锐化处理的主要目的是突出灰度的过渡部分。补偿轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰。
图像锐化的用途多种多样,应用范围从电子印刷和医学成像到工业检测和军事系统的制导等。
图像的模糊可以通过积分来实现(均值处理与积分类似)。而图像锐化,则需要微分来实现。
下面的内容,我们将讨论由数字微分来定义和实现锐化算子的方法。
图像的一阶微分二阶微分
基本上。微分算子的响应程度与图像在用算子操作的这一点的突变程度成正比,这样,图像微分增强边缘和其他突变(如噪声),而削弱灰度变化缓慢的区域。
对于一维函数f(x),其一阶微分的基本定义是差值。
这个公式是由泰勒级数推导出的。现在只须当作一个定义来接受即可。
其中,为了与二维图像函数f(x,y)的微分保持一致,我们使用了偏导符号。
对于二维函数,我们将沿着两个空间轴处理偏微分。当函数中只有一个变量时,,对于二阶微分,这也同样成立。
我们将二阶微分定义成如下差分:
eg。一段扫描线,下面是扫描线中的灰度值
数字图像中的边缘在灰度上常常类似于斜坡过渡,如上面的例子那样,这样会导致图像的一阶微分会产生较粗的边缘,因为沿着斜坡的积分非零。
另一方面,二阶微分产生零分开的一个像素的双边缘。
由此可以得出结论,二阶微分在增强细节方面要比一阶微分好得多,这是一个适合锐化图像的理想特性。
所以我们开始主要注意二阶微分。下面,我们来考