灰度圖像空間域圖像銳化處理

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè) 一、設(shè)計(jì)目的：MATLAB全稱是MatrixLaboratory(矩陣實(shí)驗(yàn)室)，一開始它是一種專門用于矩陣數(shù)計(jì)算的軟件，從這一點(diǎn)上也可以看出，它在矩陣運(yùn)算上有自己獨(dú)特的特點(diǎn)。實(shí)際運(yùn)用中MATLAB中的絕大多數(shù)的運(yùn)算都是通過矩陣這一形式進(jìn)行的，這一特點(diǎn)決定了MATLAB在處理數(shù)字圖像上的獨(dú)特優(yōu)勢(shì)。理論上講，圖像是一種二維的連續(xù)函數(shù)，然而計(jì)算機(jī)對(duì)圖像進(jìn)行數(shù)字處理時(shí)，首先必須對(duì)其在空間和亮度上進(jìn)行數(shù)字化，這就是圖像的采樣和量化的過程。二維圖像均勻采樣，可得到一幅離散化成MN

2、樣本的數(shù)字圖像，該數(shù)字圖像是一個(gè)整數(shù)陣列，因而用矩陣來描述該數(shù)字圖像是最直觀最簡(jiǎn)便的。而MATLAB的長(zhǎng)處就是處理矩陣運(yùn)算，因此用MATLAB處理數(shù)字圖像非常的方便。MATLAB支持五種圖像類型，即索引圖像、灰度圖像、二值圖像、RGB圖像和多幀圖像陣列；支持BMP，GIF，HDF，JPEG，PCX，PNG， XWD，CUR，ICO等圖像文件格式的讀、寫和顯示。MATLAB對(duì)圖像的處理功能主要集中在它的圖像處理工具箱(Image Processing Toolbox)中。圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成，可以進(jìn)行諸如幾何操作、線性濾波和濾波器設(shè)計(jì)、圖像變換、圖像分析與圖像增強(qiáng)、

3、二值圖像操作以及形態(tài)學(xué)處理等圖像處理操作口 。數(shù)字圖像處理中圖像銳化的目的有兩個(gè)：一是增強(qiáng)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(cuò)誤操作，就是特殊圖像獲取方法的固有影響。二是提取目標(biāo)物體的邊界，對(duì)圖像進(jìn)行分割，便于目標(biāo)區(qū)域的識(shí)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(shí)別的圖像。 數(shù)字圖像的銳化可分為線性銳化濾波和非線性銳化濾波。如果輸出像素是輸入像素領(lǐng)域像素的線性組合則稱為線性濾波，否則稱為非線性濾波。二、實(shí)驗(yàn)原理圖像銳化處理是改善圖像視覺效果的手段，用來對(duì)圖像的輪廓或邊緣進(jìn)行增強(qiáng)，減弱或消除低分頻率分量而不影響高頻分量。圖像銳化處理的主要技術(shù)體現(xiàn)在空域

4、和頻域的高通濾波，而空域高通濾波主要用模版卷積來實(shí)現(xiàn)。Roberts、Sobel、Priwitt算子都是突出圖像的細(xì)節(jié)或者是增強(qiáng)被模糊了的細(xì)節(jié)。因此要對(duì)圖像實(shí)現(xiàn)銳化處理，可以用空間微分來完成，但是，這樣圖像的微分增強(qiáng)了邊緣和其他的突變（如噪聲）并削弱了灰度變化緩慢區(qū)域。拉普拉斯算子具有各向同性的特點(diǎn)，這種濾波器的響應(yīng)與濾波器作用的圖像的突變方向無關(guān)。即各向同性濾波器旋轉(zhuǎn)不變，原圖像旋轉(zhuǎn)后進(jìn)行濾波后處理給出的結(jié)果與先對(duì)圖像濾波然后再進(jìn)行旋轉(zhuǎn)地結(jié)果相同。三、設(shè)計(jì)內(nèi)容1、梯度算子法 在圖像處理中，一階導(dǎo)數(shù)通過梯度來實(shí)現(xiàn)，因此利用一階導(dǎo)數(shù)檢測(cè)邊緣點(diǎn)的方法就稱為梯度算子法。梯度值正比于像素之差。對(duì)于一幅

5、圖像中突出的邊緣區(qū)，其梯度值較大；在平滑區(qū)域梯度值??；對(duì)于灰度級(jí)為常數(shù)的區(qū)域，梯度為零。 下面給出的平滑梯度算子法具有噪聲抑制作用。Prewitt梯度算子法（平均差分法） 因?yàn)槠骄軠p少或消除噪聲，Prewitt梯度算子法就是先求平均，再求差分來求梯度。水平和垂直梯度模板分別為： 利用檢測(cè)模板可求得水平和垂直方向的梯度，再通過梯度合成和邊緣點(diǎn)判定，就可得到平均差分法的檢測(cè)結(jié)果。2、一階微分銳化增強(qiáng)設(shè)計(jì)程序，分別實(shí)現(xiàn)Roberts、Sobel、Priwitt算子的銳化處理。觀察處理前后圖像效果，分析實(shí)驗(yàn)結(jié)果和算法特點(diǎn)。3、拉普拉斯銳化增強(qiáng)設(shè)計(jì)程序，實(shí)現(xiàn)拉普拉斯圖像和原始圖像疊加的增強(qiáng)處理，即（拉

6、普拉斯模板中心系數(shù)為負(fù)和拉普拉斯模板中心系數(shù)為正）觀察處理前后圖像效果，分析實(shí)驗(yàn)結(jié)果和算法特點(diǎn)。算法設(shè)計(jì)（含程序設(shè)計(jì)流程圖）三、實(shí)驗(yàn)內(nèi)容1、梯度算子法Matlab源代碼：I=imread(Miss.bmp);figure;imshow(I);title(原始圖像);II=eye(258,258);for i=2:257 for j=2:257 II(i,j)=I(i-1,j-1); endendII(2:257,1)=I(:,2);II(2:257,258)=I(:,255);II(1,:)=II(3,:);II(258,:)=II(256,:);IX=zeros(256,256);IY=ze

7、ros(256,256);H1=-1 0 1 -1 0 1 -1 0 1;H2=-1 -1 -1 0 0 0 1 1 1;for i=2:257 for j=2:257 Block1=II(i-1:i+1,j-1:j+1); X1=Block1(:); sum1=sum(X1.*H1); sum2=sum(X1.*H2); IX(i,j)=sum1; IY(i,j)=sum2; endendfigure;IX=-IX;IY=-IY;imshow(IX,0 255);title(垂直銳化);figure;imshow(IY,0 255);title(水平銳化);RT=(IX.2+IY.2).(1

8、/2);figure;imshow(RT,0 255);title(最終銳化結(jié)果);實(shí)驗(yàn)結(jié)果（顯示所圖像，并標(biāo)明是什么圖像）：圖1 原始圖像2 水平銳化3 垂直銳化4 最終銳化結(jié)果實(shí)驗(yàn)小結(jié)：數(shù)字圖像處理中圖像銳化應(yīng)從水平和垂直兩個(gè)方向進(jìn)行，最后的銳化結(jié)果由水平和垂直銳化結(jié)果共同得到， 銳化結(jié)果一方面是模糊的圖像變得清晰了，另一方面提取了目標(biāo)物體的邊界，對(duì)圖像進(jìn)行分割。銳化的圖像質(zhì)量有所改變，更適合觀察、識(shí)別。2、一階微分銳化增強(qiáng)matlab程序代碼：（1）Roberts算子處理：I=imread(D:Matlabproject一階微分空域銳化實(shí)驗(yàn)原圖.jpg);I=im2double(I);f

9、igure;imshow(I);title(原圖)height width R=size(I);for i=2:height-1for j=2:width-1R(i,j)=abs(I(i+1,j+1)-I(i,j)+abs(I(i+1,j)-I(i,j+1);endendfigure;imshow(R,);T=R;for i=1:height-1for j=1:width-1if (R(i,j)0.25)R(i,j)=1;else R(i,j)=0;endendendfigure;imshow(R,);title(Roberts算子銳化處理后圖像);m,n=size(T);AR(1:m,1:n

10、)=I(1:m,1:n)+T(1:m,1:n);figure;imshow(AR);title(疊加圖);（2）Sobel算子：I=imread(D:Matlabproject一階微分空域銳化實(shí)驗(yàn)原圖.jpg);I=im2double(I);figure;imshow(I);title(原圖)height width R=size(I);%Dx=-1 -2 -1%0 0 0%1 2 1;%Dy=-1 0 1%-2 0 2%-1 0 1;for i=2:height-1for j=2:width-1Dx=I(i+1,j-1)-I(i-1,j-1)+2*I(i+1,j)-I(i-1,j)+I(i+

11、1,j+1)-I(i-1,j+1);Dy=I(i-1,j+1)-I(i-1,j-1)+2*I(i,j+1)-I(i,j-1)+I(i+1,j+1)-I(i+1,j-1);S(i,j)=sqrt(Dx2+Dy2);endendfigure;imshow(S);T=S;for i=1:height-1for j=1:width-1if (S(i,j)0.6)S(i,j)=1;else S(i,j)=0;endendendfigure;imshow(S,);title(sobel算子銳化處理后圖像)m,n=size(T);AS(1:m,1:n)=I(1:m,1:n)+T(1:m,1:n);figur

12、e;imshow(AS);title(疊加圖);（3）Priwitt算子銳化處理：I=imread(D:Matlabproject一階微分空域銳化實(shí)驗(yàn)原圖.jpg);I=im2double(I);figure;imshow(I);title(原圖)height width R=size(I);for i=2:height-1for j=2:width-1Dx=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);Dy=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

13、+1,j-1);P(i,j)=sqrt(Dx2+Dy2);endendfigure;imshow(P,);T=P;for i=1:height-1for j=1:width-1if (P(i,j)0.4)P(i,j)=1;else P(i,j)=0;endendendfigure;imshow(P,);title(Priwitt算子銳化處理后的圖像);m,n=size(T);AP(1:m,1:n)=I(1:m,1:n)+T(1:m,1:n);figure;imshow(AP);title(疊加圖);（4）Laplace算子處理：I=imread(D:Matlabproject拉普拉斯銳化實(shí)驗(yàn)原

14、圖.jpg);I=im2double(I);figure;imshow(I);title(原圖)height width R=size(I);for i=2:height-1for j=2:width-1L(i,j)=4*I(i,j)-I(i-1,j)-I(i+1,j)-I(i,j-1)-I(i,j+1);endendfigure;imshow(L,);T=L;G(i,j)=0.3*L(i,j)+0.7*I(i,j);figure;imshow(G,);for i=1:height-1for j=1:width-1if (L(i,j)0.12)L(i,j)=1;else L(i,j)=0;en

15、dendendfigure;imshow(L,);title(Laplace算子銳化處理后圖像)m,n=size(T);AL(1:m,1:n)=I(1:m,1:n)+T(1:m,1:n);Figure; imshow(AL);title(疊加圖);1、顯示圖像 設(shè)計(jì)結(jié)果分析：（1）Roberts算子，Sobel算子和Priwitt算子用來實(shí)現(xiàn)消除圖像模糊地增強(qiáng)的方法。即“銳化”。此處理是為了加強(qiáng)圖像的邊界和細(xì)節(jié)。Roberts算子提出的是在2*2的鄰域上計(jì)算對(duì)角導(dǎo)數(shù)，Sobel算子提出了一種將方向差分局部均勻相結(jié)合的方法。常用的即為在3*3鄰域上計(jì)算x和y方向的偏導(dǎo)數(shù)。Priwitt算子也是在3*3鄰域內(nèi)計(jì)算偏微分估計(jì)值。實(shí)際上，不同的算子對(duì)應(yīng)不同的卷積核，他們產(chǎn)生的偏導(dǎo)數(shù)在圖像處理中心點(diǎn)上用均值或是絕對(duì)值求和的形式結(jié)合起來。但是這類算法增強(qiáng)噪聲的缺陷也在圖像中體現(xiàn)了。（2）Laplacian算子是一個(gè)標(biāo)量，具有各向同性的性質(zhì)。對(duì)噪聲更加敏感，會(huì)使噪聲成分急速增強(qiáng)。因此在實(shí)際應(yīng)用中通常在進(jìn)行平滑操作的同時(shí)進(jìn)行二階微分，效果比較的好。四、設(shè)計(jì)心