锐化滤波器

最新推荐文章于 2024-09-20 18:20:48 发布

沉默的胚芽

最新推荐文章于 2024-09-20 18:20:48 发布

阅读量5.4k

点赞数 1

文章标签：概率论数据挖掘信号处理

本文链接：https://blog.csdn.net/weixin_44906805/article/details/121598079

版权

锐化滤波器通过增强高频分量凸显图像边缘，常采用高通滤波器。Sobel算子作为线性锐化滤波器的一种，利用像素邻域灰度差分实现边缘检测，对垂直和水平边缘尤为敏感。

摘要由CSDN通过智能技术生成

锐化滤波器在去噪的同时凸显物体的边缘信息，保持图像边缘信息不变或者是增强边缘信息。图像锐化的实质上增强原图像的高频分量，图像锐化滤波器为高通滤波器，边缘和轮廓一般位于灰度突变的地方，因此可以使用灰度差分提取图像边缘和轮廓。

由于轮廓和边缘在一幅图中常常具有任意方向，而差分运算具有方向性，如果差分运算的方向选取不合适，则和差分方向不一致的边缘和轮廓就检测不出来。图像锐化处理对任意方向的边缘和轮廓都有检测能力。

线性锐化滤波器

线性高通滤波器是最常用的线性锐化滤波器。其中心系数为正数，其他系数为负数，所有的系数之和为0.

clc,clear,close all;    %清理命令区、清理工作区、关闭显示图形
warning off             %消除警告
feature jit off         %加速代码运行
im=imread('ColoredChips.png');  %原图像
% im=rgb2gray(im);   %二维灰度图
R=imnoise(im(:,:,1),'gaussian',0,0.01)  %R+白噪声
G=imnoise(im(:,:,2),'gaussian',0,0.01)  %G+白噪声
B=imnoise(im(:,:,3),'gaussian',0,0.01)  %B+白噪声
im=cat(3,R,G,B);   %原图像+白噪声
w=[-1 -1 -1;   %掩膜mask
    -1 8 -1;
    -1 -1 -1];
im1=linear_sharpen_filter(im,w);
figure('color',[1,1,1])
subplot(121),imshow(im,[]),title('原始图像')
subplot(122),imshow(im1,[]),titl