边缘提取与锐化增强--所有常见算子的实现

最新推荐文章于 2024-06-12 11:29:51 发布
最新推荐文章于 2024-06-12 11:29:51 发布
阅读量2.7k 收藏 13
点赞数 1
分类专栏： 数字图像处理 文章标签： 图像识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42746999/article/details/104039804
版权

边缘提取与锐化增强

基于单方向梯度算子，Robert算子，Sobel算子，Pwitter算子，Laplacian算子，多方向模板，LoG算子编写的matlab增强程序。

原理

1.单方向梯度算子
用差分定义一元函数f(x)一阶微分：
在这里插入图片描述
水平方向梯度计算方法为：
在这里插入图片描述
垂直方向梯度计算方法为：
在这里插入图片描述
若想得到常规梯度模板，用绝对值近似平方和平方根操作以方便计算：
在这里插入图片描述
2.Robert算子
利用以下图中的符号表示一个3*3区域内图像点的灰度：
在这里插入图片描述
Robert交叉差分算子中：
在这里插入图片描述
则梯度图像计算为：
在这里插入图片描述
为了方便运算，可利用以下公式：
在这里插入图片描述
故Robert交叉梯度算子计算方法为
在这里插入图片描述

3.Sobel算子
利用图（a）中的像素点，当以z5为对称中心的3*3领域内时，我们可得：
在这里插入图片描述
即：
在这里插入图片描述
故Sobel算子的计算方法为：
在这里插入图片描述
同样，为了在实际问题中方便运算，我们用绝对值近似平方和平方根：
在这里插入图片描述
4.Priwitt算子
Priwitt算子的计算方法为：
在这里插入图片描述
同样，为了在实际问题中方便运算，我们用绝对值近似平方和平方根：
在这里插入图片描述
5.Laplacian算子
我们此处用的是Laplacian算子四邻域模板：
在这里插入图片描述
也可用Laplacian算子的八邻域模板：

在这里插入图片描述
故四邻域Laplacian算子计算方法为：
在这里插入图片描述
八邻域Laplacian算子计算方法为：

在这里插入图片描述
6.多方向模板
采用Kirsch算子
Krisch 算子8个方向的模板为：
在这里插入图片描述
取这8个方向最大值，即产生最大输出值的模板方向，表示该点边缘的方向。如果所有方向上的边缘模板接近于0，该点没有边缘；如果所有方向的边缘模板输出值都近似相等，则没有可靠边缘。
7.LoG算子
G(x,y)是对图像处理的高斯函数：
在这里插入图片描述
对平滑后的图像做拉普拉斯变换，得：

在这里插入图片描述
即先对图像平滑。后对图像做拉普拉斯变换求二阶微分，再与原来的图像做卷积，此处我所用模板为5*5LoG模板：
在这里插入图片描述

边缘提取结果

在这里插入图片描述
LOG算子放大图如下：
在这里插入图片描述

锐化增强结果

在这里插入图片描述

对比分析

单方向模板具有单一性，对单方向边缘的提取效果较好，即水平、垂直方向；Robert算子利用局部差分寻找边缘，边缘定位较为准确，尤其是45度方向的边缘，但容易丢失一部分边缘，不具备抑制噪声的能力；Sobel算子和Prewitt算子对图像的处理更好，但容易出现多像素宽度，两者的区别在于权重大小；Laplacian 算子对噪声敏感，使噪声加强，也容易丢失部分边缘信息；LoG能够检测出较细边缘，且能有较好的去噪效果，边缘提取效果较为理想。LoG算子放大图如下所示：

代码

锐化增强

%Write  by 长安 Rjex
function enhance(name)Iold = imread(name);
I = double(Iold);
[x,y,z] = size(I);
A = [-1 1];
B = [1
    -1];
I3 = zeros(x,y,z);
for k = 1:z
    for i = 1:x    
        for j = 1:y-1        
            p = I(i,j:j+1,k);            
            I3(i,j,k) = I(i,j,k) + abs(sum(sum(p.*A)));        
        end   
    end
end
I3 = uint8(I3);
subplot(2,4,1);imshow(I3),title('水平梯度算子'); 

for k = 1:z
    for i = 1:x-1    
        for j = 1:y        
            p = I(i:i+1,j,k);            
            I3(i,j,k) =I(i,j,k)+abs(sum(sum(p.*B)));        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,2);imshow(I3),title('垂直梯度算子'); 

A = [-1 0 
    0 1];
B = [0 -1
    1 0];I3 = zeros(x,y,z);
for k = 1:z
    for i = 1:x-1    
        for j = 1:y-1        
            p = I(i:i+1,j:j+1,k);            
	    I3(i,j,k) = I(i,j,k)+abs(sum(sum(p.*A)))+abs(sum(sum(p.*B)));        				
	end 
     end
end
I3 = uint8(I3);
subplot(2,4,3);
imshow(I3),title('Robert算子'); 
I3 = double(I3);
C = [-1 -2 -1
    0 0 0
    1 2 1];
D =  [-1 0 1
    -2 0 2 
    -1 0 1];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            p = I(i-1:i+1,j-1:j+1,k);            
            I3(i,j,k) = I(i,j,k)+max(abs(sum(sum(p.*C))),abs(sum(sum(p.*D))));        
        end    
     end
end
I3 = uint8(I3);
subplot(2,4,4);imshow(I3),title('Sobel算子'); 
I3 = double(I3);
C = [-1 -1 -1 
     0 0 0    
     1 1 1];
D =  [-1 0 1
    -1 0 1 
    -1 0 1];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            p = I(i-1:i+1,j-1:j+1,k);            
            I3(i,j,k) = I(i,j,k)+max(abs(sum(sum(p.*C))),abs(sum(sum(p.*D))));        
        end    
     end
end
I3 = uint8(I3);
subplot(2,4,5);imshow(I3),title('Priwitt算子'); 
C = [0 -1 0 
    -1 5 -1    
     0 -1 0];
for k = 1:z 
    for i = 2:x-1    
        for j = 2:y-1        
            p = I(i-1:i+1,j-1:j+1,k);            
            I3(i,j,k) = sum(sum(p.*C));        
        end    
     end
end
I3 = uint8(I3);
subplot(2,4,6);imshow(I3),title('Lap算子'); 
E(:,:,1) = [5 5 5 
           -3 0 -3            
           -3 -3 -3];
E(:,:,2) = [-3 5 5
            -3 0 5            
            -3 -3 -3];
E(:,:,3) = [-3 -3 5
            -3 0 5
            -3 -3 5]; 
E(:,:,4) = [-3 -3 -3
            -3 0 5            
            -3 5 5];
(:,:,5) = [-3 -3 -3
            -3 0 -3            
            5 5 5];
E(:,:,6) = [-3 -3 -3
            5 0 -3            
            5 5 -3];
E(:,:,7) = [5 -3 -3
            5 0 -3            
            5 -3 -3];
E(:,:,8) = [5 5 -3
            5 0 -3           
            -3 -3 -3];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            for l =1:8           
                 p = I(i-1:i+1,j-1:j+1,k);                
                 flag(l) = sum(sum(p.*E(:,:,l)));           
            end           
            I3(i,j,k) = I(i,j,k)+max(flag);       
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,7);imshow(I3),title('多方向模板');        
C = [-2 -4 -4 -4 -2
     -4 0 8 0 -4    
     -4 8 24 8 -4    
     -4 0 8 0 -4    
     -2 -4 -4 -4 -2];
for k = 1:z
    for i = 3:x-2    
        for j = 3:y-2        
            p = I(i-2:i+2,j-2:j+2,k);            
            I3(i,j,k) = I(i,j,k)+sum(sum(p.*C));        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,8);imshow(I3),title('LoG算子');

锐化增强

%Write  by 长安 Rjex
3.edgeImage.m 
function edgeImage(name)
I = double(imread(name));
[x,y,z] = size(I); 
A = [-1 1];B = [1    -1];
I3 = zeros(x,y,z);
for k = 1:z
    for i = 1:x    
        for j = 1:y-1        
            p = I(i,j:j+1,k);            
            I3(i,j,k) = abs(sum(p.*A));        
        end   
    end
end
I3 = uint8(I3);
subplot(2,4,1);imshow(I3),title('水平梯度算子'); 
for k = 1:z
    for i = 1:x-1    
        for j = 1:y       
             p = I(i:i+1,j,k);            
             I3(i,j,k) = abs(sum(p.*B));        
         end    
     end
end
I3 = uint8(I3);
subplot(2,4,2);imshow(I3),title('垂直梯度算子'); 
A = [-1 0 
     0 1];
B = [0 -1
    1 0];
I3 = zeros(x,y,z);
for k = 1:z
    for i = 1:x-1    
        for j = 1:y-1        
            p = I(i:i+1,j:j+1,k);            
            I3(i,j,k) = abs(sum(sum(p.*A)))+abs(sum(sum(p.*B)));        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,3);imshow(I3),title('Robert算子'); 
I3 = double(I3);
C = [-1 -2 -1
      0 0 0 
     1 2 1];
D =  [-1 0 1
    -2 0 2    
    -1 0 1];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            p = I(i-1:i+1,j-1:j+1,k);            
            I3(i,j,k) = abs(sum(sum(p.*C)))+abs(sum(sum(p.*D)));        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,4);imshow(I3),title('Sobel算子'); 
I3 = double(I3);
C = [-1 -1 -1
      0 0 0    
      1 1 1];
D =  [-1 0 1
    -1 0 1    
    -1 0 1];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            p = I(i-1:i+1,j-1:j+1,k);            
            I3(i,j,k) = abs(sum(sum(p.*C)))+abs(sum(sum(p.*D)));        
        end    
     end
end
I3 = uint8(I3);
subplot(2,4,5);
imshow(I3),title('Priwitt算子'); 
C = [0 -1 0
    -1 4 -1
     0 -1 0];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            p = I(i-1:i+1,j-1:j+1,k);            
            I3(i,j,k) = sum(sum(p.*C));        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,6);imshow(I3),title('Lap算子'); 
E(:,:,1) = [5 5 5
            -3 0 -3            
            -3 -3 -3];
E(:,:,2) = [-3 5 5
            -3 0 5            
            -3 -3 -3];
E(:,:,3) = [-3 -3 5 
           -3 0 5            
           -3 -3 5]; 
E(:,:,4) = [-3 -3 -3 
           -3 0 5            
           -3 5 5];
E(:,:,5) = [-3 -3 -3
            -3 0 -3            
            5 5 5];
E(:,:,6) = [-3 -3 -3
            5 0 -3            
            5 5 -3];
E(:,:,7) = [5 -3 -3
            5 0 -3            
            5 -3 -3];
E(:,:,8) = [5 5 -3
            5 0 -3           
            -3 -3 -3];
for k = 1:z
    for i = 2:x-1    
        for j = 2:y-1        
            for l =1:8           
                 p = I(i-1:i+1,j-1:j+1,k);                
                 flag(l) = sum(sum(p.*E(:,:,l)));            
            end            
            I3(i,j,k) = max(flag);        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,7);imshow(I3),title('多方向模板');        
C = [-2 -4 -4 -4 -2
     -4 0 8 0 -4 
     -4 8 24 8 -4    
     -4 0 8 0 -4    
     -2 -4 -4 -4 -2];
for k = 1:z
    for i = 3:x-2    
        for j = 3:y-2       
             p = I(i-2:i+2,j-2:j+2,k);            
             I3(i,j,k) = sum(sum(p.*C));        
        end    
    end
end
I3 = uint8(I3);
subplot(2,4,8);imshow(I3),title('LoG算子');
Rjex
关注
  • 1
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
常用的边缘算子
weixin_39835296的博客
09-07 1467
边缘算子边缘算子sobelRobertsPrewittCannyLaplacian对比 边缘算子 参考链接：https://blog.csdn.net/yato0514/article/details/82051790 图像方面的特征一般是从边缘开始，然后不断向上构成更高层次的特征描述，边缘和边界是不同的，边缘是指图像中的像素值突变的地方，边界指实际场景中物体间的边界 常用的一阶算子：sobel，roberts，prewitt，canny 常用的二阶算子：laplacian sobel sobel是离散型的
图像边缘提取算子
WX_Chen的博客
11-22 2422
常用的图像边缘提取算子有以下几种： Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两像素之差近似梯度幅值检测边缘。 Laplacian 算子是n维欧几里德空间中的一个二阶微分算子。 Canny 算子的目标是找到一个最优的边缘检测算法，Canny 使用了变分法。 是一种先平滑再求导的方法。 第一步： 对图像
图像处理：Python使用OpenCV进行图像锐化 （非锐化掩模、拉普拉斯滤波器）
最新发布
weixin_46999174的博客
06-12 1897
在图像处理中，锐化操作用于增强图像的边缘和细节，使图像看起来更清晰。常见的图像锐化方法包括非锐化掩模（Unsharp Masking）和拉普拉斯滤波器（Laplacian Filter）。
opencv之soble算子和scharr算法 强化边缘
WP的博客
07-20 1334
Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量 代码及效果： import cv2 as cv src = cv.imread("img/brain.jpg", cv.IMREAD_GRAYSCALE) # sobel算子 参数1:图像, 参数2:图像的深度 -1表示和原图相同, 参数3: x方向
图像增强之图像锐化(边缘增强)之prewitt算子
weixin_45050132的博客
06-20 582
图像增强之图像锐化(边缘增强)之prewitt算子
图像处理包括包括均值滤波，中值滤波，边缘提取，锐化，用C#开发
02-23
本项目是基于C#在Visual Studio 2005环境下开发的一个图像处理软件，它集成了几种基本的图像处理技术，包括均值滤波、中值滤波、边缘提取和锐化。下面将详细阐述这些知识点： 1. **均值滤波**： 均值滤波是一种...
MATLAB-实现数字图像锐化处理_图像锐化_
10-01
在图像处理领域，锐化是一种常见的技术，用于增强图像的边缘和细节，使其看起来更加清晰。本主题聚焦于使用MATLAB实现数字图像的锐化处理，特别是针对全息图像的条纹对比度提升。MATLAB作为一种强大的数值计算和数据...
image-process.rar_5*5中值滤波_roberts 锐化_图像锐化算子_平均梯度_邻域平均法
09-14
图像锐化算子是图像处理中的重要工具，其目标是增强图像的边缘和细节。Sobel算子是一种常用的边缘检测算子，它通过计算水平和垂直方向的梯度来估计边缘。Sobel算子对边缘的位置和方向都比较敏感，因此在实际应用中...
C# 图像处理 源代码 均值滤波 中值滤波 边缘提取 锐化 vs2015测试通过
11-29
4. **锐化**：锐化操作可以增强图像的边缘和细节，提高图像的清晰度。通常采用拉普拉斯算子或高通滤波器来实现。源代码可能包含这些算子的应用，通过对图像进行卷积操作来突出图像的高频成分，达到锐化效果。 5. **...
MATLAB实现图像去噪 滤波 锐化 边缘检测 源程序代码.zip
01-13
3. 图像锐化：锐化是为了增强图像的边缘和细节，常用的方法有拉普拉斯锐化、 Sobel算子、Prewitt算子等。拉普拉斯锐化基于拉普拉斯算子，能有效突出边缘；Sobel和Prewitt算子则是基于梯度的边缘检测算子，可用于图像...
边缘检测图像增强技术
05-02
1. 利用二个低通邻域平均模板（3×3和9×9）对一幅图像进行平滑，验证模板尺寸对图像的模糊效果的影响。 2. 利用一个低通模板对一幅有噪图像（GAUSS白噪声）进行滤波，检验两种滤波模板（分别使用一个5×5的线性邻域平均模板和一个非线性模板：3×5中值滤波器）对噪声的滤波效果。 3. 选择一个经过低通滤波器滤波的模糊图像，利用sobel和prewitt水平边缘增强高通滤波器（模板）对其进行高通滤波图像边缘增强，验证模板的滤波效果。 4.选择一幅灰度图像分别利用 一阶Sobel算子和二阶Laplacian算子对其进行边缘检测，验证检测效果。
边缘提取以及边缘增强
01-14
边缘提取以及边缘增强是不少图像处理软件都具有的基本功能，它的增强效果很明显，在用于识别的应用中，图像边缘也是非常重要的特征之一。图像边缘保留了原始图像中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。在以后要谈到的霍夫变换(检测图像中的几何形状)中
[Python图像处理] 十七.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子
热门推荐
杨秀璋的专栏
04-03 4万+
图像锐化和边缘提取技术可以消除图像中的噪声，提取图像信息中用来表征图像的一些变量，为图像识别提供基础。通常使用灰度差分法对图像的边缘、轮廓进行处理，将其凸显。本文分别采用Laplacian算子、Robert算子、Prewitt算子和Sobel算子进行图像锐化边缘处理实验。本文主要讲解灰度线性变换，基础性知识希望对您有所帮助。 1.Roberts算子 2.Prewitt算子 3.Sobel算子 4.Laplacian算子 5.总结代码
MATLAB sobel 锐化（边缘检测）
qq_33324114的博客
11-28 3730
MATLAB sobel 锐化（边缘检测） 例题 %例题验证 clc clear f=[3 3 3 3 3 3 8 7 6 3 3 6 0 5 3 3 7 8 4 3 3 8 3 3 3] [L,R]=size(f); g=zeros(L,R); for i=2:L-1 for j=2:R-1 dx=((f(i+1,j-1)-f(i-1,...
《opencv学习笔记》-- 边缘检测和canny算子、sobel算子、LapIacian 算子、scharr滤波器
ccr的博客
07-21 3177
边缘检测和canny算子、sobel算子、LapIacian 算子、scharr滤波器
边缘增强算法MATLAB,基于MATLAB的图像增强算法研究及实现
weixin_35748288的博客
04-02 3407
朱逢园摘要：由于图像中所出现的信号多出现在低分量部分，而高频分量部分易出现图像模糊的问题能得到解决，从而凸显图像中的重要信息，弱化或清除不需要的信息，以使图像更为清晰。本文选取有效且易实现的程序语言及算法，进一步增强图像构建框架，根据图像所成效果来进行程序设计以达到目的实现，并完善其功能。对图像进行检验，逐步完善整个算法程序，最终得到所需效果图。Abstract： Because the sign...
【老生谈算法】matlab实现图像锐化处理及边缘检测算法源码——图像锐化处理及边缘检测
m0_53407570的博客
11-03 1736
1 图像边缘锐化的基本方法物体的边缘是以图像局部特性不连续性的形式出现。本质上边缘常意味着一个区域的终结和另一个区域的开始。图像边缘信息在图像分析和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要特性。图像的边缘有方向和幅度两个特性。通常，延边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。边缘的描述包含以下几个方面： （1） 边缘点——它两边像素的灰度值有显著的不同。边缘点也存在于这样一对邻点之间即一个在较亮的区域内部，另一个在外部。 （2）边缘法线方向——在某点灰度变化最剧烈的方向，与
图像边缘锐化- Sharpening filter, Unsharp masking & Highboost filtering
Full_Speed_Turbo
06-08 1万+
图像锐化和图像增强
matlab边缘增强
09-13
Matlab中有多种方法可以实现边缘增强。其中一种常用的方法是使用拉普拉斯算子进行边缘检测和增强。拉普拉斯算子是一种二阶微分算子，可以突出图像中的边缘信息。在Matlab中，你可以使用函数`imfilter`或`fspecial`结合`imfilter`来实现这个算法。 以下是一个使用拉普拉斯算子进行边缘增强的示例代码： ``` % 读取图像 image = imread('image.jpg'); % 将图像转换为灰度图像 gray = rgb2gray(image); % 创建拉普拉斯滤波器 laplacianFilter = fspecial('laplacian'); % 应用滤波器 filteredImage = imfilter(gray, laplacianFilter); % 增强后的图像 enhancedImage = gray + filteredImage; % 显示结果 imshow(enhancedImage); ``` 在这个示例中，我们首先将彩色图像转换为灰度图像，然后创建一个拉普拉斯滤波器。接下来，我们使用`imfilter`函数将滤波器应用于灰度图像，得到滤波后的图像。最后，将滤波后的图像与原始灰度图像相加，得到增强后的图像。你可以根据需要调整滤波器的参数和增强图像的处理方式来获得不同的效果。 希望这个示例代码可以帮助你实现Matlab中的边缘增强任务。如果你还有其他问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值