图像锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节,(锐化的原理就是细节增强,而图像的二阶导数就是图像的细节)这种模糊一般由于错误操作或者是特殊图像获取方法的影响导致的。图像锐化的方法有很多,这里主要说下微分算子的方法来进行图像的锐化处理。总的来说,微分算子的响应强度与图像在该点(应用了算子)的突变程度有关。
数学中的微分描述的是连续函数关于各个变量的变化。但是在图像中,是以众多像素点来组成整张图片,所以,虽然图像有两个方向:水平方向(x方向)和垂直方向(y方向),但是这些方向的值也就是像素点的x值和y值均是离散的。X:1,2,3,…n; Y:1,2,3,…m;那我们就需要用离散的方法来表示出微分。
数学函数的微分可以用不同的术语定义,也有各种方法定义这些差别,然而,对于一阶微分的任何定义都必须保证以下几点:(1)在平坦段(灰度不变的区域)微分值为零;(2)在灰度阶梯或斜坡的起始点处微分值非零;(3)沿着斜坡面微分值非零。任何二阶微分的定义也类似:(1)在平坦区微分值必为零;(2)在灰度阶梯或斜坡的起始点处微分值非零;(3)沿着斜坡面微分值非零。因为我们处理的是数字量,其值是有限的,故最大灰度级的变化也是有限的,变化发生的最短距离是在两相邻像素之间。
1.基于一阶微分的图像增强原理
对于二元函数的一阶偏微分微分表示如下:
定义二元函数的微分为:
这就描述了图像中一个像素点(x,y)的一阶微分变化。简单的总结为一个算子的话就是一个2*2的矩阵如下