圖像銳化算法設(shè)計說明書

1、 圖像銳化算法設(shè)計目錄引 言11 需求分析11.1任務(wù)與分析11.2測試數(shù)據(jù)22 概要設(shè)計32.1一階銳化的實現(xiàn)32.2二階銳化的實現(xiàn)42.3一二階混合銳化的實現(xiàn)42.4統(tǒng)計銳化的實現(xiàn)53詳細設(shè)計73.1一階銳化的設(shè)計73.2二階銳化的設(shè)計73.3一二階混合銳化的設(shè)計93.4統(tǒng)計銳化的設(shè)計104 調(diào)試分析144.1 一階銳化調(diào)試184.2 二階銳化調(diào)試214.3 一二階混合銳化調(diào)試224.4 統(tǒng)計銳化調(diào)試285用戶使用說明356測試結(jié)果35結(jié) 論36致 謝37參考文獻38摘 要 隨著計算機的普及，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。在圖像增強過程中，通常利用各類圖像平滑算法消

2、除噪聲，圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。一般來說，圖像的能量主要集中在其低頻部分，噪聲所在的頻段主要在高頻段，同時圖像邊緣信息也主要集中在其高頻部分。這將導(dǎo)致原始圖像在平滑處理之后，圖像邊緣和圖像輪廓模糊的情況出現(xiàn)。為了減少這類不利效果的影響，就需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因為圖像受到了平均或積分運算，因此可以對其進行逆運算(如微分運算)就可以使圖像變得清晰。本次訓(xùn)練中用數(shù)字微分銳化的方法通過實現(xiàn)微分算子來將圖象銳化，通過實現(xiàn)不同的微分算子，得到對圖象輪廓在

3、不同程度上的提取。關(guān)鍵詞：圖像處理；銳化；微分算子 引 言 數(shù)字圖像處理中圖像銳化的目的有兩個：一是增強圖像的邊緣，使模糊的圖像變得清晰起來；這種模糊不是由于錯誤操作，就是特殊圖像獲取方法的固有影響。二是提取目標物體的邊界，對圖像進行分割，便于目標區(qū)域的識別等。通過圖像的銳化，使得圖像的質(zhì)量有所改變，產(chǎn)生更適合人觀察和識別的圖像。數(shù)字圖像的銳化可分為線性銳化濾波和非線性銳化濾波。如果輸出像素是輸入像素領(lǐng)域像素的線性組合則稱為線性濾波，否則稱為非線性濾波。本次設(shè)計將用幾個方法對圖像進行銳化處理，從而比較幾個方法的強弱。1 需求分析 本次課程設(shè)計的主要內(nèi)容如下：1、一階微分銳化：構(gòu)建一階銳化加法函

4、數(shù)，并實現(xiàn)銳化；2、二階微分銳化：實現(xiàn)拉普拉斯銳化；3、一二階混合銳化：一階乘法和二階加法混合的銳化算法實現(xiàn)；4、統(tǒng)計銳化：沃利斯統(tǒng)計差分法等基于局部統(tǒng)計信息的銳化算法實現(xiàn)。通過這幾個方法對圖像進行銳化處理，從而看出這幾個銳化方法的優(yōu)缺點以及方法的強弱。1.1任務(wù)與分析 （一）一階微分銳化建立一個一階微分Sobel算子，利用該算子對原始圖像進行一階梯度提取，然后將提取后得到的圖像與原始圖像進行相加，從而實現(xiàn)對圖像的銳化處理。（二）二階微分銳化使用拉普拉斯算子來對圖像的銳化處理，其原理是：離散拉普拉斯所用的濾波器掩膜,用H1(如下)與原圖進行卷積，得到中心像素點與鄰域像素點的差值。（三）一二階混

5、合銳化混合空間增強是一種結(jié)合一階和二階微分的圖像銳化處理的技術(shù)方法，混合空間增強法是綜合了二者的長處的一種銳化方法。 （四）統(tǒng)計銳化統(tǒng)計銳化方法，主要利用標準差 以及 這兩個公式實現(xiàn)對圖像的銳化。1.2測試數(shù)據(jù) 圖2.1 原圖2圖2.2 圖片22 概要設(shè)計 2.1一階銳化的實現(xiàn)一階銳化的實現(xiàn)，利用Sobel算子進行運算，其中Sobel銳化算子計算公式如下： 其模板： 其原理圖為： 原圖A Sobel梯度提取圖B 與原圖A相加最終銳化后圖像C圖2.3 一階流程圖2.2二階銳化的實現(xiàn)二階微分銳化其算法為： 將其寫成模板系數(shù)形式形式即為拉普拉斯算子：其原理圖為：原圖A 用H1與原圖進行卷積圖B 與原

6、圖A相加最終銳化后圖像C 圖2.4 二階流程圖2.3一二階混合銳化的實現(xiàn)一二階混合銳化是通過利用Sobel算子和拉普拉斯算子經(jīng)過一系列的變化實現(xiàn)銳化。一二階混合銳化也是就混合空間增強法，它是綜合了二者的長處的一種銳化方法。其原理圖為：原圖A原圖A Sobel梯度提取圖B 拉普拉斯銳化 領(lǐng)域平滑圖D圖C相乘圖E 與原圖A相加最后結(jié)果圖像F圖2.5 一二階混合流程圖2.4統(tǒng)計銳化的實現(xiàn)統(tǒng)計銳化是通過對一二階銳化方法的改進所得到的圖像。主要利用 （1）及 （2） 這兩個公式實現(xiàn)對圖像的銳化。其原理圖為：原圖A原圖A 利用公式（1）進行梯度提取圖B 利用（2）進行銳化 進行高斯平滑圖D圖C相乘圖E 與

7、原圖A相加最后結(jié)果圖像F圖2.6 統(tǒng)計銳化流程圖3詳細設(shè)計3.1一階銳化的設(shè)計對于一階銳化方法，有許多可以利用的算子，在實際的操作中，我們使用Sobel算子來描述二維的一階差分。Sobel算子是一階導(dǎo)數(shù)的邊緣檢測算子，在算法實現(xiàn)過程中，通過33模板作為核與圖像中的每個像素點做卷積和運算，然后選取合適的閾值以提取邊緣。采用33鄰域可以避免在像素之間內(nèi)插點上計算梯度。Sobel算子也是一種梯度幅值，即：其中的偏導(dǎo)數(shù) 和可用卷積模板來實現(xiàn)。通過Sobel算子對圖像進行一階提取后然后與原圖像相加，從而實現(xiàn)一階微分運算。代碼如下：f = imread(2.jpg);figure(1);imshow(f)

8、;title(原圖);imwrite(f,F:MATLABbin實驗效果圖一階銳化原圖.jpg);f1 = im2double(f); %把圖像數(shù)據(jù)類型轉(zhuǎn)換為double類型m,n=size(f);h2=1,0,-1;2,0,-2;1,0,-1;h3=-1,-2,-1;0,0,0;1,2,1;Sx=imfilter(f1,h2);Sy=imfilter(f1,h3);g1=size(m,n);for i=1:m for j=1:n g1(i,j)=sqrt(Sx(i,j)2+(Sy(i,j)2); endendk=0.3;%k=0.1;%k=0.6;%k=1;s=f1+k.*g1;figure

9、(2);imshow(s);title(Sobel算子相加后的結(jié)果);imwrite(s,F:MATLABbin實驗效果圖k=0.3時,一階銳化圖.jpg);%imwrite(s,F:MATLABbin實驗效果圖k=0.1時,一階銳化圖.jpg);%imwrite(s,F:MATLABbin實驗效果圖k=0.6時,一階銳化圖.jpg);%imwrite(s,F:MATLABbin實驗效果圖k=1時,一階銳化圖.jpg);3.2二階銳化的設(shè)計圖像銳化處理的作用是使灰度反差增強，從而使模糊圖像變得更加清晰。由于拉普拉斯是一種微分算子，它的應(yīng)用可增強圖像中灰度突變的區(qū)域，減弱灰度的緩慢變化區(qū)域。因此

10、，銳化處理可選擇拉普拉斯算子對原圖像進行處理，產(chǎn)生描述灰度突變的圖像，再將拉普拉斯圖像與原始圖像疊加而產(chǎn)生銳化圖像。拉普拉斯算子是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性。如果鄰域系統(tǒng)是4鄰域，拉普拉斯算子的模板為：0-10-14-10-10如果鄰域系統(tǒng)是8 鄰域，拉普拉斯算子的模板為： -1-1-1-18-1-1-1-1代碼如下：J=imread(圖片2.jpg);m,n=size(J);I=double(J);M=I;for i=2:m-1 for j=2:n-1 M(i,j)=4*I(i,j)-I(i+1,j)+I(i-1,j)+I(i,j+1)+I(i,j-1); end;end;%

11、for i=3:m-2% for j=3:n-2% M(i,j)=8*I(i,j)-I(i-1,j-1)+I(i-1,j+1)+I(i+1,j)+I(i+1,j-1)+I(i+1,j+1)+I(i-1,j)+I(i,j+1)+I(i,j-1);% end;% end;s=uint8(M)+J;figure(1);imshow(J);title(原圖);imwrite(J,F:MATLABbin實驗效果圖二階銳化原圖.jpg);figure(2);imshow(s);title(銳化處理后的圖);imwrite(s,F:MATLABbin實驗效果圖二階(中心為4)銳化效果圖.jpg);%imwr

12、ite(s,F:MATLABbin實驗效果圖二階(中心為8)銳化效果圖.jpg);3.3一二階混合銳化的設(shè)計一二階混合銳化是對問題一和問題二的結(jié)合，主要通過以下幾個步驟實現(xiàn)：（1） 利用Sobel算子對原始圖像進行一階梯度提取，得到圖B；（2） 對圖B做領(lǐng)域均值平滑，得到圖C；（3） 利用拉普拉斯算子（鄰域系統(tǒng)是4）對原始圖像進行銳化，得到圖D；（4） 圖C和圖D進行相乘，得到圖E；（5） 圖E與原始圖像相加，得到圖F；（6） 最后對圖F進行亮度和灰度的調(diào)整，得到最終圖像。代碼如下：f = imread(圖片2.jpg);m,n=size(f);subplot(121);imshow(f);t

13、itle(原始圖像);imwrite(f,F:MATLABbin實驗效果圖一二階混合銳化原圖.jpg);f1 = im2double(f); %把圖像數(shù)據(jù)類型轉(zhuǎn)換為double類型h2=1,0,-1;2,0,-2;1,0,-1;h3=-1,-2,-1;0,0,0;1,2,1;Sx=imfilter(f1,h2);Sy=imfilter(f1,h3);g1=size(m,n);for i=1:m for j=1:n g1(i,j)=sqrt(Sx(i,j)2+(Sy(i,j)2); endendsubplot(122);imshow(g1);title(用Sobel算子處理后的梯度圖像);imw

14、rite(g1,F:MATLABbin實驗效果圖一二階混合Sobel處理后的梯度圖像.jpg); g2=zeros(m,n);for x=2:m-1 for y=2:n-1 for a=-1:1 for b=-1:1 g2(x,y)=(g2(x,y)+g1(x+a,y+b)/9; end end endend% g2=zeros(m,n);% for x=3:m-2% for y=3:n-2% for a=-2:2% for b=-2:2% g2(x,y)=(g2(x,y)+g1(x+a,y+b)/25;% end% end% end% endfor c=1:m for d=1:n g2(c,

15、1)=g1(c,1); g2(1,d)=g1(1,d); endendfigure(2);subplot(121);imshow(g2);title(領(lǐng)域均值平滑后的Sobel圖像);imwrite(g2,F:MATLABbin實驗效果圖一二階混合領(lǐng)域均值平滑(3)后的圖像.jpg); %imwrite(g2,F:MATLABbin實驗效果圖一二階混合領(lǐng)域均值平滑(5)后的圖像.jpg);h3=0,-1,0;-1,4,-1;0,-1,0; g3 =imfilter(f1,h3);subplot(122);imshow(g3);title(拉普拉斯變換后的圖像);imwrite(g3,F:MAT

16、LABbin實驗效果圖一二階混合拉普拉斯變換后的圖像.jpg); g4 = g3+f1; figure(3);subplot(121);imshow(g4)title(相加后得到的銳化圖像);imwrite(g4,F:MATLABbin實驗效果圖一二階混合相加后得到的銳化圖像.jpg); g5 = g4.* g2;subplot(122);imshow(g5);title(相乘后形成的掩蔽圖像);imwrite(g5,F:MATLABbin實驗效果圖一二階混合相乘后形成的掩蔽圖像.jpg); g6 = g5+f1;figure(4);subplot(121);imshow(g6);title(

17、原圖與掩蔽圖像之和的到的圖像);imwrite(g6,F:MATLABbin實驗效果圖一二階混合原圖與掩蔽圖像之和的圖像.jpg); gamma = 2;c = 1.8;g7 = c.*g6.gamma;subplot(122);imshow(g7);title(最后得到的圖像);imwrite(g7,F:MATLABbin實驗效果圖一二階混合最后得到的圖像.jpg); 3.4統(tǒng)計銳化的設(shè)計統(tǒng)計銳化是對問題三的改進所得，主要通過以下幾個步驟實現(xiàn)：（1） 利用 對原始圖像進行一階梯度提取，得到圖B；（2） 對圖B做高斯平滑，得到圖C；（3） 利用高頻成分疊加法對原始圖像進行銳化，得到圖D；（4）

18、 圖C和圖D進行相乘，得到圖E；（5） 圖E與原始圖像相加，得到圖F；（6） 最后對圖F進行亮度和灰度的調(diào)整，得到最終圖像。代碼如下：f = imread(圖片2.jpg);subplot(121);imshow(f);title(原始圖像);imwrite(f,F:MATLABbin實驗效果圖統(tǒng)計銳化原圖.jpg);f1 = im2double(f);H,W=size(f);M=double(f);J=M;sum=0;s=0;for i=2:H-1 for j=2:W-1 for m =i-1:i+1 for n=j-1:j+1 sum=sum+M(m,n); end end avg=sum

19、/9; sum=0; for m =i-1:i+1 for n=j-1:j+1 s=s+(M(m,n)-avg).2); end end avg1=s/9; s=0; J(i,j)=sqrt(avg1); if(J(i,j)255) J(i,j)=255; end endendg11=uint8(J);subplot(122);imshow(g11);title(一階微分提取);g1 = im2double(g11);imwrite(g11,F:MATLABbin實驗效果圖統(tǒng)計銳化一階微分提取梯度圖像.jpg); f11 = fspecial(gaussian,3 3,10); %高斯模板g2

20、2 = imfilter(g11,f11,same); % 濾波figure(2);subplot(121);imshow(g22);title(高斯平滑后的圖像);g2 = im2double(g22);imwrite(g22,F:MATLABbin實驗效果圖統(tǒng)計銳化高斯平滑后的圖像.jpg); H1,W1=size(f);M1=double(f);J1=M1;sum=0;%k=5;%k=1;%k=10;k=15;for i=2:H1-1 for j=2:W1-1 for m =i-1:i+1 for n=j-1:j+1 sum=sum+M1(m,n); end end avg=sum/9;

21、 sum=0; J1(i,j)=k.*(J1(i,j)-avg); if(J1(i,j)255) J1(i,j)=255; end endendg33=uint8(J1);subplot(122);imshow(g33);title(高頻成分疊加法后的圖像);g3 = im2double(g33);%imwrite(g33,F:MATLABbin實驗效果圖統(tǒng)計銳化高頻成分疊加法后的圖像(k為5).jpg); %imwrite(g33,F:MATLABbin實驗效果圖統(tǒng)計銳化高頻成分疊加法后的圖像(k為1).jpg); %imwrite(g33,F:MATLABbin實驗效果圖統(tǒng)計銳化高頻成分疊

22、加法后的圖像(k為10).jpg); imwrite(g33,F:MATLABbin實驗效果圖統(tǒng)計銳化高頻成分疊加法后的圖像(k為15).jpg); g4 = g3+f1; figure(3);subplot(121);imshow(g4)title(高頻成分疊加法后的銳化圖像);imwrite(g4,F:MATLABbin實驗效果圖統(tǒng)計銳化高頻成分疊加法后的銳化圖像.jpg); g5 = g4.*g2;subplot(122);imshow(g5);title(相乘后形成的掩蔽圖像);imwrite(g5,F:MATLABbin實驗效果圖統(tǒng)計銳化相乘后形成的掩蔽圖像.jpg); g6 = g

23、5+f1;figure(4);subplot(121);imshow(g6);title(原圖與掩蔽圖像之和的到的圖像);imwrite(g6,F:MATLABbin實驗效果圖統(tǒng)計銳化原圖與掩蔽圖像之和的到的圖像.jpg); gamma = 2;c = 1.8;g7 = c.*g6.gamma;figure(4);subplot(122);imshow(g7);title(最后得到的圖像);imwrite(g7,F:MATLABbin實驗效果圖統(tǒng)計銳化最后得到的圖像.jpg); 4 調(diào)試分析4.1 一階銳化調(diào)試調(diào)試試分析：不同的算子得到的最后結(jié)果圖像不同，其中Sobel算子得到的銳化圖像對變化

24、區(qū)域（邊緣）的變化描述較好，當(dāng)其中k取值不同時，得到的效果不一樣。其效果圖如下：圖4.1原圖2當(dāng)k=0.1時：圖4.2 銳化后圖像當(dāng)k=0.3時：圖4.3 銳化后圖像當(dāng)k=0.6時：圖4.4 銳化后圖像當(dāng)k=1時：圖4.5 一階銳化后圖像4.2 二階銳化調(diào)試調(diào)試分析：拉普拉斯微分算子所提取出的細節(jié)較一階微分算子提出的細節(jié)多，表明了拉普拉斯算子在對圖像細節(jié)更加敏感。對于拉普拉斯微分算子鄰域系統(tǒng)不同，最后所得到的銳化圖像效果不同。其效果圖如下：圖4.6 目標圖像圖4.7 二階銳化后圖像（中心為4）圖4.8 二階銳化后圖像（中心為8）4.3 一二階混合銳化調(diào)試調(diào)試試分析：一二階混合銳化綜合了二者的長

25、處的一種銳化方法，所得到的最后效果比一階、二階的效果都要好，但是其最后結(jié)果圖不太穩(wěn)定。在進行領(lǐng)域均值平滑時，利用33的模板與利用55的模板所得到的平滑圖像效果不同。其效果圖如下：圖4.9 原始圖像圖4.10 Sobel梯度提取圖像圖4.11 平滑圖像（33）圖4.12 拉普拉斯圖像圖4.13 銳化圖像 圖4.14 掩蔽圖像圖4.15 相加得到的圖像圖4.16 最后得到的圖像33的模板與利用55的模板所得到的平滑圖像的比較：圖4.17 33平滑圖像圖4.18 55平滑圖像最后結(jié)果圖不太穩(wěn)定，其線條有點彎曲，效果如下：圖4.19 最后局部圖像4.4 統(tǒng)計銳化調(diào)試調(diào)試的分析：對于高頻成分疊加法，公式

26、（2）中，k的取值不同，會導(dǎo)致其提取的圖像效果不同，但是總的來說對最后效果圖的影響不大?？偟膩碚f，統(tǒng)計銳化方法比一二階混合銳化方法要穩(wěn)定一些。其效果圖如下所示：圖4.20 原始圖像圖4.21 梯度提取圖像圖4.22 高斯平滑圖像 圖4.23 高頻成分疊加法后的提取圖像圖4.24 高頻成分疊加法后的銳化圖像 圖4.25 掩蔽圖像圖4.26 相加得到的圖像圖4.27 最后得到的圖像當(dāng)k的值取值不同時，其提取效果圖為：k=1時：圖4.28 提取圖像k=5時：圖4.29 提取圖像k=10為：圖4.30 提取圖像k=15為：圖4.31 提取圖像最后結(jié)果圖的局部效果如下：圖4.32 最后局部圖像從圖4.19和圖4.31的比較可以看出，統(tǒng)計銳化方法比一二階混合銳化方法要穩(wěn)定一些。5用戶使用說明本系統(tǒng)主要是用微分算子來實現(xiàn)圖像的銳化，在該程序?qū)崿F(xiàn)的過程中，主要的實現(xiàn)步驟有： 1、選取目標圖像；2、實現(xiàn)用一階微分算子對圖像的銳化（用Sobel微分算子）；3、實現(xiàn)用二階微分算子對圖像的銳化（用拉普拉斯微分算子）；4、實現(xiàn)用一二階混合對圖像的銳化；5、實現(xiàn)用統(tǒng)計銳化對圖像的銳化；6測試結(jié)果經(jīng)過上述測試，對于本次的課程設(shè)計要求的幾個方法實現(xiàn)圖像的銳化都能夠基本完成，從其中也能夠看出這幾個銳化方法的優(yōu)缺點以及這四個方法實現(xiàn)銳化的強弱?？偟膩碚f，這次的編程能夠較清楚地實現(xiàn)幾個方法對圖像的銳化，符合本次