一些公式
归一化频率
wn = 2 * w / Fs
w 为 待转换的频率, wn为归一化频率,Fs为采样频率
实际频率 = 归一化频率(采样频率 / 2)
奈奎斯特频率相当于采样频率的一半,也相当于角频率π(因为采样频率相当于2 π )
)
函数
freqz函数
专门用于求离散系统频响特性的函数,画出幅频响应和相频响应
使用多
[H,w]=freqz(b,a,N,Fs)
[H,w]=freqz(b,a,N)
输入参数
b、a:系统函数分子和分母表达式系数向量(一般是由butter函数求出)
N:计算频率响应采用的点数(也就是有多少个点),默认值为512,有取128,256
Fs:抽样频率
结果
画图用
butter函数
用于设计Butterworth模拟和数字滤波器
该类型滤波器特点是在通带内具有最大平坦的幅度特性,并且在通带和阻带内幅度都随着频率的增大而单调下降
使用多
[b,a] = butter(n,Wn)
[b,a] = butter(n,Wn,ftype)
[z,p,k] = butter(__)
[A,B,C,D] = butter(__)
[__] = butter(___,'s')
输入参数
n:滤波器阶数
Wn:滤波器的截止频率
‘___’:前面任意形式的输入
ftype:指定滤波器类型参数
- ’high’ 高通滤波器,截止频率 Wn
- ’low’ 低通滤波器,截止频率 Wn
- ’stop’ 带阻滤波器,截止频率Wn = [W1,W2]
输出结果
b、a:系统函数分子和分母表达式系数向量
z、p:长度为n的零极点,k为增益
A、B、C、D:状态空间表达式系数
yulewalk函数
该函数用来实现数字滤波器的直接设计方法
[b,a] = yulewalk(n,f,m)
参数
n:滤波器阶数
f:频率向量,0~1之间取值,1对应奈奎斯特频率
- 要求f的第一个元素必须为0,最后一个元素为1
m:幅度向量,每个值对应 f 各频点出的期望幅度响应
输出结果
b、a:系统函数分子和分母表达式系数向量
buttord函数
求得滤波器的最小阶数和截止频率(归一化频率)
[N,Wn] = buttord(wp,ws,Rp,Rs);
参数(所需的频率都是归一化频率,需要用到归一化公式)
wp:通带边界频率
ws:阻带边界频率
Rp:通带波纹(dB)
Rs:阻带衰减(dB)
结果
N:最小阶数
Wn:截止频率
fir1函数
采用窗函数方法设计线性相位滤波器,具有低通、带通、高通、带阻等类型。调用格式为:
b = fir1(n, wn [, ‘ftype’, window])
参数
n: 滤波器阶数 (比窗函数的长度少1),对于高通,带阻滤波器,n去偶数;
wn:滤波器归一化截止频率
ftype:滤波器类型:缺省时为低通或带通滤波器,‘high’为高通
window:窗函数列向量,长度N为滤波器阶数n+1(因为 0,1,2…,n, 共N个),缺省为哈明窗
一维滤波器设计
无限脉冲响应滤波器(IIR)
递推法
感觉不重要
模拟原型法
常见滤波器:
- Butterworth(巴特沃斯)
- buttap(N)
- 特点:
- 通带内具有最大平坦的频率特性
- 阶数的增大平滑单调下降
- 阶数越高,特性越接近矩形,过渡带越窄
- 传递函数无零点
- Chebyshev(切比雪夫) I 型
- cheb1ap(N,Rp) %Rp通带波纹
- 特点:
- 通带内具有等波纹起伏特性
- 阻带内单调下降,且具有更大衰减特性;
- 阶数越高,特性越接近矩形
- 传递函数无零点
- Chebyshev(切比雪夫) II 型
- cheb1ap(N,Rs) %Rs阻带衰减
- 特点:
- 阻带内具有等波纹的起伏特点
- 通带内是单调、平滑的
- 阶数越高,特性越接近矩形
- 传递函数既有零点又有极点
- 椭圆滤波器
- ellipap(N,Rp,Rs)
- 特点:
- 通带和阻带内具有等波纹的起伏特点
- 与以上滤波器相比,指标所需的阶数最小
- 相频响应具有明显非线性
例题5-1 高通滤波器
P81、设计一个 10 阶高通 Butterworth 滤波器,要求截止频率为200Hz,给定采样频率1000Hz
% butter 函数设计高通滤波器
fs = 1000Hz;
n = 10;
Wn = 200 * 2 / fs; %不懂
[b,a] = butter(n, Wn, 'high');
m = 128; % m为计算频率响应采用的点数(也就是有多少个点),默认值为512
freqz(b,a,m,fs); %计算滤波器的频率响应,如果没有返回值直接绘出图形
例题5-2 低通滤波器
P82、设计一个 10 阶高通 Butterworth 滤波器,要求截止频率为300Hz,给定采样频率1000Hz
% butter函数设计低通滤波器
fs = 1000;
n = 10;
Wn = 300 * 2 / fs; %计算截止频率
[b,a] = butter(n,Wn,'low');
m = 256;
freqz(b,a,m,fs);
例题5-3 带通滤波器
P83、设计一个 8 阶带通 Butterworth 滤波器,要求通频带频率为200Hz 到 300Hz,给定采样频率1000Hz
% butter函数设计带通滤波器
fs = 1000;
n = 8;
Wn = [200 300] * 2 / fs; %计算截止频率
[b,a] = butter(n,Wn);
m = 256;
freqz(b,a,m,fs);
例题5-4 带阻滤波器
P83、设计一个 8 阶带通 Butterworth 滤波器,要求阻带频率为200Hz 到 300Hz,给定采样频率1000Hz
% butter函数设计带阻滤波器
fs = 1000;
n = 8;
Wn = [200 300] * 2 / fs; %计算截止频率
[b,a] = butter(n,Wn,'stop');
m = 256;
freqz(b,a,m,fs);
总结:
-
Butterworth滤波器在通带和阻带内均有平滑单调的特点,但在相同过渡带宽的情况下,该滤波器所需的阶数最多。
-
Chebyshev I 和II型滤波器在通带或阻带内具有波纹,但在相同过渡带宽的条件下,该滤波器所需的阶数比Butterworth滤波器要少。
-
椭圆滤波器在通带和阻带内均有波纹出现,但在相同过渡带宽的条件下,该滤波器所需的阶数最少。
-
因此,没有绝对“好”的滤波器,要根据解决问题的不同选择不同的滤波器。
直接设计法
感觉也不太重要
例题5-5 低通滤波器
P84、利用直接设计法设计一个 8 阶低通滤波器,并绘出期望频响与实际频响的图形
% 直接设计法设计低通滤波器
f = [0 0.6 0.6 1]; % 期望的频率
m = [1 1 0 0]; % 期望的幅值
[b,a] = yulewalk(8,f,m); %尤尔—沃克方程
[h,w] = freqz(b,a,256);
plot(f,m,w/pi,abs(h),'--');
legend('Ideal','yulewalk Designed')
set(gca,'FontSize',14)
IIR的综合例子
地震波的高通滤波器设计
在调用Butterworth滤波器设计函数buttord()时,须将相应的频率转换为归一化频率。
wn = 2 * w / Fs
其中w为待转换的频率, w**n 为归一化频率, Fs 为采样频率, F**N为奈奎斯特频率。一般地震的采样频率是50Hz。依据上式, 阻带边界频率为0.2Hz, 转换为归一化频率为0.008。
题目:在原始波形图上,有一个低频的波浪式背景干扰波与这个高频地震波形叠加,故需要设计高通滤波器,把低频的波浪式背景干扰波滤掉。高通滤波器的阻带边界频率为0.2Hz,通带边界频率为0.5Hz,通带波纹为1dB,阻带衰减为30dB,采用Butterworth滤波器。
load m10311025ns.txt %加载地震波形记录
dt = 0.02; % 采样间隔:中国数字地震台网的采样间隔为0.02s,采样频率为50Hz
x=ml031025ns';
% 根据采用频率将滤波器边界频率进行转换为归一化频率
wp = 0.5*2*dt; % 通带边界转换
ws = 0.2*2*dt; % 阻带边界转换
Rp = 1; Rs = 30; %通带波纹和阻带衰减
Nn = 128; %显示滤波器频率特性的数据长度
[N,Wn] = buttord(wp,ws,Rp,Rs) %求得滤波器的最小阶数和截止频率(归一化频率)
[b,a] = butter(N,Wn,'high');
figure(1)
[H,f] = freqz(b,a,Nn,1/dt); %用Nn点求得频率特性
subplot(2,1,1),plot(f,20*log10(abs(H)));
xlabel('频率/Hz');ylabel('振幅/dB');grid on;
subplot(2,1,2),plot(f,180/pi*unwrap(angle(H)))
xlabel('频率/Hz');ylabel('相位/^o');grid on;
n = 0;length(x)-1;
t = n*dt; %时间序列
figure(2)
subplot(2,1,1),plot(t,x); title('输入信号') %绘制输入信号
y=filter(b,a,x); %对输入信号进行滤波
subplot(2,1,2),plot(t,y),title('输出信号') %绘制输出信号
xlabel('时间/s')
爆破干扰的低通滤波器设计
设计铜带边界频率为1.5Hz,通带波纹为1dB,阻带边界频率为2.5Hz,阻带衰减为30dB,采用Butterworth 滤波器。50Hz的采样频率
load ker1030916ud.txt
Fs = 50; %采样频率
wp = 1.5*2/Fs; ws = 2.5*2/Fs;
Rp = 1; Rs = 30;
Nn = 128;
[N,Wn] = buttord(wp,ws,Rp,Rs);
[b,a] = butter(N,Wn);
%这一段好像是固定的
[H,F] = freqz(b,a,Nn,Fs);
subplot(2,1,1),plot(f,20*log10(abs(H)));
xlabel('频率/Hz');ylabel('振幅/dB');grid on;
subplot(2,1,2),plot(f,180/pi*unwrap(angle(H)))
xlabel('频率/Hz');ylabel('相位/^o');grid on;
dt = 1/Fs; % 采样间隔
x = ker1030916ud'; % 输入信号
t = [0:(length(x) - 1)]*dt; % 时间序列
figure(2)
subplot(2,1,1),plot(t,x); title('输入信号') %绘制输入信号
y=filter(b,a,x); %对输入信号进行滤波
subplot(2,1,2),plot(t,y),title('输出信号') %绘制输出信号
xlabel('时间/s')
有限脉冲响应滤波器(FIR)
系统函数表达式[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6QjIWJpM-1623684022616)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613183043367.png)]
FIR 和IIR滤波器的系统函数表达式进行对比,可以得知 FIR 滤波器具有如下优点:
- FIR 滤波器具有精确的线性相位
- FIR 滤波器总是稳定的
- 设计方法通常是线性的
- 可以用硬件快速实现
卷积法
窗函数法
步骤:
-
给定所要求的频率响应函数
-
对该频率响应函数做傅里叶逆变换,求取理想滤波器的单位冲激响应
-
由过渡带宽和阻带最小衰减等指标要求,选取窗函数类型及窗的长度;
-
求得所设计 FIR 滤波器的单位冲激响应
-
计算频率响应函数,并检验其是否满足性能要求。
窗函数
- 矩形窗:boxcar(Nw)
- 汉宁窗:hanning(Nw)
- 海明窗:hamming(Nw)
- 巴特利特窗:bartlett(Nw)
- 布莱克曼窗:blackman(Nw)
- 凯泽窗:kaiser(Nw,4)
- Chebyshev:chebwin(Nw,40)
窗函数表
-
滤波器长度:N 窗函数长度:N + 1
-
主瓣宽:过渡带宽 = 阻带归一化频率 - 通带归一化频率
-
第一旁瓣相对主瓣衰减/dB:阻带衰减
注意:在用窗函数设计滤波器中,窗函数的主瓣宽度要尽可能窄,以获得较窄的过渡带;旁瓣(sidelobe)峰值尽可能小,以获得小的通带波纹,阻带衰减。但是减少主瓣宽度与旁瓣峰值是矛盾的,不可兼得,只能根据不同用途折中处理。
例题5-7:低通滤波器
P110、用窗函数设计一个线性相位FIR低通滤波器,并满足性能指标:通带边界的归一化频率wp=0.5,阻带边界的归一化频率ws=0.66,阻带衰减不少于30dB,通带波纹不大于3dB。假设一个信号,其中f1=5Hz,f2=20Hz。信号的采样频率为50Hz。试将原信号与通过滤波器的信号进行比较。
在窗函数设计法中,要求设计的频率归一化到0-π区间内,奈奎斯特频率对应于π,通带和阻带边界频率为0.5π和0.66π,也相当于0.5*(50/2) = 12.5Hz, 与16.5Hz。(归一化公式)
根据表,阻带衰减不小于30dB,满足这个条件最接近的是汉宁窗
代码:
wp = 0.5*pi; ws = 0.6*pi; % 滤波器边界频率
% 1.求频率响应函数
wdelta = ws - wp; % 过渡带宽
N = ceil(8*pi/wdelta) % 求滤波器所用窗函数得最小长度
Nw = N;
% 2.求理想滤波器的冲激响应
wc = (wp + ws)/2 % 截止频率在通带和阻带边界频率的中点
n = 0;N - 1;
alptha = (N - 1)/2; % 求得滤波器的相位延迟
m = n - alptha + eps; % eps为MATLAB系统的精度
hd = sin(wc*m)./(pi*m) %求理想滤波器的脉冲响应
% 3.选用窗函数
win = hanning(Nw); %采用汉宁窗
% 4.求单位冲激响应
h = hd.*win'; %在时间域乘积对应于频率域的卷积
b = h;
figure(1)
% 5.计算频率响应函数
[H,F] = freqz(b,1,512,50); %采用 50Hz 的采样频率会出该滤波器的幅频和相频响应
subplot(2,1,1),plot(F,20*log10(abs(H)))
xlabel('频率/Hz');ylabel('振幅/dB');grid on;
subplot(2,1,2),plot(F,180/pi*unwrap(angle(H)))
xlabel('频率/Hz');ylabel('相位/^o');grid on;
f1 = 5; f2 =20; %检测输入信号含有两种频率成分
dt = 0.02; t = 0:dt:5; %采样间隔和检测信号的时间序列
x = sin(2*pi*f1*t) + cos(2*pi*f2*t); %检测信号
%y=filter(b,1,x); %可采用此函数给出滤波器的输出
y=fftfilt(b,x); %给出滤波器的输出
figure(2)
subplot(2,1,1), plot(t,x),title('输入信号') %绘输入信号
subplot(2,1,2),plot(t,y) % 绘输出信号
hold on; plot([1 1]*(N - 1)/2 * dt, ylim, 'r') %绘出延迟到的时刻
xlabel("时间"),title("输出信号")
例题5-8 带通滤波器
P112、设计一个 48 阶的 FIR 带通滤波器,要求通带 0.25 < ω < 0.55
%窗函数法设计FIR带通滤波器
n = 48;
Wn = [0.25,0.55];
b = fir1(n, Wn);
freqz(b,1,512);
例题5-9 低通滤波器
P113、设计一个 25 阶的 FIR 低通滤波器,给定频率向量 f = [0 0.6 0.6 1],幅值向量 m = [1 1 0 0],绘出期望响应与实际响应的对比图
%窗函数法设计FIR低通滤波器
n = 25;
f = [0 0.6 0.6 1];
m = [1 1 0 0];
b = fir2(25, f, m);
[h,w] = freqz(b,1,128);
plot(f,m,w/pi,abs(h),'--')
legend('期望响应','实际响应');
频率采样设计法
最优化设计法
FIR的综合例子
淹没在噪声信号地震波的提取
某地发生地震2.9级的地震,由于震级比很小,在原始波形上无法辨别,需要设计带通滤波器,把低频段和高频段干扰滤掉。
由于地震波形数据的地震波频率成分较低,本例选择0.8~5Hz的频率成分为地震波频率,并让其通过,阻带衰减30dB,过渡带为0.5Hz,数字化采样频率为50Hz。则需要设计一个带通滤波器。
奈奎斯特频率 = 50Hz / 2 = 25Hz 滤波器对应的归一化频率为 0.032~~0.2 (0.8/25 ~ 5/25)
过渡带宽 0.02 (0.5Hz/25Hz) 相当于通带为0.032π~0.2π,过渡带宽0.02π
因阻带衰减30dB,所以选择汉宁窗
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P8HOFg2T-1623684022627)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613194457379.png)]
解得:最小阶乘 N = 400
代码:
wp=[0.032 0.2];N=400; % 通带边界频率(归一化频率)和滤波器阶数
dt = 0.02; % 采样间隔
b = fir1(N,wp,hanning(N + 1)); % FIR带通滤波器
figure(1)
[H,f] = freqz(b,1,512,1/dt); % 512个点的频率特性
subplot(2,1,1),plot(f,20*log10(abs(H)))
xlabel('频率/Hz');ylabel('振幅/dB');grid on;
subplot(2,1,2),plot(f,180/pi*unwrap(angle(H)))
xlabel('频率/Hz');ylabel('相位/^o');grid on;
load ChangChun.txt %加载地震波形记录
y = filtfilt(b,1,ChangChun); %产生零相位输出,采用filtfilt 对输入信号滤波
t = [0:length(ChangChun) - 1]*dt;
figure(2)
subplot (2,1,1), plot (t,ChangChun),title ('输入信号')%绘出输入信号波形
subplot (2,1,2),plot (t,y) %绘出输出信号波形
title('输出信号'),xlabel('时间/s')
频率分析后的地震波的提取
先进行快速傅里叶变换(fft),然后对频率分析
load grbx3.txt; %读取数据序列
Fs=50; %设定采样率 单位(Hz)
dt=1/Fs; %求采样间隔 单位(s)
Xt=grbx3; %把数据赋值给变量
N=length(Xt); %得到序列的长度
Xf=fft(Xt); %对信号进行快速Fourier变换(FFT)
subplot(2,1,1),plot([0:N-1]/Fs,Xt); %绘制原始值序列
xlabel('时间/s'),title('时间域');
ylabel('振幅');
grid on;
subplot(2,1,2),plot([0:N-1]/(N*dt),abs(Xf)*2/N);%绘制信号的振幅谱
xlabel('频率/Hz'),title('频率域');
ylabel('振幅');
xlim([0 Fs/2]); %频率轴只画出Nyquist频率之前的部分
grid on;
结果:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Bn5I7d9x-1623684022628)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613200117473.png)]
地震信号一般小于3Hz,但在图中存在大于3Hz的,频率大于23Hz后,振幅为0,所以可以设计一个带阻滤波器滤除地震的干扰信号,频率范围是3Hz~23Hz,阶数参考上一例设为400
代码:
%用FIR数字滤波器实现对数字信号的滤波
load grbx3.txt % 读取数据序列
Xt = grbx3; % 把数据赋值给变量
Fs = 50;
dt = 1/Fs;
n = 1:length(Xt);
Nn = length(Xt); % 序列长度
t = n/Fs; % 时间序列
Fcs1 = 3; Fcs2 = 23;% 通带和阻带的边界频率
Ws1 = Fcs1*2/Fs; Ws2 = Fcs2*2/Fs; % 变成归一化频率
Wn = [Ws1 Ws2]; % 通带、 阻带频率
N = 400; % 阶数
pa = (N-1)/2/Fs; % 计算相位延迟
b = fir1(N,Wn,'stop'); % 带阻滤波器
figure(1)
[H,F]=freqz(b,1,Nn,Fs);
subplot(2,1,1),plot(f,20*log10(abs(H)))
xlabel('频率/Hz');ylabel('振幅/dB');grid on;
subplot(2,1,2),plot(f,180/pi*unwrap(angle(H)))
xlabel('频率/Hz');ylabel('相位/^o');grid on;
figure(2)
subplot(2,1,1),plot(t,Xt); %绘制原始波形序列
xlabel('时间/s');ylabel('振幅');title('滤波前信号')
grid on;
Yt = filter(b,1,Xt); %对信号进行滤波
t = t - pa; %计算相位延迟
subplot(2,1,2),plot(t,Yt); %绘制滤波后波形序列
ylim([-600 200])
xlabel('时间/s');ylabel('振幅');title('滤波后信号');
xlim([0 max(x)+1]);grid on;
IIR滤波器与FIR滤波器的分析比较
图像滤波
图像
- 二值图像
- 灰度图像
- 彩色图像
- 每个像素的信息由RGB三原色构成的图像
- 一般是用三个矩阵同时来描述
图像数字化:是指将模拟图像经过离散化之后,得到用数字表示的图像。
- 采样:空间离散化
- 量化:明暗表示数据离散化
- §充分考虑到人眼的识别能力之后,目前非特殊用途的图像均为8bit量化,即采用0 ~ 255的整数来描述“从黑到白”。
图像噪声
所谓的图像噪声,是图像在摄取时或是传输时所受到的随机干扰信号。
- 椒盐噪声
- 出现的位置是随机的,噪声的赋值基本是相同的
- 高斯噪声
- 出现的位置是一定的,但噪声的幅值是随机的
图像的低通滤波
均值滤波器
原理:全加后取平均
普通均值滤波器:
加权均值滤波器
缺点:均值滤波器对噪声有抑制作用,但同时会使图像变得模糊。
中值滤波器
原理:对像素进行由小到大排列的重新排列,那么最亮的或者是最暗的点一定被排在两侧。
**实际使用:**与均值滤波类似,做3*3的模板,对9个数排序,取第5个数替代原来的像素值。
与均值滤波器相比:
- 对于椒盐噪声,中值滤波效果比均值滤波效果好
- 因为污染点相同,但分布随机,中值滤波是选择适当的点来替代污染点的值,所以中值效果好
- 对于高斯噪声,均值滤波效果比均值滤波效果好
- 因为图像中每个点都是污染点,所以均值滤波效果好
边界保持类滤波器
实现原理:
- 以待处理像素为中心,作一个m*m的作用模板。
2)在模板中,选择K个与待处理像素的灰度差为最小的像素。
3)将这K个像素的灰度均值替换掉原来的像素值。
实际使用:
结论:
- KNN滤波器因为有了边界保持的作用,所以在去除椒盐以及高斯噪声时,对图像景物的清晰度保持方面的效果非常明显。
- 付出的代价是:算法的复杂度增加了。
图像的高通滤波
图像锐化
- **目的:**加强图像中景物的细节边缘和轮廓
- **作用:**使灰度反差增强
- 因为边缘和轮廓都位于灰度突变的地方,所以锐化算法的实现是基于微分作用
单方向锐化
- 使用场景:对于人工设计制造的具有矩形的特征物品(例如:楼房、汉字等)的边缘提取
- 对于不规则形状(例如:人)的边缘提取,存在信息缺陷
水平方向一阶锐化
竖直方向一阶锐化
锐化后处理
方法一:整体加一个正整数,保证所有值为正
- 结果会变成类似于浮雕的效果
方法二:所有像素值取绝对值
- 结果会对边缘的有方向提取
无方向锐化
Roberts微分(交叉微分)
Sobel锐化
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EO1TDL9D-1623684022645)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613213604727.png)]
特点:锐化边缘比较明显
Priwitt锐化
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZyMFE74Y-1623684022646)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613213615751.png)]
与Sobel相比:具有一定的抗干扰性,图像效果比较干净。
二阶锐化微分
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EF3hjUDZ-1623684022647)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613214316607.png)]
Laplacian算法
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qd8pPEwM-1623684022648)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613213941733.png)]
Laplacian变形算法
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-m0d0ER3c-1623684022650)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613214002727.png)]
Wallis算法
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-G7uPnC3u-1623684022651)(C:\Users\hx25\AppData\Roaming\Typora\typora-user-images\image-20210613214201893.png)]
-JaVzUt0C-1623684022641)]
竖直方向一阶锐化
[外链图片转存中…(img-f01d6nI1-1623684022642)]
锐化后处理
方法一:整体加一个正整数,保证所有值为正
- 结果会变成类似于浮雕的效果
[外链图片转存中…(img-z3oOIVoF-1623684022643)]
方法二:所有像素值取绝对值
- 结果会对边缘的有方向提取
[外链图片转存中…(img-PzmJwexm-1623684022644)]
无方向锐化
Roberts微分(交叉微分)
1 0
0 1 交叉互换
特点:算法简单
Sobel锐化
g(x,y) = (水平^2 + 垂直 ^2) ^(1/2)
特点:锐化边缘比较明显
Priwitt锐化
与Sobel相比:具有一定的抗干扰性,图像效果比较干净。