《數(shù)字圖像處理（第4版）》課件 第06章 圖像增強(qiáng)

Slide1第6章圖像增強(qiáng)Slide2內(nèi)容提要定義是一類對(duì)圖像降質(zhì)進(jìn)行改善的方法，它們有選擇性地突出圖像的邊緣、輪廓、對(duì)比度等特征，以便于顯示、觀察或進(jìn)一步分析與處理。目的在于采用一系列技術(shù)改善圖像的視覺效果，提高圖像的可懂度；或者將圖像轉(zhuǎn)化成一種更適合于人或機(jī)器進(jìn)行分析處理的形式。Slide3內(nèi)容提要單點(diǎn)增強(qiáng)：灰度級(jí)校正、灰度變換、灰度直方圖變換。區(qū)域增強(qiáng)的平滑方法：鄰域平均法、中值濾波和各種邊界保持類濾波方法。區(qū)域增強(qiáng)的銳化方法：梯度銳化法、拉普拉斯算子、高通濾波及其他常用的銳化算子。

Slide46.1概述6.1.1圖像增強(qiáng)的目的首要目標(biāo):處理圖像，使其比原始圖像更適合于特定應(yīng)用。增強(qiáng)的方法是因應(yīng)用不同而不同的。圖像增強(qiáng)方法只能有選擇地使用。增強(qiáng)的結(jié)果一般靠人的主觀感覺加以評(píng)價(jià)。Slide56.1.2圖像增強(qiáng)技術(shù)的分類圖像增強(qiáng)技術(shù)大致分為空間域增強(qiáng)和頻率域增強(qiáng)兩類。1．空間域增強(qiáng)法在空間域直接對(duì)像素灰度值進(jìn)行運(yùn)算。f(x,y)是待增強(qiáng)的原始圖像,g(x,y)是已增強(qiáng)的圖像,h(x,y)是空間運(yùn)算函數(shù)。Slide6空間域增強(qiáng)模型對(duì)點(diǎn)操作（如灰度變換、直方圖變換等）有

g(x,y)=f(x,y)·h(x,y)（6.1）對(duì)于區(qū)域操作（如平滑、銳化等）有

g(x,y)=f(x,y)*h(x,y)（6.2）圖6.1空間域增強(qiáng)模型Slide72．頻率域增強(qiáng)法在頻率域利用二維濾波器H(u,v)對(duì)f(x,y)進(jìn)行濾波，得到新的頻譜G(u,v)，即

G(u,v)=F(u,v)·H(u,v)

（6.3）圖6.2頻率域增強(qiáng)模型Slide8H(u,v)的性質(zhì)可能是低通，起平滑作用；也可能是高通，起銳化作用。實(shí)際的圖像增強(qiáng)方案可能綜合上述兩種技術(shù)。如同態(tài)濾波增強(qiáng)包含了空間域灰度的非線性運(yùn)算，也有高頻增強(qiáng)環(huán)節(jié)。Slide96.1.3直方圖的概念對(duì)于連續(xù)圖像，其灰度分布的統(tǒng)計(jì)特性用概率密度函數(shù)（PDF）刻畫。離散圖像直方圖：指圖像中各種不同灰度級(jí)像素出現(xiàn)的相對(duì)頻率。在數(shù)字圖像處理中，灰度直方圖是簡單且實(shí)用的工具，對(duì)圖像的采集、處理和分析都可以有效地利用直方圖。Slide10歸一化的直方圖直方圖的橫坐標(biāo)是圖像的各灰度級(jí)，縱坐標(biāo)是各個(gè)灰度出現(xiàn)的像素個(gè)數(shù)。歸一化的直方圖（histogram）定義為灰度級(jí)出現(xiàn)的相對(duì)頻率。即

（6.4）式中，N表示像素的總數(shù)；nk表示灰度級(jí)為k的像素的數(shù)目。Slide11【例6.1】求圖像的歸一化直方圖?！窘狻縧ena圖像是彩色圖像，進(jìn)行格式轉(zhuǎn)換。I=imread('lena.jpg');J=rgb2gray(I);%將彩色圖像轉(zhuǎn)換為灰度圖像imshow(J);N=numel(J); %求圖像像素的總數(shù)Pr=imhist(J)/N; %顯示原始圖像的直方圖k=0:255;figure,stem(k,Pr)Slide12圖6.3直方圖（a）lena圖像（b）lena圖像的直方圖灰度直方圖描述了圖像的概貌。Slide136.2灰度修正圖像的退化會(huì)引起灰度級(jí)的變化。通過簡單和有效的點(diǎn)運(yùn)算，可以改善圖像的顯示效果，達(dá)到灰度修正的目的。點(diǎn)運(yùn)算：一幅輸出圖像上每個(gè)像素的灰度值僅由相應(yīng)輸入像素的灰度值決定，而與像素點(diǎn)所在的位置無關(guān)，與相鄰的像素之間也沒有運(yùn)算關(guān)系。Slide14點(diǎn)運(yùn)算：指原始圖像的像素灰度值通過運(yùn)算后產(chǎn)生新圖像的對(duì)應(yīng)的灰度值。像素值通過運(yùn)算改變之后，可以改善圖像的顯示效果。這是一種像素的逐點(diǎn)運(yùn)算。是舊圖像與新圖像之間的映射關(guān)系。典型的點(diǎn)運(yùn)算：對(duì)比度增強(qiáng)、對(duì)比度拉伸或灰度變換。Slide15灰度修正的方法一般有三種方法：（1）灰度級(jí)校正解決成像不均勻問題。（2）對(duì)比度增強(qiáng)解決圖像曝光不足問題。（3）直方圖修正以突出所需要的圖像特征。Slide166.2.1灰度級(jí)校正在成像過程中，如光照的強(qiáng)弱、感光部件的靈敏度、光學(xué)系統(tǒng)的不均勻性、元器件特性的不穩(wěn)定等均可引起圖像亮度分布的不均勻?；叶燃?jí)校正在圖像采集系統(tǒng)中對(duì)圖像像素進(jìn)行逐點(diǎn)修正，使得整幅圖像能夠均勻成像。

Slide17使理想圖像發(fā)生畸變的比例運(yùn)算設(shè)理想真實(shí)的圖像為f(x,y)，實(shí)際獲得的含噪聲的圖像為g(x,y)，則有

g(x,y)=e(x,y)

f(x,y)

（6.5）e(x,y)是使理想圖像發(fā)生畸變的比例因子。知道了e(x,y)

,就可以求出不失真圖像。采用一幅灰度級(jí)為常數(shù)C的圖像成像，若經(jīng)成像系統(tǒng)的實(shí)際輸出為gC(x,y)，則有

gC(x,y)=C

e(x,y) （6.6）

Slide18標(biāo)定系統(tǒng)失真系數(shù)的方法可得比例因子：可得實(shí)際圖像g(i,j)經(jīng)校正后所恢復(fù)的原始圖像。注意：乘了一個(gè)系數(shù)C/gc(i,j)，校正后可能出現(xiàn)“溢出”現(xiàn)象灰度級(jí)值可能超過某些記錄器件或顯示設(shè)備輸入信號(hào)的動(dòng)態(tài)可范圍需再作適當(dāng)?shù)幕叶茸儞Q，最后對(duì)變換后的圖像進(jìn)行量化。Slide19圖6.6非均勻光照的校正

（a）校正前的圖像（b）校正后的圖像Slide206.2.2灰度變換為了將圖像灰度級(jí)的整個(gè)范圍或一段范圍擴(kuò)展或壓縮到記錄或顯示設(shè)備的動(dòng)態(tài)范圍內(nèi)，可使圖像動(dòng)態(tài)范圍增大，圖像對(duì)比度擴(kuò)展使圖像變得清晰/圖像上的特征變得明顯。環(huán)境光源太暗，使灰度值偏小，就會(huì)使圖像太暗看不清。如果環(huán)境光源太亮，又使圖像泛白。通過灰度變換，就可以將灰度值調(diào)整到合適的程度?；叶茸儞Q可分為線性變換、分段線性變換和非線性變換幾種方法。Slide211．線性變換灰度g與灰度f之間的關(guān)系為（1）變換使得圖像灰度范圍增大，即對(duì)比度增大，圖像會(huì)變得清晰；（2）變換使得圖像灰度范圍縮小，即對(duì)比度減小。

圖6.7線性變換Slide22【例6.2】采用線性變換進(jìn)行圖像增強(qiáng)。應(yīng)用函數(shù)imadjust將圖像在0.3×255～0.7×255灰度之間的值通過線性變換映射到0～255之間?！窘狻繉?shí)現(xiàn)的程序如下：I=imread('pout.tif');imshow(I);figure,imhist(I); %顯示原始圖像的直方圖J=imadjust(I,[0.30.7],[]); %使用imadjust函數(shù)進(jìn)行灰度的線性變換figure,imshow(J);figure,imhist(J) %顯示變換后圖像的直方圖Slide23圖6.8圖像線性變換Slide242．分段線性變換對(duì)整個(gè)灰度區(qū)間進(jìn)行分段，采用分段線性函數(shù)進(jìn)行變換。這種變換突出了感興趣的目標(biāo)或灰度區(qū)間，相對(duì)抑制那些不感興趣的灰度區(qū)間。常用的是三段線性變換。圖6.10三段線性變換Slide25對(duì)灰度區(qū)間[a,b]進(jìn)行了線性拉伸，而灰度區(qū)間[0,a]和[b,fmax]則被壓縮。調(diào)整折線拐點(diǎn)的位置及控制分段直線的斜率，對(duì)圖像的任一灰度區(qū)間進(jìn)行拉伸或壓縮。在遙感圖像分類中，感興趣的地貌特征可能有明顯的灰度變化，而那些過黑或過白的像素往往對(duì)應(yīng)于玄武巖、水、冰等。Slide26圖6.11三段線性變換實(shí)例

（a）原始圖像（b）增強(qiáng)效果Slide27

3．非線性灰度變換當(dāng)用某些非線性函數(shù)如對(duì)數(shù)、指數(shù)函數(shù)等作為映射函數(shù)時(shí)，可實(shí)現(xiàn)灰度的非線性變換。對(duì)數(shù)變換的一般表達(dá)式為：

g

=a+c

lg(f+1)對(duì)數(shù)變換可以增強(qiáng)低灰度級(jí)的像素，壓制高灰度級(jí)的像素,使灰度分布與視覺特性相匹配。Slide28圖6.14對(duì)數(shù)變換后的Couple圖像Slide296.2.3

灰度直方圖變換直方圖的修正直方圖變換后可使圖像的灰度間距拉開或使灰度分布均勻，從而增大對(duì)比度，使圖像細(xì)節(jié)清晰，達(dá)到增強(qiáng)的目的。直方圖變換有兩類直方圖均衡化;直方圖規(guī)定化Slide30直方圖均衡化通過對(duì)原圖像進(jìn)行某種變換，使得圖像的直方圖變?yōu)榫鶆蚍植嫉闹狈綀D?；叶燃?jí)連續(xù)的灰度圖像：當(dāng)變換函數(shù)是原圖像直方圖累積分布函數(shù)時(shí)，能達(dá)到直方圖均衡化的目的。對(duì)于離散的圖像，用頻率來代替概率。Slide31【例6.3】對(duì)圖像進(jìn)行直方圖均衡化。假定有一幅總像素為n=64×64的圖像，灰度級(jí)數(shù)為8，各灰度級(jí)分布列于表4.1中。（1）按式（6.14）求變換函數(shù)Sk’（2）計(jì)算Sk’’（3）

Sk的確定（4）計(jì)算對(duì)應(yīng)每個(gè)sk的nsk（5）計(jì)算ps(sk)Slide32表6.1一幅圖像的灰度級(jí)分布k01234567rk01/72/73/74/75/76/71nk790102385065632924512281pr(rk)0.190.250.210.160.080.060.030.02Sk’0.190.440.650.810.890.950.981Sk’’1/73/75/76/76/7111Sk1/73/75/76/71nsk7901023850985448pr(sk)0.190.250.210.240.11Slide33【例6.4】直方圖均衡對(duì)圖像進(jìn)行增強(qiáng)。在MATLAB環(huán)境中，待處理圖像為tire.tif。I=imread('tire.tif');J=histeq(I); %完成直方圖均衡化imshow(I); %顯示直方圖均衡化前的圖像figure,imhist(I); %均衡化前的直方圖figure,imshow(J);%顯示直方圖均衡化后的圖像figure,imhist(J); %均衡化后的直方圖Slide34圖6.15直方圖均衡Slide356.3

同態(tài)增晰

6.3.1問題的由來物體受到不均勻的照度一類圖像的灰度級(jí)動(dòng)態(tài)范圍很大，黑與白形成強(qiáng)烈反差，而感興趣目標(biāo)的灰度級(jí)范圍卻很小，分不清目標(biāo)的灰度層次和細(xì)節(jié)，圖像上對(duì)應(yīng)照度暗的部分，其細(xì)節(jié)較難辨別。目的消除不均勻照度的影響而又不損失圖像細(xì)節(jié)。同態(tài)濾波可以消除不均勻照度的影響，增強(qiáng)圖像細(xì)節(jié)同時(shí)也是圖像復(fù)原的一種方法。Slide366.3.2

增晰原理圖像同態(tài)增晰系統(tǒng)采用合適的濾波特性函數(shù)，可以既使圖像灰度動(dòng)態(tài)范圍壓縮，又能讓感興趣的物體圖像灰度級(jí)擴(kuò)展，從而使圖像清晰。同態(tài)系統(tǒng)是服從廣義疊加原理的各類非線性系統(tǒng)。對(duì)同態(tài)系統(tǒng)信號(hào)處理，特別適合處理乘法組合信號(hào)和卷積組合信號(hào)。f(x,y)=i(x,y)·r(x,y)

（6.21）

Slide37圖6.16同態(tài)增晰原理按照高通濾波器設(shè)計(jì)，壓縮低頻分量，提升高頻分量。照明函數(shù)雖然頻率變化緩慢，但幅度變化大，數(shù)字化占用很多比特?cái)?shù)，所以要壓縮；反射函數(shù)描述的是人們感興趣的景物區(qū)頻率變化較快，但灰度變化很小，層次不清，細(xì)節(jié)不明，應(yīng)該擴(kuò)展。Slide386.4平滑（Smoothing）區(qū)域增強(qiáng)算法包括平滑算法和銳化算法。從頻率域看，低通濾波可以對(duì)圖像進(jìn)行平滑去噪處理高通濾波可對(duì)圖像進(jìn)行邊緣銳化處理。本節(jié)將介紹鄰域平均法中值濾波邊界保持類濾波等。Slide396.4.1圖像噪聲數(shù)字圖像往往要經(jīng)過采集、處理、存儲(chǔ)、傳輸?shù)纫幌盗屑庸ぷ儞Q，而由電氣系統(tǒng)和外界引入的圖像噪聲也將在這些過程中隨之引入，可能嚴(yán)重影響圖像的質(zhì)量。這些過程將使得圖像噪聲的精確分析變得十分復(fù)雜。圖像噪聲消除或減低在圖像預(yù)處理中的地位顯得十分重要航空航天、生物醫(yī)學(xué)實(shí)際應(yīng)用舉例航空航天遙感圖像在去噪、去模糊等處理中遺留或產(chǎn)生的影像輻射噪聲將影響判讀解譯的精度生物醫(yī)學(xué)低強(qiáng)度Ｘ射線影像系統(tǒng)中的降噪對(duì)疾病診斷具有重要意義。Slide40Slide411．圖像噪聲的分類（1）按其產(chǎn)生的原因，可以分為外部噪聲和內(nèi)部噪聲。外部噪聲：系統(tǒng)外部干擾以電磁波或經(jīng)電源串進(jìn)系統(tǒng)內(nèi)部而引起的噪聲，如電氣設(shè)備、天體放電現(xiàn)象等引起的噪聲。內(nèi)部噪聲：由光和電的基本性質(zhì)所引起的噪聲，如電子器材本身引起的噪聲、系統(tǒng)內(nèi)部設(shè)備電路所引起的噪聲等。按統(tǒng)計(jì)特性、時(shí)間分布、頻譜形狀分（2）按統(tǒng)計(jì)特性是否隨時(shí)間變化，可以分為平穩(wěn)噪聲和非平穩(wěn)噪聲。（3）按噪聲幅度隨時(shí)間分布形狀來定義，有高斯噪聲、瑞利噪聲、泊松噪聲等。（4）按噪聲頻譜形狀來分類，有白噪聲、1/f噪聲、三角噪聲等。Slide42（5）按噪聲和信號(hào)之間的關(guān)系①加性噪聲：假定信號(hào)為f，噪聲為n，每一個(gè)像素的噪聲不管輸入信號(hào)大小，總是分別疊加在信號(hào)上。受噪聲污染的信號(hào)呈現(xiàn)f+n形式。熱噪聲、散彈噪聲、量化噪聲等屬于加性噪聲。②乘性噪聲：這類噪聲受到圖像信息的調(diào)制，疊加波形為f+fn形式。如掃描光柵、膠片顆粒噪聲等。在傳輸過程中，乘性噪聲一般由信道不理想引起，而乘性隨機(jī)性被視為由系統(tǒng)的時(shí)變性或者非線性造成。為分析方便起見，一般假定信號(hào)和噪聲是互相統(tǒng)計(jì)獨(dú)立的。Slide43Slide442．MATLAB為圖像加噪聲的函數(shù)函數(shù)形式為

J=imnoise(I,type,parameters)其中，I為原圖像的灰度矩陣，J為加噪聲后的灰度矩陣。type為噪聲種類，parameters是允許修改的參數(shù)，可以默認(rèn)。type可以有五種。type可以有五種：'gaussian'（高斯白噪聲）'localvar'（與圖像灰度值有關(guān)的零均值高斯白噪聲）'poisson'（泊松噪聲）'salt&pepper'（椒鹽噪聲，即黑白點(diǎn)噪聲）'speckle'（斑點(diǎn)噪聲）。Slide45原圖：Slide461、高斯噪聲高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個(gè)噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。產(chǎn)生原因：1）圖像傳感器在拍攝時(shí)市場不夠明亮、亮度不夠均勻；2）電路各元器件自身噪聲和相互影響；3）圖像傳感器長期工作，溫度過高。Slide47Slide483、泊松噪聲符合泊松分布的噪聲模型，泊松分布適合于描述單位時(shí)間內(nèi)隨機(jī)事件發(fā)生的次數(shù)的概率分布。如某一服務(wù)設(shè)施在一定時(shí)間內(nèi)受到的服務(wù)請(qǐng)求的次數(shù)，電話交換機(jī)接到呼叫的次數(shù)、汽車站臺(tái)的候客人數(shù)、機(jī)器出現(xiàn)的故障數(shù)、自然災(zāi)害發(fā)生的次數(shù)、DNA序列的變異數(shù)、放射性原子核的衰變數(shù)等等Slide49Slide503、乘性噪聲乘性噪聲一般由信道不理想引起，它們與信號(hào)的關(guān)系是相乘，信號(hào)在它在，信號(hào)不在他也就不在。Slide514、椒鹽噪聲又稱脈沖噪聲，它隨機(jī)改變一些像素值，是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起。Slide52Slide536.4.2鄰域平均法1．空間域分析大部分的噪聲都可以看作是隨機(jī)信號(hào)，對(duì)圖像的影響可以看作是孤立的。某一像素，如果它與周圍像素點(diǎn)相比，有明顯的不同，則該點(diǎn)被噪聲感染了。設(shè)當(dāng)前待處理像素為f(m,n)，給出一個(gè)大小為3×3的處理模板。Slide54圖6.18模板示意圖Slide55處理后的圖像設(shè)為g(m,n)，則處理過程可描述為T為非負(fù)閾值，它可以根據(jù)對(duì)誤差容許的程度，選為圖像灰度均方差的若干倍，或者通過實(shí)驗(yàn)得到。Slide56低通空間濾波器:平均處理也可以把平均處理看作是圖像通過一個(gè)低通空間濾波器后的結(jié)果設(shè)該濾波器的沖激響應(yīng)為H(r,s)，于是濾波器輸出的結(jié)果g(m,n)表示成卷積的形式，即

k,l決定了所選鄰域的大小，H(r,s)為加權(quán)函數(shù)，又被稱為掩模(Mask)或模板Slide57常用的模板：

Slide58【例6.5】采用模板對(duì)圖像進(jìn)行平滑處理。圖像：受到椒鹽噪聲污染的eight.tif圖像.處理：4種模板I=imread('eight.tif'); %讀入原始圖像imshow(I,[]);f=imnoise(I,'salt&pepper',0.04); %加椒鹽噪聲，噪聲強(qiáng)度為0.04figure,imshow(f);h0=1/9.*[111111111]; %定義平滑模板h1=[0.10.10.1;0.10.20.1;0.10.10.1];h2=1/16.*[121;242;121]; %高斯模板h3=1/8.*[111;101;111];g0=filter2(h0,f); %用模板進(jìn)行濾波處理g1=filter2(h1,f);g2=filter2(h2,f);g3=filter2(h3,f);figure,imshow(g0,[]); %顯示平滑處理結(jié)果figure,imshow(g1,[]);figure,imshow(g2,[]);figure,imshow(g3,[]);Slide59圖6.19平滑處理的實(shí)例（a）原始圖像（b）有噪聲的圖像（c）用模板0處理后的圖像

（d）用模板1處理后的圖像（e）用模板2處理后的圖像（f）用模板3處理后的圖像Slide602．頻率域分析對(duì)式（6.29）進(jìn)行二維DFT，則將空間域的卷積關(guān)系轉(zhuǎn)化為頻率域的乘法關(guān)系：

G(u,v)=H(u,v)F(u,v)式中，H(u,v)=DFT[h(u,v)]為低通濾波器。由于圖像的細(xì)節(jié)也趨向于高頻段，所以選擇低通濾波器的截止頻率時(shí)要特別小心，兼顧解決降噪和保持圖像細(xì)節(jié)的矛盾。Slide61圖6.20頻率域平均去噪原理框圖Slide62圖6.21指紋圖像的頻率域增強(qiáng)

（a）指紋原圖（b）頻率域增強(qiáng)后的指紋圖像

Slide636.4.3中值濾波1．濾波原理鄰域平均法：在去噪的同時(shí)也使邊界變得模糊了。中值濾波：非線性的處理方法，在去噪的同時(shí)可以兼顧到邊界信息的保留。選一個(gè)含有奇數(shù)點(diǎn)的窗口W，將這個(gè)窗口在圖像上掃描，把該窗口中所含的像素點(diǎn)按灰度級(jí)的升/降序排列，取位于中間的灰度值，來代替該點(diǎn)的灰度值。Slide64圖6.22一維窗口及滑動(dòng)濾波過程m?2m?1mm+1m+2（a）一維窗口（b）濾波過程Slide652．MATLAB的二維中值濾波函數(shù)【例6.6】選用3×3的窗口對(duì)椒鹽噪聲進(jìn)行中值濾波。I=imread('eight.tif');imshow(I);J=imnoise(I,'salt&pepper',0.04);figure,imshow(J);K=medfilt2(J); %二維中值濾波figure,imshow(K);Slide66圖6.23中值濾波

（a）原始圖像（b）加噪圖像（c）中值濾波后的圖像Slide676.5銳化基本思想：有時(shí)還需要加強(qiáng)圖像中景物的邊緣和輪廓。邊緣和輪廓常常位于圖像中灰度突變的地方，因而可以直觀的想到用灰度的差分對(duì)邊緣和輪廓進(jìn)行提取。注意：待銳化的圖像要有足夠的信噪比，否則會(huì)使噪聲得到比原圖像更強(qiáng)的增強(qiáng)，信噪比更加惡化。Slide686.5.1空間域差分法原理：圖像的邊緣和輪廓一般位于中灰度突變的區(qū)域，因而可以用灰度的差分提取邊緣和輪廓并進(jìn)行增強(qiáng)。常用方法：1．梯度銳化法2．拉普拉斯算子Slide691．梯度銳化法二元函數(shù)f(x,y)在坐標(biāo)點(diǎn)(x,y)處的梯度定義為梯度向量的幅度：

Slide70為了降低運(yùn)算量，常用絕對(duì)值或最大值運(yùn)算代替平方與平方根運(yùn)算近似求梯度的幅度：數(shù)字微分將用差分代替：Slide71采用梯度進(jìn)行圖像銳化的方法在灰度變化較大的邊界輪廓點(diǎn)處有較大的梯度值，而在灰度變化比較平緩的區(qū)域，相應(yīng)的梯度值也較小。利用它來增強(qiáng)圖像中景物的邊界，達(dá)到銳化的目的。

圖4.21沿x和y方向的一階差分圖4.22羅伯茨差分Slide72【例6.7】利用羅伯茨梯度進(jìn)行銳化處理。【解】圖像：rice.tif。I=imread('rice.tif');imshow(I);BW=edge(I,'roberts',0.1);%對(duì)輸入圖像求羅伯茨梯度figure,imshow(BW);Slide73圖6.29羅伯茨梯度的銳化