DSP原理及圖像處理應(yīng)用第12章-圖像銳化課件

第12章圖像銳化數(shù)字信號處理器原理A1、簡述中值濾波的基本原理。2、中值濾波對去除圖像中的哪種類型的噪聲非常有效？復(fù)習(xí)提問：復(fù)習(xí)1：中值濾波的基本原理■中值濾波是由圖基（Turky）在1971年提出的；■基本原理：是把數(shù)字圖像或數(shù)字序列中某點的值用該點的一個鄰域中各個值的中值代替，從而消除孤立的噪聲點；■對于奇數(shù)個元素，中值是指按大小排序后中間的數(shù)值；■對于偶數(shù)個元素，中值是指排序后中間兩個元素灰度值的平均值。

對序列而言，中值的定義是這樣的：為一組序列，先把其按大小排列為：則該序列的中值y為：

中值的定義：

若中值濾波的基本原理二維中濾濾波的鄰域窗口二維中值濾波的窗口通常選為3*3，5*5區(qū)域，可以取方形，也可以取近似圓形或十字形。以5*5窗口為例，常見的圖形如圖11-2-1(a)方形

(b)菱形

(c)十字形

所示：(a)方形

(b)菱形

(c)十字形二維中值濾波舉例：例2：3*3的鄰域，對9個數(shù)排序，取第5個數(shù)替代原來的像素值。以某一個像素點為中心，選取一個3*3的窗口為模版，如圖11-2-3：模版中的灰度值依次為｛2,1,4,2,2,3,7,6,8｝，排序后新的灰度值為｛1,2,2,2,3,4,6,7,8｝,第五個數(shù)3為排序后的中值，用3取代原來的中心值2，完成中值濾波過程。提問：在中值濾波算法中，有一個關(guān)鍵步驟步是“排序”，在計算機編程中，常用的排序方法有哪些？1.冒泡排序VoidBubbleSort(NodeL[]){Inti,j;

Bool

ischanged;//設(shè)計跳出條件

For(j=n;j<0;j--){ischanged=false;

For(i=0;i<j;i++){If(L[i]>L[i+1])//如果發(fā)現(xiàn)較重元素就向后移動{Inttemp=L[i];

L[i]=L[i+1];L[i+1]=temp;

Ischanged=true;}}

If(!ischanged)//若沒有移動則說明序列已經(jīng)有序，直接跳出Break;}}2.直接選擇排序VoidSelectSort(NodeL[]){Inti,j,k;//分別為有序區(qū)，無序區(qū)，無序區(qū)最小元素指針

For(i=0;i<length;i++){k=i;

For(j=i+1;j<length;j++){

If(L[j]<L[k])k=j;}

If(k!=i)//若發(fā)現(xiàn)最小元素，則移動到有序區(qū){Inttemp=L[k];

L[k]=L[i];

L[i]=L[temp];}

}}目錄第12章

圖像銳化

12.1梯度銳化12.2拉普拉斯銳化

12.3試驗結(jié)果與分析12.4分析與總結(jié)

課前提問：1、對圖像進行銳化處理的目的是什么？2、圖像銳化方法可分幾類？分別是什么？3、本章要學(xué)習(xí)哪二種圖像銳化方法？4、指出教材本章存在的錯誤。本章學(xué)習(xí)目標(biāo)了解圖像銳化的概念；了解圖像銳化的意義與目的；理解梯度銳化與拉普拉斯銳化的基本原理掌握相應(yīng)的DSP編程方法與步驟；知識要點：梯度銳化與拉普拉斯銳化的原理；相應(yīng)的DSP編程方法。引言在圖像增強過程中，通常利用各類圖像平滑算法消除噪聲，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)。

引言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)過平滑處理后，圖像變模糊的根本原因是：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從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。引言圖像的銳化一般有兩類方法：一類是微分法另外一類是高通濾波法。但要注意，能夠進行銳化處理的圖像必須有較高的信噪比，否則銳化后圖像信噪比反而更低，從而使得噪聲增加的比信號還要多因此一般是先去除或減輕噪聲后再進行銳化處理。圖像銳化的目的是加強圖像中景物的細節(jié)邊緣和輪廓。銳化的作用是使灰度反差增強。因為邊緣和輪廓都位于灰度突變的地方。所以銳化算法的實現(xiàn)是基于微分作用。圖像銳化的概念圖像銳化的概念圖像銳化效果：原圖像銳化圖像12.1梯度銳化12.1梯度銳化（一階微分）12.1.1基本原理在圖像處理中，一階微分是通過梯度法來實現(xiàn)的。對于一幅圖像用函數(shù)f(x,y)表示，定義f(x,y)在點(x,y)處的梯度是一個矢量，定義為：

梯度的幅度G[f(x,y)]可由下式算出：

12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.1基本原理按差分運算近似后的梯度表達式為：

為便于編程和提高運算速度，在計算精度允許的情況下，可采用絕對差算法來近似表示梯度幅度：12.1梯度銳化（一階微分）12.1.1基本原理羅伯特梯度法（RobertGradient），表示為：

羅伯特（Roberts）梯度：

該梯度定義在數(shù)學(xué)上也許沒有道理，但是它運算簡單、實用，而且效果也不錯，通常在應(yīng)用中也采用該梯度方式。

12.1梯度銳化（一階微分）12.1.1基本原理在圖像變化緩慢的地方其值很?。▽?yīng)于圖像較暗）；而在線條輪廓等變化較快的地方的值很大。這就是圖像在經(jīng)過梯度運算后使其清晰從而達到銳化的目的。

12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.1基本原理12.1梯度銳化（一階微分）12.1.2算法步驟與流程圖12.1梯度銳化（一階微分）12.1.2算法流程圖

圖12.3圖像銳化算法流程圖

(詳見課本)12.1梯度銳化（一階微分）12.1.3C語言代碼與分析

以式（12.8）為例，與其對應(yīng)的圖像銳化DSP程序如下：voidIMG_Sharp(unsignedchar*F,/*輸入的模糊圖像*/unsignedchar*G,/*輸出的銳化圖像*/shortcols,shortrows,/*圖像的寬度與高度*/shortTh,/*閾值*/shortLa/*固定的灰度值*/){//定義局部變量unsignedchar*ptr,*pp,*newpp;

intx,y,M,dx,dy;//為銳化圖像分配空間Gray=(unsignedchar*)calloc(cols*rows,sizeof(unsignedchar));12.1梯度銳化（一階微分）12.1.3C語言代碼與分析

//采用循環(huán)的方式對圖像中的每個像素進行銳化

for(y=0;y<rows-1;y++)for(x=0;x<cols-1;x++){

newpp=G+y*cols+x;//指針指向銳化圖像

pp=F+y*cols+x;//指針指向原圖像

//用式(12.6)計算梯度的模值

Dy=*pp-*(pp+cols)；//垂直差分

Dx=*pp-*(pp+1)；//水平差分

M=abs(dy)+abs(dx);//梯度模值

//式(12.8)的銳化方法

if(M>Th)*newpp=La;else*newpp=*pp;}

12.2拉普拉斯銳化

（二階微分）12.2.1基本原理拉普拉斯算子是一種在圖像銳化處理中很重要的算法。拉普拉斯算子也是與一個邊緣方向無關(guān)的邊緣點檢測算子。它對孤立像素的響應(yīng)要比對邊緣或線的響應(yīng)更強烈，因此使用該算子進行圖像銳化之前需要對圖像作平滑處理。它是點，線，邊界提取算子，亦稱為邊界提取算子。通常將原圖像和對它實施拉普拉斯算子后的結(jié)果組合在一起而得到一幅銳化圖像。拉氏算子用來改善因擴散效應(yīng)而變模糊的圖像特別有效。拉普拉斯算子也是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性。12.2拉普拉斯銳化

（二階微分）12.2.1基本原理一個二維圖像的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，定義為：對于離散數(shù)字圖像f(i,j)，其一階偏導(dǎo)數(shù)為：12.2拉普拉斯銳化

（二階微分）12.2.1基本原理則其二階偏導(dǎo)數(shù)為：12.2拉普拉斯銳化

（二階微分）12.2.1基本原理所以，拉普拉斯算子▽2f定義為：12.2拉普拉斯銳化

（二階微分）12.2.1基本原理對于擴散現(xiàn)象引起的圖像模糊，可以用下式來進行銳化：其中，kτ

是與擴散效應(yīng)有關(guān)的系數(shù)。該系數(shù)取值要合理，如果kτ

過大，圖像輪廓邊緣會產(chǎn)生過沖；反之，如果kτ

過小，銳化效果就不明顯。

12.2拉普拉斯銳化

（二階微分）12.2.1基本原理考慮到kτ

是與擴散效應(yīng)有關(guān)的系數(shù)，在銳化算法實現(xiàn)中，令kτ＝1，則變換公式為：用模板來表示，則與上式對應(yīng)的模板如圖12.4(H1)所示。這樣拉普拉斯銳化運算完全可以轉(zhuǎn)