基于matlab的数字图像处理---图像的锐化与边缘提取

相关原理：

1、频率提升——将原图像与边缘信息加权；

2、高频增强——改变滤波模板直接实现边缘增强；

3、一阶算子具备梯度方向信息，但是对丰富的高频纹理信息不敏感，适合于需要对边缘后续处理的应用；

4、 二阶算子对高频纹理信息敏感，但是无法获得边缘的梯度信息，适合于仅需要边缘位置信息的应用。

程序代码实现如下：

img_rgb = imread('123.jpg');
img = rgb2gray(img_rgb);
% img=im2double(img);  %将f转换为归一化的double类图像
figure();
imshow(img);
%进行均值滤波
a_bmp = filter2(fspecial('average',3),img)/255; %进行3*3均值滤波
imwrite(a_bmp,'A.bmp');
%%边缘提取
bw1 = edge(a_bmp,'sobel');
bw2 = edge(a_bmp,'roberts');
bw3 = edge(a_bmp,'log');
bw4 = edge(a_bmp,'canny');
figure
subplot(2,2,1); imshow(bw1);title('sobel算子');
subplot(2,2,2);imshow(bw2);title('roberts算子');
subplot(2,2,3);imshow(bw3);title('log算子');
subplot(2,2,4);imshow(bw4);title('canny算子');

%空域锐化
p1 =fspecial(‘sobel’);
figure();
add1 =imfilter(a_bmp,p1);
out1=add1+a_bmp;
imshow(out1);
title(‘sobel锐化结果’);

p2 =fspecial(‘prewitt’);
figure();
add2 =imfilter(a_bmp,p2);
out2=add2+a_bmp;
imshow(out2);
title(‘prewitt锐化结果’);

p3 =fspecial(‘laplacian’);
figure();
add3 =imfilter(a_bmp,p3);
out3=add3+a_bmp;
imshow(out3);
title(‘laplacian锐化结果’);

%进行高斯滤波及频域锐化；
%图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分弱化而产生的。

gaus=fspecial(‘gaussian’, [3,3], 1);
figure
gausout=imfilter(a_bmp,gaus,‘replicate’);
imshow(gausout)
title(‘高斯频域滤波’);

f= double(img);[r,c]=size(f);
F=fft2(f);G=fftshift(F);
d0=15; %半径范围
n=2;%巴特沃斯阶次
a=0.2;b=2.0; %高频强调滤波传递函数系数
mu=floor(r/2);mv=floor(c/2);
for u=1:r
for v=1:c
d=sqrt((u-mu)^2+(v-mv)2);
Hlpbtw=1/(1+0.414*(d/d0)^(2n));
Hhpbtw=1-Hlpbtw; Ghpbtw(u,v)=HhpbtwG(u,v);
Hhfebtw=a+bHhpbtw; Ghfebtw(u,v)=HhfebtwG(u,v);
end
end
ghpbtw=ifftshift(Ghpbtw);
fhpbtw=uint8(real(ifft2(ghpbtw)));
subplot(1,3,1);imshow(fhpbtw);title(’ 巴特沃斯高通’);
ghfebtw=ifftshift(Ghfebtw);
fhfebtw=uint8(real(ifft2(ghfebtw)));
subplot(1,3,2);imshow(fhfebtw);title(‘巴特沃斯高频强调滤波’);
histeq_fhfebtw=histeq(fhfebtw,256);
subplot(1,3,3);imshow(histeq_fhfebtw);title(‘均衡化结果’);

图像处理结果如下：

1、原始图像

2、处理结果：