数字图像处理 锐化滤波器

• 锐化处理的主要目的是突出图像中灰度的过渡部分
• 图像的锐化处理可以用空间微分来完成（微分算子的响应强度与像素的突变程度成正比）。也即，图像微分增强边缘与其他突变（如噪声、线），并削弱灰度变化缓慢的区域
• 常用的非线性锐化滤波器
  基于一阶微分的锐化滤波器
  基于二阶微分的锐化滤波器

数字图像微分的定义

数字图像的微分可以用不同的术语定义，但任何定义都必须满足以下要求：

（1）一阶微分

• 在恒定灰度区域的一阶微分值为零
• 在灰度台阶、灰度斜坡的起点处一阶微分值非零
• 沿着灰度斜坡的一阶微分值非零

（2）二阶微分

• 在恒定灰度区域的二阶微分值为零
• 在灰度台阶、灰度斜坡的起点处二阶微分值非零
• 沿着灰度斜坡的二阶微分值为零

一阶微分与二阶微分的比较

• 一阶微分处理通常会产生较宽的边缘（因为数字图像中的边缘在灰度上类似于斜坡过渡，而沿着斜坡的一阶微分非零）
• 二阶微分处理对细节有较强的响应（如细线和孤立点），通常产生由零分开的一个像素宽的双边缘
• 大多数应用中，对图像增强来说，因为二阶微分对细节的增强能力比一阶微分好

基于一阶微分的锐化滤波器——梯度算子

数字图像的梯度（一阶微分）的近似计算方法（滤波模板）



梯度算子的应用

结论：

梯度值正比于邻近像素灰度值的差分，因此在图像变化缓慢区域，其值很小；而在灰度急剧变化的部分（即图像的细节，如边缘）其值很大，这就是图像经过梯度计算可使其细节清晰从而达到锐化目的的实质。

基于二阶微分的锐化滤波器——拉普拉斯算子

拉普拉斯算子强调图像中灰度的突变，同时降低灰度慢变化的区域，使用拉普拉斯变换对图像进行增强的基本方法可表示为下式：

即，将原始图像和拉普拉斯图像叠加在一起，以增强原始图像的细节，同时又保护了原始图像的背景信息。