銳化主要目的是突出細節,
圖像微分增強了邊緣和其他突變(噪聲)的信息,
水平方向微分算子:D={ [1,2,1] , [0,0,0] , [-1,-2,-1] }
垂直方向微分算子:D={ [1,0,-1], [2,0,-2], [1,0,-1] }
各向同性的微分算子:
1. Roberts交叉微分算子:
D1={[-1,0] , [0,1]} D2={[0,-1], [1,0]} result=| D1 【 f(x,y) 】 | + | D2 【f(x,y) 】 |
模板小,計算量小,但因模板尺寸為偶數,結果會有半個像素錯位。
2. Sobel微分算子:
Dx={[-1,-2,-1] , [0,0,0] , [1,2,1]} ,Dy={[-1,0,1], [-2,0,2] , [-1,0,1] }
result=square{Dx【 f(x,y)】*Dx【 f(x,y)】+Dy【 f(x,y)】*Dy【 f(x,y)】}
3. Priwitt微分算子:
Dx={[-1,-1,-1] , [0,0,0] , [1,1,1]} ,Dy={[-1,0,1], [-1,0,1] , [-1,0,1] }
result=square{Dx【 f(x,y)】*Dx【 f(x,y)】+Dy【 f(x,y)】*Dy【 f(x,y)】}
運算較Sobel簡單,
4. Laplacian算子:
二階微分算子提取的細節較以上一階的多,
L0={ [0,-1,0] , [-1,4,-1] , [0,-1,0] } 90°旋轉意義下的各向同性
L1={ [-1,-1,-1] , [-1,8,-1] , [-1,-1,-1] } 處理效果最強
L2={ [1,-2,1] , [-2,4,-2] , [1,-2,1] } 處理效果較弱
g(x,y)=f(x,y)+L(x,y)將算子運算結果與原始
5.Wallis微分算子:
結合拉普拉斯算子與對數算子構造的銳化算子,對於弱信息(
對於銳化算子處理後的圖像進行閾值處理(
二階微分算子檢測出的邊界細節信息較多,
評價邊緣檢測性能優劣的三指標:
1.好的信噪比,
2.好的定位性能,即檢測出的邊緣點要盡可能在實際邊緣的中心;
3.對單一邊緣僅有唯一響應,
希望在提高對景物邊緣的敏感性同時,可以最大程度抑制噪聲。
有一個線性算子——高斯函數的一階導數,
高斯函數與原圖的卷積達到了抵抗噪聲,
聲明:
以上內容為自己在學習過程中的歸納總結,大部分內容來自:
《數字信號處理基礎》 朱虹等編著
科學出版社 ISBN:7-03-014835-5