlabel(b).Result of Highboots Filter);M,N = size(f);figure();%subplot(1,2,1);plot(1:N,f(77,1:N),r);axis(1,N,0,1),grid;axis square;xlabel(a).Original Image(77th column);ylabel(intensity level);figure();%subplot(1,2

18、,2);plot(1:N,f(77,1:N),r,1:N,g_Gaussian(77,1:N),-b);legend(Original,Result);axis(1,N,0,1),grid;axis square;xlabel(b).Result of gaussian filter(77th column);ylabel(intensity level);figure();%subplot(1,2,1);plot(1:N,g_mask(77,1:N);axis(1,N,-.1,.1),grid;axis square;xlabel(c).Result of gaussian filter (

19、77th column);ylabel(intensity level);figure();%subplot(1,2,2);plot(1:N,g_hb(77,1:N);axis(1,N,0,1.1),grid;axis square;6 算法結(jié)果及比較分析6.1 理想高通濾波器銳化結(jié)果： 圖6.11為原始圖片，圖6.12為經(jīng)過理想高通濾波器銳化后的圖片。 圖6.11圖6.126.2 高斯高通濾波器銳化結(jié)果： 圖6.13為原始圖片，圖6.14為經(jīng)過高斯高通濾波器銳化后的圖片。圖6.13圖6.146.3 高提升濾波器銳化結(jié)果： 圖6.15為原始圖片和經(jīng)過高提升濾波器銳化后的圖片，圖6.16為高提升濾波器的頻譜分析圖。圖6.15 圖6.166.4 算法結(jié)果比較分析理想高通濾波器濾波后的圖像無直流分量，但灰度的變化部分基本保留。高斯高通濾波器得到的結(jié)果比更為平滑，結(jié)果圖像中對于微小的物體（如斑點）和細條的過濾也是較為清晰的。高提升濾波既包含低頻分量，又包含增強了的高頻信息，圖像包含的信息更加豐富，對比度更強。且隨k值增大，圖像銳化增強效果越弱。7 設(shè)計評述圖像銳化(sharpening)和平滑恰恰相反，它是通過增強高頻分量來減少圖象中的模糊，因此又稱為高通濾波(highpassfilter)。銳化處理在增強圖象邊緣的同時增加了圖象的噪聲。在