数字图像处理图像锐化处理
4.7.2 灰度级到彩色转换 灰度级到彩色转换(例) 在HSI彩色空间的直方图均衡强度均衡处理没有改变图像的色调和饱和度值,但它的确影响了整体图像的彩色感观。 向量分量可以用传统的灰度邻域处理单独地平滑RGB图像的每一平面得到。 用拉普拉斯进行图像尖锐化 (a)处理每一个RGB通道的结果 (b)处理强度分量并转换为RGB的结果 (c)两种结果的差别 炸药 衣箱 背景 炸药 衣箱 背景 必须考虑适应多于一个分量的直方图的灰度级技术。独立地进行彩色图像分量的直方图均衡通常是不明智的,这将产生不正确的彩色。 4.7.3 彩色图像的直方图处理 4.7.4 彩色图像平滑 (a)RGB图像 (b)红分量图像 (c)绿分量图像(d)蓝分量图像 RGB彩色图像的HSl分量 (a)色调(b)饱和度 (c)强度 用5x5平均模板平滑图像 (a)处理RGB每一分量图像的结果(b)处理HSI图像强度分量,转换为RGB图像的结果(c)两种结果间的差别 用拉普拉斯方法的图像尖锐化处理 4.7.5 彩色图像尖锐化 * 第四章 图像增强与平滑 4.6 图像锐化 图像锐化的主要用途 印刷中的细微层次强调。弥补扫描、挂网对图像的钝化; 超声探测成象,分辨率低,边缘模糊,通过锐化来改善; 图像识别中,分割前的边缘提取; 锐化处理恢复过度钝化、暴光不足的图像; 图像创艺(只剩下边界的特殊图像); 尖端武器的目标识别、定位。 图像锐化的实质: 空间域锐化处理:用空间微分对图像进行处理,增强图像边缘和突变,消除灰度变化缓慢的区域。 频率域锐化处理:增强高频分量,从而使图像清晰。 4.6.1 微分法的数学基础 1. 梯度法 对于图像函数f (x, y), 它在点(x, y)处的梯度是一个矢量,定义为 4.6.2 基于一阶微分的图像增强 梯度的两个重要性质是: (1) 梯度的方向在函数f(x, y)最大变化率的方向上。 (2) 梯度的幅度用G[f(x, y)]表示, 并由下式算出: 对于数字图像而言: G[f(x, y)]={[f(i, j)-f(i+1, j)]2+[f(i, j)-f(i, j+1)]2}1/2 上式可简化成为 G[f(x, y)]=|f(i, j)-f(i+1, j) +f(i, j)-f(i, j+1) | 以上梯度法又称为水平垂直差分法。另一种梯度法叫做罗伯特梯度法(Robert Gradient),它是一种交叉差分计算法,其数学表达式为: G[f(x, y)]={[f(i, j)-f(i+1, j+1)]2+[f(i+1, j)-f(i, j+1)]2}1/2 同样可近似为 G[f(x, y)]=|[f(i, j)-f(i+1, j+1) |+|f(i+1, j)-f(i, j+1)| 求梯度的两种差分运算 图像梯度锐化结果 (a) 二值图像; (b) 梯度运算结果 当梯度计算完之后,可以根据需要生成不同的梯度增强图像。(1) g(x, y)=G[f(x, y)] (2) (3) (4) 梯度算子模板: 一般梯度算子 Roberts梯度算子 2. Sobel算子 Sobel算子的基本原理是: 对3×3窗口的灰度进行计算, 将其作为变换后图像f(i, j)的灰度。 Sobel算子图像坐标 g=|Sx|+ |Sy| Sobel 算子模板 Sobel 算子模板的应用 Sobel算子特点: (1)采用梯度微分锐化图像,同时会使噪声、条纹等得到增强, 而Sobel算子引入了平均因素, 因而对图像中的随机噪声有一定的平滑作用。 (2) 由于它是相隔两行或两列之差分, 故边缘两侧元素得到了增强,边缘显得粗而亮。 常用的梯度算子 对数字图像来讲,f(x, y)的二阶偏导数可表示为: 4.6.3 基于二阶微分的图像增强——拉普拉斯运算(Laplacian Algorithm) 拉普拉斯算子为 则对于数字图像,拉普拉斯算子 为 当k=1时,拉普拉斯锐化后的图像为 如果图像的模糊是由扩散现象引起的(如胶片颗粒化学扩散等),则锐化后的图像g为 式中:f、g分别为锐化前后的图像,k为与扩散效应有关的系数。 拉普拉斯模板 实际中还常用到如下的拉普拉斯算子(模板): 拉普拉斯锐化前、 后图