matlab图像锐化处理及边缘检测

Matlab图像锐化处理及边缘检测

本章要点：

?图像边缘锐化的基本方法

?微分运算

?梯度锐化

?边缘检测

6．1 图像边缘锐化的基本方法

物体的边缘是以图像局部特性不连续性的形式出现。本质上边缘常意味着一个区域的终结和另一个区域的开始。图像边缘信息在图像分析和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要特性。图像的边缘有方向和幅度两个特性。通常，延边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。边缘的描述包含以下几个方面：（1）边缘点——它两边像素的灰度值有显著的不同。边缘点也存在于这样一对邻点之间即一个在较亮的区域内部，另一个在外部。

（2）边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直。

（3）边缘方向——与边缘法线方向垂直，是目标边界的切线方向。

（4）边缘位置——边缘所在的坐标位置。

（5）边缘强度——沿边缘法线方向图像局部的变化强度的量度。

粗略地区分边缘种类可以有两种，其一是阶跃状边缘，它两边像素的灰度值有显著的不同，其二是屋顶状边缘，它位于灰度值从增加到减少的变化转折点。这些变化分别对应景物中不同的物理状态。边缘是图像上灰度变化比较剧烈的地方，如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征是灰度的变化率和方向，在灰度变化突变处进行微分，将产生高值。经典的边缘提取方法是考虑图像的每个像素在某个领域内的变化，利用边缘邻近一阶或二阶方向导数变化规律，来检测边缘。图像灰度值的显著变化可以用一阶差分替代一阶微分的梯度来表示，它们分别以梯度向量的幅度和方向来表示。因此图像中陡峭边缘的梯度值将是很大的；那些灰度变化平缓的地方，梯度值是比较小的；而那些灰度值相同的地方，梯度值将为零。图像经过梯度运算能灵敏地检测出边界线，这种微分边缘检测算子运算简单易行，但有方向性。

利用计算机进行图像锐化处理有两个目的，一是与柔化处理相反，增强图像边缘，使模糊的图像变得更加清晰起来，颜色变得鲜明突出，图像的质量有所改善，产生更适合人观察和识别的图像，本章的梯度锐化就是介绍这方面的内容。二是希望经过锐化处理后，目标物体的边缘鲜明，以便于计算机提取目标物体的边界、对图像进行分割、目标区域识别、区域形状提取等，为图像理解和分析打下基础，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位，本章的边缘检测算子就是介绍这方面的内容。

与图像平滑处理相对应，图像锐化也可以分为空间域图像锐化法和空间频率域图像锐化法两大类型。空间频率域图像锐化的方法将在第九章介绍，本章介绍边缘增强及边缘检测的方法，基于空间域处理，为分割及目标物体特征提取打下基础。

..

..

6.2 微分运算

边缘是由相邻域灰度级不同像素点构成的，若想增强边缘，就应该突出相邻点间灰度级的变化。如下图所示，不难发现原图中左边暗，右边亮，中间存在着一条明显的边界。

0 0 1 255 255 255 255

1 1 1 254 253 254 254

0 0 0 255 255 253 253

1 1 0 254 254 254 254

注意：由于计算机显示屏幕的坐标原点在视窗的左上角，显示屏幕的坐标系如图

6-1所示。

y

图6-1 显示屏幕的坐标系

为了与f ( x,y)表示法相一致，图像f(i,j)中的i 代表列，j 代表行。如果用右列减去左列，即每一个像素的值为：

G ( i, j ) = f ( i , j )- f ( i-1, j )

结果如下：

0 1 254 0 0 0

0 0 253 -1 1 0

0 0 255 0 -2 0

0 - 1 254 0 0 0

可以看出，第3列比其他列的灰度值高很多，在边界附近，灰度值有明显的跳变，人眼观察时，就能发现一条很明显的亮边；在灰度相近的区域内，这么做的结果使得该点的灰度值接近于0，区域都很暗。

这样，G ( i, j ) = f ( i , j )- f ( i-1, j )就起到了垂直边沿检测的作用。

如对于上面那幅图像转置，得到如下图像数据：

0 1 0 1

0 1 0 1

1 1 0 0

255 254 255 254

255 253 255 254

255 254 253 254

255 254 253 254

..

该边缘是水平方向的，这时如果还用左列减去右列就得不到边界数据，必须是下一行减去上一行，即每一个像素的值为：

G ( i, j ) = - f ( i, j-1 ) + f ( i , j )，图像上得到一条很明显的亮边。

这就是一种边沿检测器，它在数学上的涵义是一种基于梯度的滤波器，又称边沿算子，梯度是有方向的，和边沿的方向总是正交(垂直)的。

图像灰度的变化情况可以用灰度分布的梯度来反映。图像处理中最常用的微分方法是求梯度。对于图像f(i,j), 它在点(i,j)处的梯度是一个矢量，定义为：

?????

? ??????=j f i f j)]g[f(i, （6-1） 其方向导数在边缘法线方向上取得局部最大值。怎样求f(i,j)梯度的局部最大值和方向呢？我们知道f(i,j) 沿方向r 的梯度为：

θθsin cos j i f f r

j j f r i i f r f +=?????+?????=?? （6-2） r f

?? 的最大值条件是θ

??????????r f =0 即：θθcos sin j i f f +-=0 （6-3）

梯度是向量，各向同性。梯度方向对应于f(i,j)最大变化率方向上，即

i j f f /tan 1-=ξθ

梯度最大值 G=max

????????r f =22j i f f + （6-4） 为了减少计算量而用G=j i f f + （6-5）

梯度幅度比例于邻像素的灰度级，在灰度陡变区域，梯度值大，在灰度相似区，梯度值小，在灰度级为常数区，梯度为零。因此，微分运算应用在图像上，可使图像的轮廓清晰。

本节介绍的微分运算有：

纵向微分运算；

横向微分运算；

双方向一次微分运算。

6.2.1 纵向微分运算

1．理论基础

对灰度图像在纵方向进行微分实现了将图像向左平移一个像素，再用原图像减去平移

..

后图像。相减的结果反映了原图像亮度变化率的大小。原图像中像素值保持不变的区域，相减的结果为零，即像素为黑；原图像中像素灰度值变化剧烈的区域，相减后得到较大的变化率，对应的像素很亮，而且像素灰度值差别越大，则得到的像素就越亮，所以图像的垂直边缘得到增强。

本程序对灰度图像f 在纵方向或横方向进行微分，在数字处理中，微分用差分表近似，并按下式求得：

G ( i, j ) = f ( i , j )- f ( i-1, j-1 ) （6-6）

该算法用如下卷积核：

????

??????-000011000 2．实现步骤

（1）取得原图的数据区指针。

(2)开辟一块内存缓冲区，并初始化为255。

（3）每个像素依次循环，新图像缓冲区中的当前像素的灰度值等于原图中当前像素的灰度值与其左方的像素的灰度值之差的绝对值。

（4）将缓冲区中的图像复制回原图数据区。

3．程序代码

/**************************************************************

*函数名称：ZongXiang()

*函数类型：void

*功能：对图像进行纵向微分

**************************************************************/

void WeiFenDib::ZongXiang()

{

LPBYTE p_data; //原图数据区指针

int wide,height; //原图长、宽

p_data=this->GetData ();

wide=this->GetWidth ();

height=this->GetHeight ();

LPBYTE temp=new BYTE [wide*height]; //开辟图像一缓冲区

memset(temp,255,wide*height);

for(int j=1;j

for(int i=1;i

//当前像素的灰度值等于其和左方像素灰度值之差的绝对值

temp[wide*j+i]=abs(p_data[wide*j+i]-p_data[wide*j+(i-1)]);

//将缓冲区中的图像复制回原图数据区

memcpy(p_data, temp,wide*height);

//删除缓冲区

delete temp;

}

4．效果对比图

..

(a)原图 (b)纵向微分运算

图6-2纵向微分运算 6.2.2 横向微分运算

1．理论基础

该算法的数学表达式为：

G ( i, j ) = f ( i , j ) - f ( i , j-1 )+ （6-7）

该算法用如下卷积核：

????

??????-000010010 2。实现步骤

（1）取得原图的数据区指针。

(2)开辟一块内存缓冲区，并初始化为255。

（3）每个像素依次循环，新图像缓冲区中的当前像素的灰度值等于原图中当前像

素的灰度值与其上方的像素的灰度值之差的绝对值。

（4）将缓冲区中的图像复制回原图数据区。

3．程序代码

/**************************************************************

*函数名称：HengXiang()

*函数类型：void

*功能：对图像进行横向微分

**************************************************************/

void WeiFenDib::HengXiang()

{

LPBYTE p_data; //原图数据区指针

int wide,height; //原图长、宽

p_data=this->GetData ();

wide=this->GetWidth ();

height=this->GetHeight ();

LPBYTE temp=new BYTE [wide*height]; //开辟图像一缓冲区

memset(temp,255,wide*height);

for(int j=1;j

..

for(int i=1;i

//当前像素的灰度值等于其和上方像素灰度值之差的绝对值

temp[wide*j+i]=abs(p_data[wide*j+i]-p_data[wide*(j-1)+i]);

//将缓冲区中的图像复制回原图数据区

memcpy(p_data, temp,wide*height);

//删除缓冲区

delete temp;

}

4．效果对比图

图6-3 横向微分运算

6.2.3 双方向一次微分运算

1．理论基础

对灰度图像f 在纵方向和横方向两个方向进行微分。该算法是同时增强水平和垂直方向的边缘。该算法的数学表达式为：

G(i,j)=sqrt{[f(i,j)-f(i,j-1)]*[f(i,j)-f(i,j-1)]+[f(i,j)-f(i-1,j)]* [f(i,j)-f(i-1,j)]} （6-8）

对于含小数的G ( i , j )可四舍五入。

该算法用如下卷积核：

??????????-000010010 ????

??????-000011000 水平（i 方向） 垂直（j 方向）

使用水平方向卷积核得出像素值为m ，使用垂直方向卷积核得出像素值为n ，该像素边界强度为：sqrt[（m ×m ）+（n ×n ）]。该算法是同时增强水平和垂直方向的边缘。

2．实现步骤

（1）取得原图的数据区指针。

(2)开辟一块内存缓冲区，并初始化为255。

（3）每个像素依次循环，原图中当前像素的灰度值与其左方的像素的灰度值之差

的绝对值的平方，再加上当前像素的灰度值与其上方的像素的灰度值之差的绝对值的平方，所得的平方根即为新图像当前像素的灰度值。

（4）缓冲区中的图像复制回原图数据区。

3．程序代码

..

/**************************************************************

*函数名称：ShuangXiang()

*函数类型：void

*功能：对图像进行双向一次微分

**************************************************************/

void WeiFenDib::ShuangXiang()

{

LPBYTE p_data; //原图数据区指针

int wide,height; //原图长、宽

p_data=this->GetData ();

wide=this->GetWidth ();

height=this->GetHeight ();

LPBYTE temp=new BYTE [wide*height]; //开辟图像一缓冲区

memset(temp,255,wide*height);

for(int j=1;j

for(int i=1;i

//根据双向一次微分公式计算当前像素的灰度值

temp[wide*j+i]=(int)sqrt((p_data[wide*j+i]-p_data[wide*j+(i-1)])*(p_data[wide*j+i]

-p_data[wide*j+(i-1)])+(p_data[wide*j+i]-p_data[wide*(j-1)+i])

*(p_data[wide*j+i]-p_data[wide*(j-1)+i]));

//将缓冲区中的图像复制回原图数据区

memcpy(p_data, temp,wide*height);

//删除缓冲区

delete temp;

}

4．处理结果

(a)原图 (b)纵向微分运算

..

(c) 横向微分运算 (d) 双方向一次微分运算 图6-4 微分运算

6．3梯度锐化

图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像鋭化技术，使边缘变得清晰。经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算），就可以使图像变得清晰。

图像处理中最常用的微分方法是求梯度。对于图像f(i,j), 它在点(i,j)处的梯度是一个矢量，定义为：

G[f(i,j)]的梯度为：

G[f(i,j)]=[ （i

f ??）2+（ j f ??）2] 1/2 （6-9） 对离散图像而言，可用差分法近似上述公式，得到：

G[f(i,j)]={[ f(i,j) - f(i-1,j)]2+ [ f(i,j) - f(i,j-1)]2 }1/2 （6-10）

这正是双方向一次微分运算。为了便于编程和提高运算，在某些场合可进一步简化为： G[f(i,j)]=| f(i,j)- f(i-1,j)|+| f(i,j)- f(i,j-1)| （6-11）

利用差分运算时，图像的第一行和第一列的像素的梯度无法求得，一般用后一行或后一列的梯度值近似代替。微分运算可用来求信号的变化率，因而具有加强高频分量的作用，从上一节效果图上可知仅仅微分处理后的图像非常暗，不适用。如果将前面介绍的各种微分运算应用在图像上，既要求图像的轮廓清晰，又要求保持目标物体的内部灰度不变，这就是图像梯度锐化的目的。

梯度锐化常用的方法有：

直接以梯度值代替；

辅以门限判断；

给边缘规定一个特定的灰度级;

给背景规定灰度级;

根据梯度二值化图像.

6.3.1 直接以梯度值代替

利用双方向一次微分运算，算出梯度后让梯度值等于该点的灰度值。

即f(i,j)= G[f(i,j)]。

G[f(i,j)]={[ f(i,j) - f(i-1,j)]2+ [ f(i,j) - f(i,j-1)]2 }

1/2

matlab 图像的几何变换与彩色处理

实验四、图像的几何变换与彩色处理 一、实验目的 1理解和掌握图像的平移、垂直镜像变换、水平镜像变换、缩放和旋转的原理和应用； 2熟悉图像几何变换的MATLAB操作和基本功能 3 掌握彩色图像处理的基本技术 二、实验步骤 1 启动MATLAB程序，读入图像并对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作 %%%%%%平移 >> flowerImg=imread('flower.jpg'); >> se=translate(strel(1),[100 100]); >> img2=imdilate(flowerImg,se); >> subplot(1,2,1); >> imshow(flowerImg); >> subplot(1,2,2); >> imshow(img2);

I1=imread('flower.jpg'); I1=double(I1); H=size(I1); I2(1:H(1),1:H(2),1:H(3))=I1(H(1):-1:1,1:H(2),1:H(3)); I3(1:H(1),1:H(2),1:H(3))=I1(1:H(1),H(2):-1:1,1:H(3)); Subplot(2,2,1); Imshow(uint8(I1)); Title('原图'); Subplot(2,2,2); Imshow(uint8(I3)); Title('水平镜像'); Subplot(2,2,3); Imshow(uint8(I2)); Title('垂直镜像'); img1=imread('flower.jpg'); figure,imshow(img1); %%%%%%缩放 img2=imresize(img1,0.25); figure,imshow(img2); imwrite(img2,'a2.jpg');

图像增强和边缘检测实验报告

图像增强和边缘检测 实验内容 1）将Image1.jpg 转换为灰度图像A。 2）读懂文档（图像直方图均衡化.doc），利用里面的方法通过编程对图像A进行直方图均衡化处理，得到处理后的图像B。显示图像A和B，以及各自对应的灰度直方图。 3）利用锐化方法（教材118－120页），编制程序，对图像A和B分别使用罗伯特梯度，索伯尔梯度，拉普拉斯方法，进行处理，比较哪种求边缘的方法好，以及进行图像的直方图均衡化后能否提高求边缘的精确度。 4）撰写报告书，说明实验的步骤和方法，实验的结果等。 5）提交报告书以及源程序 实验步骤和方法 1）调用rgb2gray()函数将Image1.jpg 转换为灰度图像A。并将图像A保存到f和I1中。2）统计图像A中的像素并进行均衡化处理并将结果保存到B，显示图像A和B；调用imhist()函数显示两图像的灰度直方图。 3）编制罗伯特锐化函数，设定两个模板t1=[1,0;0,-1] t2=[0,-1;1,0]，调用conv2()函数获得图像和两个模板的卷积并取绝对值相加获得罗伯特锐化结果，缩小结果图像。4）编制索伯尔锐化函数，设定两个模板t1=[1,2,1;0,0,0;-1,-2,-1] t2=[-1,0,1;-2,0,2;-1,0,1] ,其余步骤与罗伯特锐化相似。 5）编制拉普拉斯锐化函数，设定模板t(m,n)=[0,1,0;1,-4,1;0,1,0]，将待处理图像与模板卷积，并用原图像的至减去模板运算结果的整数倍，将结果缩小化到原图像大小既得拉普拉斯锐化结果。 6）函数整合，将编制好的3）、4）、5）三个函数整合到2）的程序后面并加以调整，分别对图像A和B进行锐化，并将结果输出到2*4的图框中进行对比 实验结果 1）

MATLAB 实现数字图像锐化处理

MATLAB 实现数字图像锐化处理 摘要：讨论了数字图像增强技术中空域图像锐化的四种算法及其用MATLAB的实现；同时给出了利用四种算法进行图像锐化后的对照图像。比较实验结果，可知运用算法锐化处理后，图像比原来图像清晰。 关键词：MATLAB、线性锐化、非线性锐化、sobel算子、prewitt算子、log算子 1.引言 MATLAB全称是Matrix Laboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中MATLAB 中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB 在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。 二维图像均匀采样，可得到一幅离散化成M ×N 样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的。而MATLAB 的长处就是处理矩阵运算，因此用MATLAB 处理数字图像非常的方便。MATLAB 支持五种图像类型，即索引图像、灰度图像、二值图像、RGB 图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG，XWD，CUR，ICO等图像文件格式的读、写和显示。MATLAB 对图像的处理功能主要集中在它的图像处理工具箱(Image Processing Toolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作口。 数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。 2.数字图像的锐化 数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。 2.1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。这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。线性高通滤波器3 ×3 模板的典型系数如表1 所示： 表 1 用线性高通滤波实现图像锐化的程序和图像如下： F=imread('F:/text.png'); %读入图像 f=rgb2gray(F); h=double(f); %转化为double类型 g=[-1 -1 -1; -1 8 -1; -1 -1 -1];%线性高通滤波3×3 模板

laplace(拉普拉斯)锐化matlab程序

laplace(拉普拉斯)锐化matlab程序 部门： xxx 时间： xxx 整理范文，仅供参考，可下载自行编辑

第二次作业 201821050326 程小龙 习题： 4.8 答：参考教材4.4-1式，高通滤波器可以看成是1减去相应低通滤波器，从低通滤波器的性质可以看出，在空间域上低通滤波器在原点是存在一个尖峰，且大于0，1是看成直流分量，因此，傅里叶逆变换之后的高通滤波器在空间域上原点就会出现负的尖峰。 b5E2RGbCAP 4.15 答：

方便起见，我们考虑一个变量。当u从0增加到M，H(u,v>从最大值2j<复数）然后减少，当u=M/2时<转移方程的中心）最小；当u 继续增加，H(u,v>继续增加，且当u=M时，又取得最大值。同样，考虑两个变量也得到类似的结果。这种特性就是我们的高通滤波器，于是我们就可以得到我们推导出的滤波器H点，将会产生只有平均值为0的图像，所以，存在一个K值，使得经过K次高通滤波之后就会产生一副像素不变的图像。DXDiTa9E3d

系统实验(DSP)--图像的锐化处理、图像的边缘检测

DSP 实验报告 一、 图像的锐化处理（高通滤波处理） 1、 实验原理 处理模板如下： ???? ??????--+--=004100 ααα ααM 25.0=α 对应数学表达式： ()[])1,(),1()1,(),1(),(41),(++++-+--+=y x f y x f y x f y x f y x f y x g αα 2、 C 程序及运行结果 程序： Acute_RGB_Image(int *buffer) { int x,y; for (y=0;y255) buffer[ImageWidth*y+x]=255; else if (buffer[ImageWidth*y+x]<0) buffer[ImageWidth*y+x]=0; } }

运行结果： 锐化前锐化后 分析：从上面两幅图可以看出锐化后的图像轮廓变得明显，且噪声变得强烈。 3、汇编程序及运行结果 程序： ImageAcuteSub(ImageWidth,ImageHeight,buffer_red); ImageAcuteSub(ImageWidth,ImageHeight,buffer_green); ImageAcuteSub(ImageWidth,ImageHeight,buffer_blue); .mmregs .def _ImageAcuteSub .text _ImageAcuteSub: mov t0,brc1 ;IMAGE WIDTH mov t1,brc0 ;IMAGE HEIGHT rptb y_loop rptb x_loop mov *ar0(#1),ac1;f(x+1,y) add *ar0(#-1),ac1 ;f(x-1,y) add *ar0(#-250),ac1 ;f(x,y-1) add *ar0(#250),ac1 ;f(x,y+1) sfts ac1,#-2 mov *ar0<<#1,ac0;2f(x,y)

数字图像处理_边缘检测算子与锐化算子(含MATLAB代码)

数字图像处理实验五 15生医 一、实验内容 对某一灰度图像，进行如下处理： （1）分别用Roberts、Prewitt和Sobel边缘检测算子进行边缘检测；（2）将Roberts、Prewitt和Sobel边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。一灰度图像的二值化。 二、运行环境 MATLAB R2014a 三、运行结果及分析 运行结果如图所示：可以观察出原图像、边缘检测结果和锐化后图像三者之间的关系为：原图像+边缘检测结果=锐化后图像 四、心得体会 通过MATLAB编程更加熟悉了课本上关于锐化与边缘检测的相关知识

点，对二者的关系也有了具体的认识。同时，对MATLAB图像导入函数、图像边缘检测函数、锐化窗口矩阵卷积函数的调用及实现机理也有所掌握，比如后边附的程序中会提到的“%”标注的思考。 五、具体程序 size=512; Img_rgb=imread('E:\lena.jpg'); %读取图像 Img_gray=rgb2gray(Img_rgb); %进行RGB到灰度图像的转换（虽然原来在网上下载的lena就是黑白图像，但是这一步必须要有！否则处理结果不正确） figure(1); subplot(2,3,1); imshow(Img_gray); title('原图像'); Img_edge=zeros(size); a={'roberts','prewitt','sobel'}; for i=1:3 Img_edge=edge(Img_gray,a{i}); figure(1); subplot(2,3,i+1); imshow(Img_edge); axis image; title(a(i)); end A=imread('E:\lena.jpg'); B=rgb2gray(A); B=double(B); Window=[-1 -1 -1;-1 9 -1;-1 -1 -1]; %八邻域拉普拉斯锐化算子（α取1） C=conv2(B,Window,'same'); Img_sharp=uint8(C); subplot(2,3,5); imshow(Img_sharp); title('sharp');

数字图像处理中的边缘检测技术

课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：

数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)

1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速

基于MATLAB的图像锐化算法研究

中北大学 课程设计说明书 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究 指导教师：陈平职称: 副教授 2013 年 12 月 15 日 中北大学 课程设计任务书

13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 课程设计题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日 课程设计任务书

课程设计任务书

目录 1 绪论 (1)

1.1 MATLAB简介 (1) 1.2 MATLAB对图像处理的特点 (1) 1.3 图像锐化概述 (2) 1.4 图像锐化处理的现状和研究方法 (2) 2 设计目的 (2) 3 设计内容和要求 (2) 4 总体设计方案分析 (2) 5 主要算法及程序 (4) 5.1 理想高通滤波器锐化程序 (4) 5.2 高斯高通滤波器锐化程序 (5) 5.3 高提升滤波器锐化程序 (6) 6 算法结果及比较分析 (8) 6.1 理想高通滤波器锐化结果 (8) 6.2 高斯高通滤波器锐化结果 (9) 6.3 高提升滤波器锐化结果 (10) 6.4 算法结果比较分析 (11) 7 设计评述 (11) 参考文献 (12)

1 绪论 数字图像处理（Digital Image Processing）又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。图像处理的基本目的是改善图像的质量。它以人为对象，改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常见的图像处理方法有图像增强、复原、编码、压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天。生物医学工程、工业检测、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注意、前景远大的新型科学。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理更高、更深层次发展。 1.1 MATLAB简介 MATLAB全称Matrix Laboratory（矩阵实验室），最早初由美国Cleve Moler 博士在20世纪70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack和Eispack组成。它用于数学、信息工程、摇感、机械工程、计算机等专业。它的推广得到各个领域专家的关注，其强大的扩展功能为各个领域应用提供了基础，各个领域的专家相继推出MATLAB工具箱，而且工具箱还在不断发展，借助于这些工具箱，各个层次的研究人员可直接、直观、方便地进行工作，从而节省大量的时间。目前，MATLAB语言已经成为科学计算、系统仿真、信号与图像处理的主流软件。本文主要从MATLAB图像处理方面做应用。 1.2MATLAB对图像处理的特点 MATLAB全称Matrix Laboratory（矩阵实验室），是一种主要用于矩阵数据值计算的软件，因其在矩阵运算上的特点，使得MATLAB在处理图像上具有独特优势，理论上讲，图像是一种二维的连续函数，而计算机在处理图像数字时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样个量化的过程。二维图像均匀采样，课得到一副离散化成N×N样本的数字图像，该数字图像是一个整数列阵，因而用矩阵来描述该数字图像是最直观最简便的。

基于 MATLAB的图像预处理技术研究

基于MATLAB的图像预处理技术研究 图像识别技术：其对研究对象进行图像获取，然后根据研究对象的自身特征信息进行分类和识别。 这门技术的研究对象十分广泛，只要可以进行图像获取并对特征进行分析便可以应用图像识别技术。 举例说明： 医学上X光片的图像诊断、智能交通系统中车辆牌照的图像识别分类、卫星拍摄的湖泊森林遥感图像处理、人脸识别、身份识别。 图像识别系统的概述： 包含三个主要部分： 1，图像的获取；(进行最初的图像采集，将最原始的对象转换为图像信息；将最初的数据材料带入图像信息中) 2，对获取的图像进行前期预处理，提取有用的信息。(对原始的图像中的噪声以及非相关特征信息进行过滤，减少所获取原始图像的信息量，从而为后期最终特征信息的分类减少干扰。即将图像分为多个区域，并且每个区域只包含一定数量的特征信息。) 3，根据研究对象的先验特征信息对图像中的噪声以及非相关特征信息进行查找识别。(主要是在前期获取的图像信息预处理结束后，根据相关的先验知识，利用计算机技术快速实时地对图像中的特征信息进行提取分类。在这部分中，对于识别的特征信息的正确率有一定的要求，以减少分类识别错误，其中特征的矢维函数、字符串数等需要

不断的简化，从而以最简单的模式划分特征信息） 分类识别：将原始的图像根据特征信息进行分类。 图像预处理技术 1，图像的灰度化 (获取不含彩色信息的灰度图像，灰度图像只含有亮度信息) 通过采集过程获取的一般都是彩色图像。并以Jpg或者Bmp格式进行存储。以Bmp格式的图像为例进行分析，假设采集获取得一幅彩色图像的像素为1280*960，那么其在硬盘上的存储空间需要1280*960*3，即3686400个字节，(灰度图每个像素仅由一个8位字节表示该像素的亮度值.)。其占用的存储空间比灰度图像大的很多，所以为节省空间并减小计算量，一般要将彩色图像转化为灰度图像，只选择三个颜色分量进行图像的色彩区分，具体的转换方式为Y=R*0.299+G*0.587+B*0.114,这个过程就是对获取的彩色图像的灰度化处理过程。 2，图像的灰度拉伸 由于光照等因素,许多图像成像时光照不足,使得整幅图像变暗,或者成像时光照过强,使得整幅图变亮。为了增强图像的对比度,使其明暗鲜明,有利于对图像的特征信息进行识别,需要对灰度化的图像进行灰度线性变换,以便突出图像的特征信息的部分。 灰度线性变换采用的变换公式一般为: ()()C , , g, ? =的值由输入图像的灰度值动态范围决x ,+ f R R C y x y

图像锐化的目的和意义

图像锐化的目的和意义图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。 当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。 图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。 图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法. 锐化的目标实质上是要增强原始图像的高频成分 .常规的锐化算法对整幅图像进行高频增强 , 结果呈现明显噪声 .为此, 在对锐化原理进行深入研究的基础上 ,提出了先用边缘检测算法检出边缘 , 然后根据检出的边缘对图像进行高频增强的方法 . 实验结果表明 , 该方法有效地解决了图像锐化后的噪声问题图像的锐化可以在空间域中进行，也可以在频率域中实现。 一. 图像信号的锐化过程 1. 空间域中锐化图像的目的在空间域中进行图像的锐化也成为空间滤波处 理，目的又 （1）一是提取图像中用于认识和识别图像特征的参量，为图像识别准备数据 （2）消除噪声。图像数字化时产生的噪声主要是造成对图像内容的干扰，这用图像的平滑处理。图像数字化时在信号高频区域产生的 误差以及设备自身噪声对图像的高频（轮廓特征）干扰同样也是一 种噪声，可以用空间滤波的方法去除。 （3）采用空间滤波的方法可以更鲜明地保持图像的边缘特征，这也是空间滤波的主要目的，即锐化图像。处理效果 锐化的目的在于使图像中对象轮廓上的像素灰度大的更大，小的更小，但

基于Matlab的数字图像处理系统设计要点

论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日

基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换

第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，

图像锐化处理

课 程 设 计 报 告 学 院： 自动化学院 专业名称： 信息工程 学生姓名： 赵建涛 指导教师： 赵春晖 时 间： 2011年9月

课程设计任务书 一、设计内容 对图像采用微分运算的方法进行锐化处理。 要求：编写Matlab 程序对图像进行处理。图像必须存于指定位置，处理后的图像也必须存于指定位置。该程序能运行，可处理不同的图像。图像处理算法自己制定，不得使用现成的Matlab 函数。拉普拉斯算子如下： -4-4-4 -4-4-4-4-4-41111111 111 111111111111111111 111111110 二、主要技术指标 1、熟悉图像锐化处理基本原理； 2、对彩色图像进行图像锐化处理； 3、将该模版与其他模版的图像分析效果进行比较； 4、阅读参考文献10篇以上。 三、进度要求 两周完成设计任务，写5000字以上的小论文。附参考文献并在论文上相应位置进行标注。 学 生 赵建涛 指导教师 赵春晖

基于微分运算的彩色图像锐化处理 摘要 数字图像处理(Digital Image Processing)又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机己经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20 世纪60年代初期。图像处理的基木目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更局、更深层次发展[1]。 在数字图像处理中，图像经转换或传输后，质量可能下降，难免有些模糊。另外，图像平滑在降低噪声的同时也造成目标的轮廓不清晰和线条不鲜明，使目标的图像特征提取、识别、跟踪等难以进行，这一点可以利用图像锐化来增强.图像锐化的主要目的有两个:一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分奠定定基础。图像锐化一般有两种方法:一是微分法，二是高通滤波法。 本文着重介绍的是基于拉普拉斯的一种典型的微分算法，并选择不同的模版进行图像锐化，分析比较不同模版下锐化效果的异同。 关键字：图像锐化拉普拉斯算子模版

图像增强与边缘检测..

数字图像处理作业----第三次 1、什么是图像增强？常见算法有哪些？典型算法的程序实现，其优缺点？结果对比。 1.1图像增强的定义 为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。 一般情况下，图像增强是按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。 1.2 图像增强的分类及方法 图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分

matlab图像锐化处理及边缘检测

Matlab图像锐化处理及边缘检测 本章要点： ?图像边缘锐化的基本方法 ?微分运算 ?梯度锐化 ?边缘检测 6．1 图像边缘锐化的基本方法 物体的边缘是以图像局部特性不连续性的形式出现。本质上边缘常意味着一个区域的终结和另一个区域的开始。图像边缘信息在图像分析和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要特性。图像的边缘有方向和幅度两个特性。通常，延边缘走向的像素变化平缓，而垂直于边缘走向的像素变化剧烈。边缘的描述包含以下几个方面：（1）边缘点——它两边像素的灰度值有显著的不同。边缘点也存在于这样一对邻点之间即一个在较亮的区域内部，另一个在外部。 （2）边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直。 （3）边缘方向——与边缘法线方向垂直，是目标边界的切线方向。 （4）边缘位置——边缘所在的坐标位置。 （5）边缘强度——沿边缘法线方向图像局部的变化强度的量度。 粗略地区分边缘种类可以有两种，其一是阶跃状边缘，它两边像素的灰度值有显著的不同，其二是屋顶状边缘，它位于灰度值从增加到减少的变化转折点。这些变化分别对应景物中不同的物理状态。边缘是图像上灰度变化比较剧烈的地方，如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征是灰度的变化率和方向，在灰度变化突变处进行微分，将产生高值。经典的边缘提取方法是考虑图像的每个像素在某个领域内的变化，利用边缘邻近一阶或二阶方向导数变化规律，来检测边缘。图像灰度值的显著变化可以用一阶差分替代一阶微分的梯度来表示，它们分别以梯度向量的幅度和方向来表示。因此图像中陡峭边缘的梯度值将是很大的；那些灰度变化平缓的地方，梯度值是比较小的；而那些灰度值相同的地方，梯度值将为零。图像经过梯度运算能灵敏地检测出边界线，这种微分边缘检测算子运算简单易行，但有方向性。 利用计算机进行图像锐化处理有两个目的，一是与柔化处理相反，增强图像边缘，使模糊的图像变得更加清晰起来，颜色变得鲜明突出，图像的质量有所改善，产生更适合人观察和识别的图像，本章的梯度锐化就是介绍这方面的内容。二是希望经过锐化处理后，目标物体的边缘鲜明，以便于计算机提取目标物体的边界、对图像进行分割、目标区域识别、区域形状提取等，为图像理解和分析打下基础，目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位，本章的边缘检测算子就是介绍这方面的内容。 与图像平滑处理相对应，图像锐化也可以分为空间域图像锐化法和空间频率域图像锐化法两大类型。空间频率域图像锐化的方法将在第九章介绍，本章介绍边缘增强及边缘检测的方法，基于空间域处理，为分割及目标物体特征提取打下基础。 ..

matlab图像增强与平滑简单程序

图像增强与平滑 直方图： I=imread('1.jpg'); imshow(I); I=rgb2gray(I); %三维变成二维的图； figure,imhist(I); %显示灰度分布 直方图均衡处理： I=imread('1.jpg'); I=rgb2gray(I); J=histeq(I); Subplot(1,2,1),imshow(I); Subplot(1,2,2),imshow(J); figure,Subplot(1,2,1),imhist(I,64); Subplot(1,2,2),imhist(J,64); %这个参数是什么意思？？？ 灰度变换：

imadjust(I,[],[], ); I=imread('1.jpg'); I=rgb2gray(I); J=imadjust(I,[0.1,0.5],[]); Subplot(1,2,1),imshow(I); Subplot(1,2,2),imshow(J); figure,Subplot(1,2,1),imhist(I,64); Subplot(1,2,2),imhist(J,64); 图像反转： I=imread('1.jpg'); I=rgb2gray(I); J=imadjust(I,[0.1,0.9],[0.9 0.1]); Subplot(1,2,1),imshow(I); Subplot(1,2,2),imshow(J); figure,Subplot(1,2,1),imhist(I,64); Subplot(1,2,2),imhist(J,64); 图像平滑 噪声 I=imread('1.jpg'); I=rgb2gray(I); J=imnoise(I,'salt & pepper',0.02);

图像锐化的目的和意义

图像锐化的目的和意义 图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。 当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。 图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。 图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法.锐化的目标实质上是要增强原始图像的高频成分.常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声.为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法.实验结果表明,该方法有效地解决了图像锐化后的噪声问题 图像的锐化可以在空间域中进行，也可以在频率域中实现。 一. 图像信号的锐化过程 1.空间域中锐化图像的目的 在空间域中进行图像的锐化也成为空间滤波处理，目的又 (1)一是提取图像中用于认识和识别图像特征的参量，为 图像识别准备数据 (2)消除噪声。图像数字化时产生的噪声主要是造成对图像 内容的干扰，这用图像的平滑处理。图像数字化时在信号 高频区域产生的误差以及设备自身噪声对图像的高频（轮 廓特征）干扰同样也是一种噪声，可以用空间滤波的方法 去除。

实验报告四图像锐化处理

姓名：学号：班级： 实验日期：实验成绩： 一．实验目的 （1）学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子、Sobel算子设计，使图 像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。（2）分析模板大小对空域锐化滤波的影响，比较不同滤波器的处理效果，分析其优缺点。 二．实验原理 锐化处理的主要目的是突出灰度的过度部分，在空间域中，均值滤波类似于积分，那锐化滤波类似于微分，微分算子的响应程度与图像在用算子操作的这一点突变程度成正比，图像积分模糊了图像，同时起到了消除噪声的作用；图像微分增强边缘和其它突变（如噪声），而削弱灰度变换缓慢的区域，laplacian算子类似于二阶微分，强调的是图像灰度级剧烈变换的部分，而sobel算子类似于一阶微分，强调的是图像灰度级缓慢变化的部分。 三．实验内容及结果

（1）选择一副图像，分别使用拉普拉斯算子、sobel算子对图像进行锐化滤波，并观察滤波效果。 图 1 laplacian及sobel算子处理图像 （2）选择一副图像，构造一个中心系数为-24的5×5的类似于拉普拉斯模板对图像进行锐化，与上述拉普拉斯算子的结果相比，是否能得到更加清晰的结果？ 图 2 不同大小laplacian模板处理原图及二值图 四．结果分析

（1）观察图一，可以发现对原图进行sobel算子运算后，原图阶梯的边缘细节被突显出来了，而每个阶梯灰度级保持不变的背景则没了，全变黑了，而对原图进行laplacian算子运算后，边缘部分则只剩下些杂乱无章的点了，基本是在sobel算子运算过后筛选出来的缓慢突变边缘上的一些突变更快的点。如果把sobel算子比作是一阶微分就不难理解它是对原图的缓慢边缘变化部分，而把laplacian算子比作是二阶微分的话，就是原图的剧烈突变部分，由于原图像的阶梯边缘在灰度级上是缓慢过度的，所以使用sobel算子边缘的突出效果更明显，而laplacian算子无论模板大小为多大，都不能清晰的显示出边缘。至于背景为什么会变黑是因为算子模板中有负因子，当计算的出来的值为负数时，自动标定其为0，也就是黑色。 （2）观察图二，可以发现对原图使用无论多大的laplacian模板，效果都很差，原因就是上述提到的原图像的边缘灰度级是缓慢变化的，对原图灰度级二值化处理，由于灰度值大小只有0和1两个值，阶梯边缘两边的值分别为0和1，这样边缘突变就成了一个单位的剧烈突变，所以3*3的laplacian算子效果就和上述的sobel算子效果相似，而当增加laplacian算子的大小到5*5时，边缘检测效果更加明显。正印证了微分算子的响应程度与图像在用算子操作的这一点突变程度成正比这一原理。

基于matlab图像锐化算法的研究与实现 开题报告

x学院毕业论文（设计） 开题报告 题目:图像锐化算法的研究与实现 姓名: x 学号: 080502221 系别: 物理与电子信息工程系 专业: 电子信息科学与技术 年级: 200x级 指导老师: x 2011年11月5日

一、选题依据（含研究的目的和意义等） 目前，图像锐化是数字图像处理的最基本的方法之一，它是为了突出图像总的细节或者增强被模糊地细节，这种模糊不是由于错误操作，就是特殊获取方法的固有影响。图像锐化处理的方法多种多样，其也包括多种应用，从电子印象和医学成像到工业检测和军事系统的的制导，等等. 从图像平滑处理图像，我们可以看到在空间域用像素领域平均法可以使图像变模糊.因为均值处理与积分相似，从逻辑的角度，我们可以断定锐化处理可以用空间微分来完成。在这次设计中将实现数字微分锐化的各中定义及其实现算子。微分算子的响应程度与图像在该点（应用了算子）的突变程度有关。这样一来，图像微分增强了边缘轮廓的高频分量，在这次我们将用Matlab实现图像锐化算法（即微分算子），并对其不同的微分锐化算子比较看其优缺点和应用场合，以及改变算法参数对锐化结果的影响。它的实现将改善人的视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题，以及应用目的所采取的不同算子改善图像质量或增强图像的某些特征的措施。 二、研究的内容及目标 1、研究内容 ①应用Matlab实现传统的图像锐化算法； ②分析不同算子的优缺点和应用场合； ③改变算法的一些参数后对锐化效果的影响。 2、研究目标 合理的运用不同的算子锐化各类不同的图像，得到目标图像。加深对算子的理解，学会用矩阵实验室（Matlab）对图像进行锐化处理。