《5第五章 圖像銳化處理.ppt》由會(huì)員分享，可在線(xiàn)閱讀，更多相關(guān)《5第五章 圖像銳化處理.ppt（65頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、數(shù)字圖像處理第五章第五章 圖像的銳化處理圖像的銳化處理景物邊界細(xì)節(jié)的增強(qiáng)方法景物邊界細(xì)節(jié)的增強(qiáng)方法數(shù)字圖像處理n圖像銳化的圖像銳化的目的目的是加強(qiáng)圖像中景物的細(xì)節(jié)是加強(qiáng)圖像中景物的細(xì)節(jié)邊緣邊緣和輪廓和輪廓。n銳化的作用是使銳化的作用是使灰度反差增強(qiáng)灰度反差增強(qiáng)。n因?yàn)檫吘壓洼喞嘉挥诨叶韧蛔兊牡胤健Ｋ砸驗(yàn)檫吘壓洼喞嘉挥诨叶韧蛔兊牡胤?。所以銳化算法的實(shí)現(xiàn)是基于銳化算法的實(shí)現(xiàn)是基于微分微分作用。作用。圖像銳化的概念數(shù)字圖像處理n圖像的景物細(xì)節(jié)特征圖像的景物細(xì)節(jié)特征；n一階微分銳化方法一階微分銳化方法；n二階銳化微分方法二階銳化微分方法；n一階、二階微分銳化方法效果比較一階、二階微分銳化方法效果

2、比較。圖像銳化方法數(shù)字圖像處理圖像細(xì)節(jié)的灰度變化特性圖像細(xì)節(jié)的灰度分布特性?huà)呙杈€(xiàn)掃描線(xiàn)灰度漸變孤立點(diǎn)細(xì)線(xiàn)灰度躍變平坦段數(shù)字圖像處理圖像細(xì)節(jié)的灰度變化微分特性一階微分曲線(xiàn)二階微分曲線(xiàn)圖像細(xì)節(jié)的灰度分布特性灰度漸變孤立點(diǎn)細(xì)線(xiàn)灰度躍變平坦段數(shù)字圖像處理一階微分銳化 基本原理n一階微分的計(jì)算公式非常簡(jiǎn)單：一階微分的計(jì)算公式非常簡(jiǎn)單：( , )fffx yxyn離散化之后的差分方程：離散化之后的差分方程：( , ) (1, )( , ) ( ,1)( , )f i jf ijf i jf i jf i jn考慮到圖像邊界的拓?fù)浣Y(jié)構(gòu)性，根據(jù)這考慮到圖像邊界的拓?fù)浣Y(jié)構(gòu)性，根據(jù)這個(gè)原理派生出許多相關(guān)的方法。個(gè)

3、原理派生出許多相關(guān)的方法。數(shù)字圖像處理一階微分銳化n單方向一階微分銳化單方向一階微分銳化n無(wú)方向一階微分銳化無(wú)方向一階微分銳化 交叉微分銳化交叉微分銳化 SobelSobel銳化銳化 PriwittPriwitt銳化銳化數(shù)字圖像處理單方向的一階銳化 基本原理n單方向的一階銳化是指對(duì)某個(gè)特定方向上單方向的一階銳化是指對(duì)某個(gè)特定方向上的邊緣信息進(jìn)行增強(qiáng)。的邊緣信息進(jìn)行增強(qiáng)。n因?yàn)閳D像為水平、垂直兩個(gè)方向組成，所因?yàn)閳D像為水平、垂直兩個(gè)方向組成，所以，所謂的單方向銳化實(shí)際上是包括水平以，所謂的單方向銳化實(shí)際上是包括水平方向與垂直方向上的銳化。方向與垂直方向上的銳化。 數(shù)字圖像處理水平方向的一階銳化

4、基本方法n水平方向的銳化非常簡(jiǎn)單，通過(guò)一個(gè)可以水平方向的銳化非常簡(jiǎn)單，通過(guò)一個(gè)可以檢測(cè)出水平方向上的像素值的變化模板來(lái)檢測(cè)出水平方向上的像素值的變化模板來(lái)實(shí)現(xiàn)。實(shí)現(xiàn)。 121000121H數(shù)字圖像處理水平方向的一階銳化 例題12321212623087612786232690 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 001*1+2*2+1*3-1*3-2*0-1*8=-3問(wèn)題：計(jì)算結(jié)果中出現(xiàn)了小于零的像素值121000121H數(shù)字圖像處理垂直方向的一階銳化 基本方法101202101Hn垂直銳化算法的設(shè)計(jì)思想與水平銳化算法相垂直銳化算法的設(shè)計(jì)思想與水平

5、銳化算法相同，通過(guò)一個(gè)可以檢測(cè)出垂直方向上的像素同，通過(guò)一個(gè)可以檢測(cè)出垂直方向上的像素值的變化模板來(lái)實(shí)現(xiàn)。值的變化模板來(lái)實(shí)現(xiàn)。 數(shù)字圖像處理垂直方向的一階銳化 例題12321212623087612786232690 0 0 000-7-17 400-16-25 500 -17 -22-300 0 0 001*1+2*2+1*3-1*3-2*2-1*8=-7問(wèn)題：計(jì)算結(jié)果中出現(xiàn)了小于零的像素值101202101H數(shù)字圖像處理單方向銳化的后處理n這種銳化算法需要進(jìn)行后處理，以解決像素這種銳化算法需要進(jìn)行后處理，以解決像素值為負(fù)的問(wèn)題。值為負(fù)的問(wèn)題。n后處理的方法不同，則所得到的效果也就不后處理的

6、方法不同，則所得到的效果也就不同。同。數(shù)字圖像處理單方向銳化的后處理方法方法1 1：整體加一個(gè)正整數(shù)整體加一個(gè)正整數(shù)，以保證所有的像，以保證所有的像 素值均為正。素值均為正。( (比如比如+128+128，還有，還有0255255的則視為的則視為255255處理處理) )n這樣做的結(jié)果是：可以獲得這樣做的結(jié)果是：可以獲得類(lèi)似浮雕類(lèi)似浮雕的效果。的效果。20 202 0 20202017 7 0202014 7 7202021 32 2520202 0 20 2 0200 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00數(shù)字圖像處理單方向銳化的后處理方法方法

7、2 2：將所有的像素值：將所有的像素值取絕對(duì)值取絕對(duì)值。n這樣做的結(jié)果是，可以獲得對(duì)這樣做的結(jié)果是，可以獲得對(duì)邊緣邊緣的有方向提的有方向提取。取。0 0 0 00031320006131300 1 12 500 0 0 000 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00數(shù)字圖像處理水平方向銳化，像素負(fù)值取絕對(duì)值Image_Htest(BYTE *image_in, BYTE *image_out, int xsize, int ysize, int w3)int i,j,buf;for(j=1;jysize-1;j+)for (i=1;ixsize-

8、1;i+)buf=(int)(*(image_in+(j-1)*xsize+i-1)*w00+*(image_in+(j-1)*xsize+i)*w01+*(image_in+(j-1)*xsize+i+1)*w02+*(image_in+j*xsize+i-1)*w10+*(image_in+j*xsize+i)*w11+*(image_in+j*xsize+i+1)*w12+*(image_in+(j+1)*xsize+i-1)*w20+*(image_in+(j+1)*xsize+i)*w21+*(image_in+(j+1)*xsize+i+1)*w22);if (buf255) bu

9、f=255;*(image_out+j*xsize+i)=buf;buf+=128;if (buf255) buf=255;數(shù)字圖像處理水平方向銳化，像素負(fù)值取絕對(duì)值數(shù)字圖像處理水平方向銳化，像素值加一整數(shù)數(shù)字圖像處理垂直方向銳化，像素值加一整數(shù)數(shù)字圖像處理垂直方向銳化，像素負(fù)值取絕對(duì)值數(shù)字圖像處理交叉銳化，像素值加一整數(shù)數(shù)字圖像處理無(wú)方向一階銳化 問(wèn)題的提出n前面的銳化處理結(jié)果對(duì)于人工設(shè)計(jì)制造的具有前面的銳化處理結(jié)果對(duì)于人工設(shè)計(jì)制造的具有矩形特征物體（例如：樓房、漢字等）的邊緣矩形特征物體（例如：樓房、漢字等）的邊緣的提取很有效。但是，對(duì)于不規(guī)則形狀（如：的提取很有效。但是，對(duì)于不規(guī)則形狀（

10、如：人物人物）的邊緣提取，則存在信息的缺損。）的邊緣提取，則存在信息的缺損。數(shù)字圖像處理無(wú)方向一階銳化 設(shè)計(jì)思想n為了解決上面的問(wèn)題，就希望提出對(duì)任何方向?yàn)榱私鉀Q上面的問(wèn)題，就希望提出對(duì)任何方向上的邊緣信息均敏感的銳化算法。上的邊緣信息均敏感的銳化算法。n因?yàn)檫@類(lèi)銳化方法要求對(duì)邊緣的方向沒(méi)有選擇，因?yàn)檫@類(lèi)銳化方法要求對(duì)邊緣的方向沒(méi)有選擇，所有稱(chēng)為無(wú)方向的銳化算法。所有稱(chēng)為無(wú)方向的銳化算法。數(shù)字圖像處理一階微分jfifj)gf(i,數(shù)字圖像處理雙方向一次微分運(yùn)算，直接以梯度直接以梯度值代替值代替理論基礎(chǔ)：理論基礎(chǔ)：對(duì)灰度圖像f在縱方向和橫方向兩個(gè)方向進(jìn)行微分。該算法是同時(shí)增強(qiáng)水平和垂直方向的邊緣

11、。利用雙方向一次微分運(yùn)算，算出梯度后讓梯度值等于該點(diǎn)的灰度值。該算法的數(shù)學(xué)表達(dá)式為：G(i,j)=sqrtf(i,j)-f(i,j-1)*f(i,j)-f(i,j-1)+f(i,j)-f(i-1,j)* f(i,j)-f(i-1,j)或Gf(i,j)=| f(i,j)- f(i-1,j)|+| f(i,j)- f(i,j-1)| 數(shù)字圖像處理雙向一階微分，直接梯度運(yùn)算Image_HVtest(BYTE *image_in, BYTE *image_out, int xsize, int ysize, int h3, int v3)int i,j,fx,fy;for(j=1;jysize-1;j

12、+)for (i=1;iT則(i,j)點(diǎn)為階躍狀邊緣點(diǎn) 255; Gf(i,j)Tg(i,j)= 0; 其它數(shù)字圖像處理數(shù)字圖像處理邊緣檢測(cè) 邊緣檢測(cè)算子邊緣檢測(cè)算子檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化，通常也包括方向的確定。 大多數(shù)是基于方向?qū)?shù)模板求卷積的方法。將所有的邊緣模板逐一作用于圖像中的每一個(gè)像素，產(chǎn)生最大輸出值的邊緣模板方向,表示該點(diǎn)邊緣的方向，如果所有方向上的邊緣模板接近于零，該點(diǎn)處沒(méi)有邊緣；如果所有方向上的邊緣模板輸出值都近似相等，沒(méi)有可靠邊緣方向。數(shù)字圖像處理卷積 卷積可以簡(jiǎn)單的看成加權(quán)求和的過(guò)程。（1）卷積數(shù)字圖像處理本節(jié)介紹的算子有： Roberts邊緣檢測(cè)算子；

13、Sobel邊緣檢測(cè)算子； Prewitt邊緣檢測(cè)算子； LoG_Laplacian高斯-拉普拉斯算子。 數(shù)字圖像處理無(wú)方向一階銳化 交叉微分交叉微分算法（交叉微分算法（RobertsRoberts算法算法）計(jì)算公式如下：）計(jì)算公式如下：( , )|(1,1)( , )|(1, )( ,1)|g i jf ijf i jf ijf i j特點(diǎn)：算法簡(jiǎn)單特點(diǎn)：算法簡(jiǎn)單100010000 xf010100000yf該算法的算子如下：該算法的算子如下：數(shù)字圖像處理Roberts邊緣檢測(cè)算子數(shù)字圖像處理Roberts邊緣檢測(cè)算子數(shù)字圖像處理無(wú)方向一階銳化 Sobel銳化SobelSobel銳化銳化的計(jì)算

14、公式如下：的計(jì)算公式如下：101202101xd121000121yd2122),(),(),(jidjidjigyx特點(diǎn)：銳化的邊緣信息較強(qiáng)數(shù)字圖像處理Sobel邊緣檢測(cè)算子數(shù)字圖像處理Sobel邊緣檢測(cè)算子數(shù)字圖像處理無(wú)方向一階銳化 PriwittPriwitt銳化算法銳化算法 PriwittPriwitt銳化算法銳化算法 的計(jì)算公式如下：的計(jì)算公式如下：2122),(),(),(jidjidjigyx101101101xd111000111yd特點(diǎn)：與Sobel相比，有一定的抗干擾性。圖像效果比較干凈。數(shù)字圖像處理Prewitt邊緣檢測(cè)算子數(shù)字圖像處理Prewitt邊緣檢測(cè)算子數(shù)字圖像處

15、理一階銳化 幾種方法的效果比較nSobelSobel算法與算法與PriwittPriwitt算法的思路相同，屬于同算法的思路相同，屬于同一類(lèi)型，因此處理效果基本相同。一類(lèi)型，因此處理效果基本相同。nRobertsRoberts算法的模板為算法的模板為2 2* *2 2，提取出的信息較，提取出的信息較弱。弱。n單方向銳化經(jīng)過(guò)后處理之后，也可以對(duì)邊界單方向銳化經(jīng)過(guò)后處理之后，也可以對(duì)邊界進(jìn)行增強(qiáng)。進(jìn)行增強(qiáng)。數(shù)字圖像處理二階微分銳化 問(wèn)題的提出n從圖像的景物細(xì)節(jié)的灰度分布特性可知，從圖像的景物細(xì)節(jié)的灰度分布特性可知，有些灰度變化特性一階微分的描述不是很明有些灰度變化特性一階微分的描述不是很明確，為此

16、，采用二階微分能夠更加獲得更豐確，為此，采用二階微分能夠更加獲得更豐富的景物細(xì)節(jié)。富的景物細(xì)節(jié)。數(shù)字圖像處理二階微分銳化 景物細(xì)節(jié)特征對(duì)應(yīng)關(guān)系灰度截面一階微分二階微分(a) 階躍形 (b) 細(xì)線(xiàn)形 (c) 斜坡漸變形數(shù)字圖像處理二階微分銳化 景物細(xì)節(jié)對(duì)應(yīng)關(guān)系 1 1）對(duì)于突變形的細(xì)節(jié)，通過(guò)一階微分的極大）對(duì)于突變形的細(xì)節(jié)，通過(guò)一階微分的極大值點(diǎn)，二階微分的過(guò)值點(diǎn)，二階微分的過(guò)0 0點(diǎn)均可以檢測(cè)出來(lái)。點(diǎn)均可以檢測(cè)出來(lái)。 數(shù)字圖像處理二階微分銳化 景物細(xì)節(jié)對(duì)應(yīng)關(guān)系2 2）對(duì)于細(xì)線(xiàn)形的細(xì)節(jié)，通過(guò)一階微分的過(guò)）對(duì)于細(xì)線(xiàn)形的細(xì)節(jié)，通過(guò)一階微分的過(guò)0 0點(diǎn)，點(diǎn)，二階微分的極小值點(diǎn)均可以檢測(cè)出來(lái)。二階微分的

17、極小值點(diǎn)均可以檢測(cè)出來(lái)。 數(shù)字圖像處理二階微分銳化 景物細(xì)節(jié)對(duì)應(yīng)關(guān)系3 3）對(duì)于漸變的細(xì)節(jié)，一般情況下很難檢測(cè)，但二）對(duì)于漸變的細(xì)節(jié)，一般情況下很難檢測(cè)，但二階微分的信息比一階微分的信息略多。階微分的信息比一階微分的信息略多。 數(shù)字圖像處理二階微分銳化 算法推導(dǎo)22222yfxff),1(),(22jifjifxfxx),(),1(),1(),(jifjifjifjif)1,(),(22jifjifyfyy),()1,()1,(),(jifjifjifjif) 1, () 1, (), 1(), 1(), (42jifjifjifjifjiff數(shù)字圖像處理二階微分銳化 Laplacian 算法

18、n由前面的推導(dǎo)，寫(xiě)成模板系數(shù)形式形式即為由前面的推導(dǎo)，寫(xiě)成模板系數(shù)形式形式即為L(zhǎng)aplacianLaplacian算子：算子：0101410101H數(shù)字圖像處理Image_LaplasSharp(BYTE *image_in, BYTE *image_out, int xsize, int ysize, int w3)int i,j,df;for(j=1;jysize-1;j+)for (i=1;ixsize-1;i+)df=(int)(*(image_in+(j-1)*xsize+i-1)*w00+*(image_in+(j-1)*xsize+i-1)*w01+*(image_in+(j-1

19、)*xsize+i+1)*w02+*(image_in+j*xsize+i-1)*w10+*(image_in+j*xsize+i)*w11+*(image_in+j*xsize+i+1)*w12+*(image_in+(j+1)*xsize+i-1)*w20+*(image_in+(j+1)*xsize+i)*w21+*(image_in+(j+1)*xsize+i+1)*w22);*(image_out+j*xsize+i)=int(abs(df);數(shù)字圖像處理實(shí)現(xiàn)效果數(shù)字圖像處理灰度漸變一階sobel算子二階Laplacian算子數(shù)字圖像處理二階微分銳化 Laplacian變形算法n為了

20、改善銳化效果，可以脫離微分的計(jì)算原為了改善銳化效果，可以脫離微分的計(jì)算原理，在原有的算子基礎(chǔ)上，對(duì)模板系數(shù)進(jìn)行理，在原有的算子基礎(chǔ)上，對(duì)模板系數(shù)進(jìn)行改變，獲得改變，獲得LaplacianLaplacian變形算子如下所示。變形算子如下所示。 1111811112H1212421213H0101510104H示例示例數(shù)字圖像處理二階微分銳化 Laplacian銳化邊緣提取n經(jīng)過(guò)經(jīng)過(guò)LaplacianLaplacian銳化后，我們來(lái)分析幾種變形銳化后，我們來(lái)分析幾種變形算子的邊緣提取效果。算子的邊緣提取效果。nH1,H2H1,H2的效果基本相同，的效果基本相同，H3H3的效果最不好，的效果最不好，

21、H4H4最接近原圖。最接近原圖。1111811112H1212421213H0101510104H0101410101H示例示例數(shù)字圖像處理二階微分銳化 Wallis算法n考慮到人的視覺(jué)特性中包含一個(gè)對(duì)數(shù)環(huán)節(jié)，因此考慮到人的視覺(jué)特性中包含一個(gè)對(duì)數(shù)環(huán)節(jié)，因此在銳化時(shí)，加入對(duì)數(shù)處理的方法來(lái)改進(jìn)。在銳化時(shí)，加入對(duì)數(shù)處理的方法來(lái)改進(jìn)。) 1, (log) 1, (log), 1(log), 1(log), (log), (41jifjifjifjifssjifjig0101410101H0010041414141H示例示例數(shù)字圖像處理二階微分銳化 Wallis算法n在前面的算法公式中注意以下幾點(diǎn)：在前

22、面的算法公式中注意以下幾點(diǎn)：1 1）為了防止對(duì)）為了防止對(duì)0 0取對(duì)數(shù)，計(jì)算時(shí)實(shí)際上是用取對(duì)數(shù)，計(jì)算時(shí)實(shí)際上是用log(f(i,j)+1);log(f(i,j)+1);2 2）因?yàn)閷?duì)數(shù)值很?。┮?yàn)閷?duì)數(shù)值很小log(256)=5.45,log(256)=5.45,所以計(jì)算所以計(jì)算 時(shí)用時(shí)用4646* *log(f(i,j)+1)log(f(i,j)+1)。 （46=255/log(256)46=255/log(256)）數(shù)字圖像處理二階微分銳化 Wallis算法n算法特點(diǎn)：算法特點(diǎn)： WallisWallis算法考慮了人眼視覺(jué)特性，因此，與算法考慮了人眼視覺(jué)特性，因此，與LaplacianLap

23、lacian等其他算法相比，可以對(duì)等其他算法相比，可以對(duì)暗區(qū)的細(xì)暗區(qū)的細(xì)節(jié)節(jié)進(jìn)行比較好的銳化。進(jìn)行比較好的銳化。 示例示例數(shù)字圖像處理一階與二階微分的邊緣提取效果比較n以以SobelSobel及及LaplacianLaplacian算法為例進(jìn)行比較。算法為例進(jìn)行比較。nSobelSobel算子獲得的邊界是比較粗略的邊界，反映的算子獲得的邊界是比較粗略的邊界，反映的邊界信息較少，但是所反映的邊界比較清晰；邊界信息較少，但是所反映的邊界比較清晰；nLaplacianLaplacian算子獲得的邊界是比較細(xì)致的邊界。算子獲得的邊界是比較細(xì)致的邊界。反映的邊界信息包括了許多的細(xì)節(jié)信息，但是所反映的邊界信息包括了許多的細(xì)節(jié)信息，但是所反映的邊界不是太清晰。反映的邊界不是太清晰。數(shù)字圖像處理謝謝大家