- 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。