图像的锐化处理 图像锐化的概念 图像锐化的目的是加强图像中景物的细节边缘和轮廓。 锐化的作用是使灰度反差增强。 因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。 图像锐化方法 图像的景物细节特征； 一阶微分锐化方法； 二阶锐化微分方法； 一阶、二阶微分锐化方法效果比较。 图像细节的灰度变化特性 图像细节的灰度变化微分特性 一阶微分锐化 —— 基本原理 一阶微分的计算公式非常简单： 一阶微分锐化 单方向的一阶锐化 —— 基本原理 单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。 因为图像为水平、垂直两个方向组成，所以，所谓的单方向锐化实际上是包括水平方向与垂直方向上的锐化。 水平方向的一阶锐化 —— 基本方法 水平方向的锐化非常简单，通过一个可以检测出水平方向上的像素值的变化模板来实现。 水平方向的一阶锐化 —— 例题 垂直方向的一阶锐化 —— 基本方法 垂直锐化算法的设计思想与水平锐化算法相同，通过一个可以检测出垂直方向上的像素值的变化模板来实现。 垂直方向的一阶锐化 —— 例题 单方向锐化的后处理 这种锐化算法需要进行后处理，以解决像素值为负的问题。 后处理的方法不同，则所得到的效果也就不同。 单方向锐化的后处理 方法1：整体加一个正整数，以保证所有的像 素值均为正。 这样做的结果是：可以获得类似浮雕的效果 单方向锐化的后处理 方法2：将所有的像素值取绝对值。 这样做的结果是，可以获得对边缘的有方向提取。 无方向一阶锐化 —— 问题的提出 前面的锐化处理结果对于人工设计制造的具有矩形特征物体(例如：楼房、汉字等)的边缘的提取很有效。但是，对于不规则形状(如：人物)的边缘提取，则存在信息的缺损。 无方向一阶锐化 —— 设计思想 为了解决上面的问题，就希望提出对任何方向上的边缘信息均敏感的锐化算法。 因为这类锐化方法要求对边缘的方向没有选择，所有称为无方向的锐化算法。 无方向一阶锐化 —— 交叉微分(Roberts算法) 交叉微分算法(Roberts算法)计算公式如下： 无方向一阶锐化 —— Sobel锐化 Sobel锐化的计算公式如下： 无方向一阶锐化 —— Priwitt锐化算法 Priwitt锐化算法 的计算公式如下： 一阶锐化 —— 几种方法的效果比较 Sobel算法与Priwitt算法的思路相同，属于同一类型，因此处理效果基本相同。 Roberts算法的模板为2*2，提取出的信息较弱。 单方向锐化经过后处理之后，也可以对边界进行增强。 二阶微分锐化 ——问题的提出 二阶微分锐化 —— 景物细节特征对应关系 二阶微分锐化 —— 景物细节对应关系 1)对于突变形的细节，通过一阶微分的极大值点，二阶微分的过0点均可以检测出来。 二阶微分锐化 —— 景物细节对应关系 2)对于细线形的细节，通过一阶微分的过0点，二阶微分的极小值点均可以检测出来。 二阶微分锐化 —— 景物细节对应关系 3)对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息略多。 二阶微分锐化 —— 算法推导 二阶微分锐化 —— Laplacian 算法 由前面的推导，写成模板系数形式即为Laplacian算子： 二阶微分锐化 —— Laplacian变形算法 为了改善锐化效果，可以脱离微分的计算原理，在原有的算子基础上，对模板系数进行改变，获得Laplacian变形算子如下所示。 二阶微分锐化 —— Laplacian锐化边缘提取 经过Laplacian锐化后，我们来分析几种变形算子的边缘提取效果。 H1,H2的效果基本相同，H3的效果最不好，H4最接近原图。 二阶微分锐化 —— Wallis算法 考虑到人的视觉特性中包含一个对数环节，因此在锐化时，加入对数处理的方法来改进。 二阶微分锐化 —— Wallis算法 在前面的算法公式中注意以下几点： 1)为了防止对0取对数，计算