使用VC++实现锐化处理（使用Sobel算子、Prewitt算子、Isotropic算子）

使用VC++实现锐化处理（使用Sobel算子、Prewitt算子、Isotropic算子）

获取源工程可访问gitee可在此工程的基础上进行学习。
该工程的其他文章：
01- 一元熵值、二维熵值
02- 图像平移变换，图像缩放、图像裁剪、图像对角线镜像以及图像的旋转
03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器
04-分段线性变换，直方图均衡化、锐化处理
05-基于拉普拉斯算子、Canny的边缘检测功能、实现Otsu分割方法
06-最近邻插值，双线性插值，立方卷积插值
07-全局固定阈值分割、自适应阈值分割
08-K近邻中值滤波器（KNNMF）、最小均方差滤波器、矢量中值滤波算法

实验内容

对一幅256级灰度图像，使用VC++实现锐化处理（使用Sobel算子、Prewitt算子、Isotropic算子）。

一、Sobel算子

1.Sobel算子锐化原理

Sobel算子是一种常用于图像处理的边缘检测算子，也可用于图像锐化。其原理基于对图像的卷积操作，计算图像中每个像素点的梯度值。Sobel算子有水平方向和垂直方向两种核，分别用于检测图像中的水平和垂直边缘。

Sobel算子的水平方向卷积核：

-1  0  1
-2  0  2
-1  0  1

Sobel算子的垂直方向卷积核：

-1 -2 -1
 0  0  0
 1  2  1

算法步骤如下：

1. 对于图像中的每个像素点，将其与Sobel算子的卷积核进行卷积操作，分别计算水平方向和垂直方向的梯度值。

2. 将水平和垂直方向的梯度值合并，一般使用这两个梯度值的平方和的开根号，得到最终的梯度值。

3. 将得到的梯度值映射到图像的灰度范围，例如，通过取整和截断的方式将其限定在0到255之间。

4. 最终得到的图像就是经过Sobel算子锐化后的图像，边缘特征更加明显。

Sobel算子的优势在于简单易实现，对噪声具有一定的抑制作用，常用于图像边缘检测和锐化。

2.Sobel算子锐化实验代码

 // 循环控制变量
 int y;
 int x;
 
 CSize sizeImage = pDib->GetDimensions();
 int nWidth = sizeImage.cx ;
 int nHeight= sizeImage.cy ;

 int templatewidth = 3;
 int templateheight = 3;
 int gx[100] = { 1,0,-1,
     2,0,-2,
     1,0,-1 };

 int gy[100] = { -1,-2,-1,
      0,0,0,
      1,2,1 };

 for (y = 1; y < nHeight - 1; y++)
  for (x = 1; x < nWidth - 1; x++)
  {
   double Gx = 0, Gy = 0;
   for(int k=0;k< templatewidth;k++)
    for (int m = 0; m < templateheight; m++)
    {
     int gray = pDoc->m_pDibInit->GetPixelGray(x - templatewidth / 2 + m, y - templateheight / 2 + k);
     Gx += gx[k * templatewidth + m] * gray;
     Gy += gy[k * templatewidth + m] * gray;
    }
   double G_xy = sqrt(Gx * Gx + Gy * Gy); //平方和开根号

   pDoc->m_pDibTest->SetPixelGray(x, y, (int)G_xy);
  }

3.Sobel算子锐化现象

二、Prewitt算子

1.Prewitt算子锐化原理

Prewitt算子是一种用于图像处理的边缘检测和图像锐化的卷积算子。它类似于Sobel算子，但其权重系数略有不同。Prewitt算子有两个核，分别用于水平和垂直方向的卷积。

水平方向的Prewitt核：

-1  0  1
-1  0  1
-1  0  1

垂直方向的Prewitt核：

-1 -1 -1
 0  0  0
 1  1  1

Prewitt算子的原理是通过卷积计算图像中每个像素点与其周围像素的梯度，以检测图像中的边缘。具体步骤如下：

1. 对图像进行灰度处理（如果图像不是灰度图）。

2. 使用水平和垂直方向的Prewitt核对图像进行卷积操作，分别得到水平方向（Gx）和垂直方向（Gy）的梯度图像。

3. 计算每个像素的梯度大小，通常使用以下公式：

   $$G=\sqrt{G{x}^2+G{y}^2}$$

4. 将计算得到的梯度大小映射到新的像素值范围（例如，0到255），以生成最终的锐化图像。

Prewitt算子主要用于强调图像中的垂直或水平边缘。在图像处理中，它常被应用于边缘检测、特征提取和图像增强等任务。

2.Prewitt算子锐化实验代码

只需要在sobel算子的基础上更改两个核

//Prewitt算子
 int gx[100] = { 1,0,-1,
     1,0,-1,
     1,0,-1 };

 int gy[100] = { -1,-1,-1,
      0,0,0,
      1,1,1 };

3.Prewitt算子锐化实验现象

三、Isotropic算子

1.Isotropic算子锐化原理

在图像处理中，Isotropic算子是一种用于图像锐化的算子，它基于图像的梯度信息，类似于Sobel和Prewitt算子。Isotropic算子主要强调图像中的各个方向的边缘。

Isotropic算子没有固定的卷积核，而是根据图像中每个像素点周围的梯度方向进行动态调整。其原理如下：

1. 计算梯度： 对图像进行梯度计算，通常使用Sobel、Prewitt或其他梯度算子。这一步会得到每个像素点的梯度强度和方向。

2. 动态卷积核： 对于每个像素点，根据其梯度方向调整卷积核。通常，Isotropic算子采用一个可旋转的卷积核，可以在不同方向上产生不同的响应。这个卷积核可以根据梯度方向旋转一定的角度。

3. 卷积操作： 使用动态调整后的卷积核对图像进行卷积操作。这一步产生的结果是在多个方向上对图像进行了锐化处理，以增强图像中各个方向的特征。

4. 灰度映射： 将卷积操作得到的结果映射到合适的灰度范围，以生成最终的锐化图像。

Isotropic算子的优势在于它对于不同方向的边缘都有较好的响应，能够更全面地提取图像的特征。然而，由于其动态卷积核的设计，计算成本可能较高，具体实现时需要根据应用场景进行权衡。

2.Isotropic算子锐化实验代码

只需要在sobel算子的基础上更改两个核

 //Isotropic算子图像锐化
 // 设置模板系数
 double gx[100] = { 1,0,-1,
     sqrt(2),0,-sqrt(2),
     1,0,-1 };

 double gy[100] = { -1,-sqrt(2),-1,
      0,0,0,
      1,sqrt(2),1 };

3.Isotropic算子锐化实验现象