图像锐化（增强）和边缘检测

图像锐化和边缘检测

本文内容构成：

       1、图像锐化和边缘检测的基本概念，微分梯度已经差分的定义

       2、锐化和边缘检测的像素处理方式（3种）

       3、单方向一阶微分锐化，包括：

             水平方向

             垂直方向

             Kirsch算子

        4、无方向微分锐化，包括：

             Roberts算子

             Sobel算子

             Prewitt算子

             Laplacian算子（二阶微分）

             LOG算子（二阶微分

        5、二阶微分

        6、实验结果对比

 

        在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。微分运算是求信号的变化率，由傅立叶变换的微分性质可知，微分运算具有较强高频分量作用。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。

 

       图像锐化的方法分为高通滤波和空域微分法。图像的边缘或线条的细节（边缘）部分 与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，是图像的细节变得清楚，实现图像的锐化，由于高通滤波我们在前面频域滤波已经讲过，所以这里主要讲空域的方法——微分法。

 

       一阶微分运算一阶微分主要指梯度模运算，图像的梯度模值包含了边界及细节信息。梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。

图像在点处的梯度 定义为一个二维列矢量：

梯度大的幅值即模值，为：

 

 

梯度的方向在 最大变化率方向上，方向角可表示为：

        对于离散函数 也有相应的概念和公式，只是用差分代替微分。差分可取为后向差分，前向差分。

在x,y方向上的一阶向后差分分别定义为：

 梯度定义为：

 其模和方向分别为：