本篇文章主要介绍图像边缘锐化的基本方法;
锐化处理的目的是增强边界;图像中的物体的区别是图像的亮度值不同;在边界上反应很大的变化;所以锐化的目的是突出物体的细节,或者增强被模糊了的图像细节;
为了以后边界提取、图像分割、目标识别、形状特征的提取打下基础;
锐化的基本方法:
图像锐化主要靠边界的不同,所以锐化求不同就要求差异,求差异要用减的方法;所以我们用到微分运算;
在微分运算的基础上,介绍梯度锐化和边缘检测;
梯度锐化:保持物体的边界很清晰,使物体的内部数据保留不变,在边缘上增强;除此之外,介绍通用的边缘检测算子,并对这些算子进行比较;
所以本篇文章主要围绕:如何增强边界???怎样提取边界???
1、增强边界:加强图片中物体的边界,突出边界;不改变物体内部数据量;
2、提取边界:不考虑物体内部信息;
图像边缘类型:
通常,边缘上的灰度变化平缓,而边缘两侧灰度变化比较快,图像的边缘一般是指在局部不连续的图像特征。一般是局部亮度变化最显著的部分,灰度值的变化、颜色分量的突变、纹理结构的突变都可以构成边缘信息;
边缘是有方向性的,一个物体的边缘可能是水平的,也可能是垂直的;只有垂直与边缘的数据量是变化很大的;跟边缘一致的点,变化是很小的;我们不能任意找变化量,必须沿着垂直于边缘的的方向上,才能找到最大的变化量;所以边缘上的变化量是很小的,垂直于边缘的两侧数据量变化很大;
所以要找边缘,就要找数据的变换量,一个方向上的变化量;变化量只能用减法;相邻两个像素的差值;
常见的边缘类型:
差分特点:
阶梯状:差分在边缘处有最大值;所以一阶导数有最大值;在进行求导,二阶导数是过零的;
脉冲状:一阶导数有最大值、最小值,也有过零;
屋顶状:有一部分是为0,从零到最高,然后到最低;
我们最感兴趣的是恒定灰度区域(平坦段)、突变的开头与结尾(阶梯与斜坡突变)以及沿着灰度级斜坡处的特性。微分运算能够增强边缘和其他突变(如噪声),削弱灰度缓慢变化的区域,微分运算的响应强度与图像在该点的突变程度有关;
因为数字图像是离散的,这里用差分定义微分:
一元函数f(x)一阶微分: