图像在空域上锐化处理matlab

1. 图像锐化

图像锐化与图像平滑是相反的操作，锐化是通过增强高频分量来减少图像中的模糊，增强图像细节边缘和轮廓，增强灰度反差，便于后期对目标的识别和处理。锐化处理在增强图像边缘的同时也增加了图像的噪声。方法通常有微分法和高通滤波法。

2. 锐化处理方法

2.1.1. 梯度法

梯度的方向是图像中最大变化率的方向，梯度的幅度比例于相邻像素的灰度级差值

对图像F ( x , y )，在点( x , y ) 处的梯度定义为矢量：

2.2. 拉普拉斯算子法

2.3. 高通滤波法

2.4. 模板匹配法

将具有8个方向、大小为3×3的模板顺序作用于同一图像窗口，并对结果进行排序，将最大的结果值会加权平均值作为窗口中心元素的锐化进行输出。

模板匹配法除了能增强图像边缘外还具有平滑噪声的优点，总体上效果优于梯度法

下面介绍两种模板匹配算子：

2.4.1. Sobel算子

2.4.2. Prewitt算子

3.相关代码

%梯度法锐化方法、边缘增强算子和高斯-拉普拉斯方法
clc;close all;
[img1, map]=imread('lenna.bmp');
figure;subplot(2,2,1);imshow(img1);title('原图');

[ROW, COL] = size(img1);
img = double(img1);

%梯度法锐化法
for i = 1:ROW-1
    for j =1: COL-1
        new_imgGradient(i,j) = sqrt((img(i,j)-img(i+1,j))*(img(i,j)-img(i+1,j))+(img(i,j)-img(i,j+1))*(img(i,j)-img(i,j+1)));
        img_imgGradient(i,j) =  new_imgGradient(i,j) + img(i,j);
    end
end

subplot(2,2,2);imshow(uint8(img_imgGradient));
title('梯度法锐化法');




%定义sobel算子
sobel_x = [-1,0,1;-2,0,2;-1,0,1];
sobel_y = [-1,-2,-1;0,0,0;1,2,1];
for i = 1:ROW - 2
    for j = 1:COL - 2
        funBox = img(i:i+2, j:j+2);
        G_x = sobel_x .* funBox;
        G_x = abs(sum(G_x(:)));   %矩阵中所有元素求和,在取绝对值
        G_y = sobel_y .* funBox;
        G_y = abs(sum(G_y(:)));
        sobelxy  = G_x * 0.5+ G_y *0.5;%边缘增强
        
        new_img(i+1,j+1) = sobelxy+img(i+1,j+1);%锐化
    end
end
subplot(2,2,3);
imshow(new_img/255),title("sobel锐化后");


%高斯-拉普拉斯算子锐化
model=[0,0,1,0,0; 
               0,1,2,1,0;
               1,2,-16,2,1;
               0,1,2,1,0;
               0,0,1,0,0;];
for i=3:ROW-2
for j=3:COL-2
    tem = double(img1(i-2:i+2,j-2:j+2)).*model;
    x = sum(sum(tem));
   t_1(i,j) = x;%log提取边缘
   
   img_log(i,j) = x+img(i,j);%锐化
end
end
subplot(2,2,4);imshow(uint8(img_log)),title('log锐化后')
figure,imshow(t_1),title('log提取边缘后')