图像锐化

1摘要

图像锐化处理的目的是使模糊的图像变得更加清晰起来。通常针对引起图像模糊的原因而进行相应地锐化操作属于图像复原的内容。图像模糊的实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来清晰图像。但要注意，能够进行锐化

处理的图像必须有较高的信噪比。否则锐化后图像的信噪比反而更低，从而使噪声增加得比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。

 

1.1 梯度锐化

   在图像处理中，一阶微分是通过梯度法来实现的。对于一幅图像用函数f(x,y)表示，定义 f(x,y)在点(x,y)处的梯度是一个矢量，定义为：

                                                        

 

梯度的方向在函数f(x,y)最大变化率的方向上，梯度的幅度G[f(x,y)] 可由下式算出：

                                                        

 

由上式可知，梯度的数值就是f(x,y)在其最大变化率方向上的单位距离所增加的量。对于数字图像而言，微分  和  可用差分来近似。式（5-6）按差分运算近似后的梯度表达式为：

                                   

 

为便于编程和提高运算速度，在计算精度允许的情况下，可采用绝对差算法近似为：

                                    

 

 

1.2 拉普拉斯锐化

   常用的锐化模板是拉普拉斯(Laplacian)模板(见(3.4)式)，这又是个数学家的名字。

在图像锐化处理过程中，函数的拉普拉斯算子也是借组模板来实现的。模板的取样将直接影响锐化的效果，常用的模板有。

 

Gx = [-1,-1,-1;-1,9,-1;-1,-1,-1]

Gx = [0,-1,0;-1,5,-1;0,-1,0]

Gx = [0,-1,0;-1,4,-1;0,-1,0]

Gx = [1,1,1;1,-8,1;1,1,1]

 

 

容易看出拉普拉斯模板的作法：先将自身与周围的8个象素相减，表示自身与周围象素的差别；再将这个差别加上自身作为新象素的灰度。可见，如果一片暗区出现了一个亮点，那么锐化处理的结果是这个亮点变得更亮，   增加了图象的噪声。   因为图象中的边缘就是那些灰度发生跳变的区域，   所以锐化模板在边缘检测中很有用。

 

2</