数字图像处理_拉普拉斯图像锐化

本文是博主个人学习数字图像处理整理知识点所用，如有错误希望得到大家指点

一、图像拉普拉斯锐化模板：四方向模板：Laplace1=[0 -1 0;-1 4 -1;0 -1 0]

                                          八方向模板：Laplace2=[-1 -1 -1 ；-1 8 -1；-1 -1 -1]

     下面具体介绍拉普拉斯模板

    1.理论知识

          拉普拉斯算子是一个是n维欧几里德空间中的一个二阶微分算子，它的定义如下：

                 

         在x方向上

                

        在y方向上

                

       合起来就是

               

     拉普拉斯强调的是图像中灰度的突变，并不强调图像的灰度缓变（灰度缓变由一阶微分，也就是梯度，图像应用是sobel算子，具体下面介绍）

    根据上边的表达式，可以确定拉普拉斯算子的模板

    例如：

          [ 0 1 0

            1 -4 0

            0  1  0]

     这是以90度增量旋转的拉普拉斯算子，如果以45度增量旋转会是怎样的结果呢，结果如下：

          [1 1 1

           1 -8 1

           1  1 1]

八邻域表示法：

观察模板发现:当邻域内像素灰度相同时，卷积结果为0；当中心像素值高于邻域内其他像素平均灰度时，卷积结果为正；当中心像素灰度低于邻域其他像素平均灰度时候，卷积结果为负数，最后把卷积结果加到原中心像素，这样可以加剧中心像素与邻域像素灰度值的“贫富分化”，因而达到“锐化”目的。

代码实现：

不用库函数

1. %拉普拉斯算子锐化图像，用二阶微分  
2. %四邻接g(x,y)=[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)]-4f(x,y)  
3. clear  
4. clc  
5. I1=imread('D:\BingZhouWork\Image\lena.jpg');  
6. I=im2double(I1);  
7. [m,n,c]=size(I);  
8. A=zeros(m,n,c);  
9. %分别处理R、G、B  
10. %先对R进行处理  
11. for i=2:m-1  
12.     for j=2:n-1  
13.         A(i,j,1)=I(i+1,j,1)+I(i-1,j,1)+I(i,j+1,1)+I(i,j-1,1)-4*I(i,j,1);  
14.     end  
15. end  
16.   
17. %再对G进行处理  
18. for i=2:m-1  
19.     for j=2:n-1  
20.         A(i,j,2)=I(i+1,j,2)+I(i-1,j,2)+I(i,j+1,2)+I(i,j-1,2)-4*I(i,j,2);  
21.     end  
22. end  
23.   
24. %最后对B进行处理  
25. for i=2:m-1  
26.     for j=2:n-1  
27.         A(i,j,3)=I(i+1,j,3)+I(i-1,j,3)+I(i,j+1,3)+I(i,j-1,3)-4*I(i,j,3);  
28.     end  
29. end  
30. B=I-A;  
31.   
32.  imwrite(B,'lena.tif','tif');  
33.  imshow('D:\BingZhouWork\Image\lena.jpg');title('不清晰图像');figure  
34.  imshow('lena.tif');title('得到的清晰图像')  

用matlab自带的fspecial函数实现：

[plain]  view plain  copy

1. %matlab直接调用拉普拉斯方法  
2. clear  
3. clc  
4. f=imread('D:\BingZhouWork\Image\unclear.jpg');  
5. f2=im2double(f); %将f转换归一化的double类图像，然后进行滤波  
6. w=fspecial('laplacian',0);  
7. g1=imfilter(f,w,'replicate');  
8. g=f-g1;  
9. imshow(f);figure  
10. imshow(g);  

图像锐化结果：

整理更新中...

参考：https://blog.csdn.net/zb1165048017/article/details/49330171

转载需注明出处：https://blog.csdn.net/qq_34793133/article/details/79946463