Python圖像處理與機(jī)器視覺(jué)入門 課件 第13章 圖像銳化

圖像處理技術(shù)李欽、楊耿深圳信息職業(yè)技術(shù)學(xué)院軟件學(xué)院科技樓1703D室1295254769@圖像處理技術(shù)第十三章

圖像銳化

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

連續(xù)函數(shù)的導(dǎo)數(shù)

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

連續(xù)函數(shù)的導(dǎo)數(shù)離散函數(shù)的導(dǎo)數(shù)f'(n)=f(n+1)-f(n)/(n+1)-nf'(x)=df(x)/dxf'(n)=df(n)/dn=?

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

連續(xù)函數(shù)的導(dǎo)數(shù)離散函數(shù)的導(dǎo)數(shù)f'(n)=f(n+1)-f(n)/(n+1)-nf'(x)=df(x)/dxf'(n)=df(n)/dn=?

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

連續(xù)函數(shù)的導(dǎo)數(shù)離散函數(shù)的導(dǎo)數(shù)f'(n)=f(n+1)-f(n)/(n+1)-nf'(x)=df(x)/dxf'(n)=df(n)/dn=?

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

連續(xù)函數(shù)的導(dǎo)數(shù)離散函數(shù)的導(dǎo)數(shù)f'(n)=f(n+1)-f(n)/(n+1)-nf'(x)=df(x)/dxf'(n)=df(n)/dn=?

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

連續(xù)函數(shù)的導(dǎo)數(shù)離散函數(shù)的導(dǎo)數(shù)f'(n)=f(n+1)-f(n)/(n+1)-nf'(x)=df(x)/dxf'(n)=df(n)/dn=?f''(n)=?

1-3圖像銳化（1）導(dǎo)數(shù)（微分）

1-3圖像銳化（1）導(dǎo)數(shù)（微分）練習(xí)7

1-3圖像銳化（2）經(jīng)典高通濾波模型

1-3圖像銳化（2）Sobel算子偏導(dǎo)數(shù)概念

1-3圖像銳化（2）Sobel算子描述了該方向的變化情況y方向，水平邊緣x方向，豎直邊緣該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值

1-3圖像銳化（2）Sobel算子原函數(shù)的一階導(dǎo)數(shù)在原函數(shù)平滑處取零值，在原函數(shù)的“邊緣”處取極值。所以，圖像邊緣增強(qiáng)可由圖像求導(dǎo)來(lái)實(shí)現(xiàn)。

1-3圖像銳化（2）Sobel算子原函數(shù)與高斯函數(shù)一階導(dǎo)數(shù)的卷積如下圖所示，可知，卷積的結(jié)果與求導(dǎo)非常相似，所以可以利用卷機(jī)操作來(lái)取代求導(dǎo)。

1-3圖像銳化（3）拉普拉斯算子二階偏導(dǎo)數(shù)

一階偏導(dǎo)數(shù)的導(dǎo)數(shù)—描述了一階偏導(dǎo)數(shù)在某方向變化情況

二階混合偏導(dǎo)數(shù)—描述了一階偏導(dǎo)數(shù)的兩個(gè)方向變化疊加

1-3圖像銳化（3）拉普拉斯算子原函數(shù)的二階導(dǎo)數(shù)在原函數(shù)平滑處取零值，在原函數(shù)的“邊緣”處取極值。所以，圖像邊緣增強(qiáng)也可由圖像求二階導(dǎo)數(shù)來(lái)實(shí)現(xiàn)。

1-3圖像銳化（3）拉普拉斯算子原函數(shù)與高斯函數(shù)二階導(dǎo)數(shù)的卷積如下圖所示，可知，卷積的結(jié)果與求導(dǎo)非常相似，所以可以利用卷機(jī)操作來(lái)取代求導(dǎo)。

1-3