实验报告四图像锐化处理

昆明理工大学（数字图像处理）实验报告实验名称：图像的平滑与锐化专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解图像平滑与锐化的基本原理。

2、掌握图像滤波的基本定义及目的。

3、理解空间域滤波的基本原理及方法。

4、编程实现图像的平滑与锐化。

[实验原理]空间滤波器都是基于模板卷积，其主要工作步骤是：1)将模板在图中移动，并将模板中心与图中某个像素位置重合；2)将模板上的系数与模板下对应的像素相乘；3)将所有乘积相加；4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。

1、图像的平滑目的：减少噪声方法：空域法：邻域平均法、低通滤波、多幅图像求平均、中值滤波（1）邻域平均(均值滤波器)所谓的均值滤波是指在图像上对待处理的像素给一个模板，该模板包括了其周围的邻近像素。

将模板中的全体像素的均值来替代原来的像素值的方法。

（2）中值滤波（统计排序滤波）一般地 , 设有一个一维序列 f1 , f2 , f3 ,…, fn ,取该窗口长度(点数)为 m (m为奇数 ),对一维序列进行中值滤波,就是从序列中相继抽取m 个数 fi-v , … , fi-1, fi,fi+1 , … , fi+v;其中 fi 为窗口的中心点值 ,v = ( m - 1 )/ 2 。

再将这 m 个点 值按 其数值大小排序,取中间的 那个数作为滤波输出 ,用数学公式表示为:yi = med fi-v,…,fi-1,fi,fi+1,…,fi+v其中i ∈Z,v=(m-1)/2 。

中值滤波一般采用一个含有奇数个点的滑动窗口,将窗口中各点灰度值的中值来替代指定点(一般是窗口的中心点)的灰度值。

二维中值滤波可有下式表示 :yi = med { fij }中值滤波的性质有 :(1) 非线性 , 两序列 f ( r ) , g ( r )med{ f ( r ) + g ( r ) } ≠ med{ f ( r ) } + med{ g ( r ) }(2) 对尖峰性干扰效果好,即保持边缘的陡度又去掉干扰,对高斯分 布噪声效果差;(3) 对噪声延续距离小于W/2的噪声抑制效果好,W 为窗口长度。

实时性较差
算法原理：通过将图像分解成多个频带，对每个频带进行滤波处理，再合并处理后的频带得到 锐化图像。
算法特点：能够更好地保留图像细节，提高图像清晰度，适用于各种类型的图像。
算法步骤：频带分解、滤波处理、频带合并、锐化图像。
算法应用：广泛应用于图像处理领域，如医学影像、遥感图像、安全监控等。
算法原理：根据图像局部特性自适 应调整滤波器系数，以提高图像边 缘清晰度
优点：对噪声具有较好的鲁棒性， 能够自适应地处理不同场景下的图 像锐化
添加标题
添加标题
常用实现方法：Laplacian、 Unsharp Masking等
添加标题
添加标题
适用场景：适用于各种类型的图像， 尤其适用于存在噪声和模糊的图像
图像锐化的实现步 骤
将彩色图像转换为灰度图像 增强图像对比度 突出图像边缘信息 减少图像数据量，加速处理速度
边缘检测是图像 锐化的重要步骤， 通过检测图像中 的边缘信息，可 以对图像进行清 晰化处理。
常见的边缘检测 算法包括Sobel、 Prewitt、Canny 等，这些算法通 过不同的方式检 测图像中的边缘 信息。
在边缘检测之后， 通常需要进行阈 值处理，将边缘 信息与阈值进行 比较，保留重要 的边缘信息，去 除不必要的噪声。
经过边缘检测和 阈值处理后，可 以对图像进行锐 化处理，使其更 加清晰。
对图像进行滤波处理，去除噪声和干扰 选择合适的滤波器，如高斯滤波器、中值滤波器等 对滤波后的图像进行锐化处理，增强边缘和细节 可根据实际需求选择不同的滤波器和参数，以达到最佳效果
对图像进行滤波处理，去除噪声 对图像进行边缘检测，突出边缘信息 对图像进行对比度增强，提高图像的清晰度 对图像进行细节增强，增强图像的纹理和细节信息

课程论文课程论文课程论文图像锐化处理摘 要：要： 如今，数字图像处理技术得到广泛应用，给人们的学习、生活和工作带来了深远影响。

其中图像的锐化处理就是其中的重要部分，图像锐化处理的作用是使灰度反差增强，从而使模糊图像变得更加清晰。

本文介绍图像锐化处理的基本原理和处理技术，图像锐化处理的基本原理和处理技术，用用MATLAB 矩阵实验室对实际图像进行锐化处理得出实验结果。

像进行锐化处理得出实验结果。

关键词：图像锐化处理，数字图像，MATLAB 1.MATLAB 简介MATLAB 全称是Matrix Laboratory(矩阵实验室)，是一种简单、高效、功能强大的高级语言，在科学与工程计算领域有着广泛的应用前途。

在数字图像处理领域，可应用MATLAB 数字图像处理技术进行系统分析与设计。

它是一种专门用于矩阵数值计算的软件，从这点上也可以看出，它是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，中的绝大多数的运算都是通过矩阵这一形式进行的，这一特这一特点决定了MATLAB 在处理数字图象上独特优势，在处理数字图象上独特优势，理论上图象是一种二维的连续函理论上图象是一种二维的连续函数，然而计算机对图象进行数字吃力时，首先必须对其在空间和亮度上进行数字化，这就是图象的采样和量化的过程，二维图象均匀采样，可得到一幅离散成M*N 样本的数字图象，该数字图象是一个整数阵列，因而用矩阵来描述该数字图象是最直观最简便的。

象是最直观最简便的。

2.图象锐化概述数字图像处理中图像锐化的目的有两个：一是使灰度反差增强，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。

识别的图像。

3.图象锐化的原理数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。

实验名称：数字图像的锐化（LAPLACE 运算）一、实验目的1、了解锐化的算法和用途，学习利用拉普拉斯锐化运算的程序设计 方法。

2、通过对锐化前后图象的观察深刻了解锐化的实质。

二、实验设备PC 兼容机一台，操作系统为Windows XP ，安装Code Composer Studio 2.2.1和MATLAB 6.5.1软件。

三、实验内容数字图象的的锐化1、实验要求：常用的拉普拉斯锐化模板还有另一种形式修改参考例程，完成以上算子的锐化运算。

2、对设计要求的理解（1）图像的锐化所需要的输入图象为80*80黑白自定义图象，我们这里选取电脑中自带的bmp 格式的图象。

不需要使用硬件采集图象。

（2）输入黑白图片的是由80*80个像素组成，每个像素值都是由0~255中的某一数字表示，代表其灰度值。

其中0代表图像为黑色的，255代表白色。

（3）锐化的实质是对图象灰度值比较接近的地方进行处理，提升两者之间的灰度差别，使得图象便于人眼观察。

（4）对某一点像素的处理采用拉普拉斯锐化模板，锐化后的像素值是以一点为中心的相邻的九个像素值的函数。

特别的是对于图象的边缘的处理：赋值为0。

四、实验原理1、数字图像的锐化原理图象锐化的目的是使模糊地图象变得更加清晰起来。

图象的模糊实质就是图象平均和积分运算造成的，因此可以对图象进行逆运算如微分运算来使图象清晰化。

从频谱的角度来分析，图象模糊地是知识其高频分量被衰减，因而可以通过高通滤波器作来清晰图象。

图像锐化常采用算法是拉普拉斯算法，他是微分锐化的方法的一种。

拉普拉斯运算是偏导数运算的线性组合，而且是一种各向同性（旋转不变）的线性运算.设2∇为拉普拉斯算子，则：y f x f f 22222∂∂+∂∂=∇对于离散数字图像),(j I f ，其一阶偏导数为：),1(),(),(),(j i f j i f j i f xj i f x --=∆=∂∂ )1,(),(),(),(--=∆=∂∂j i f j i f j i f yj i f y 其二阶偏导数为：),(2),1(),1(),(),1(),(22j i f j i f j i f j i f j i f x j i f x x --++=∆-+∆=∂∂ ),(2)1,()1,(),(),1(),(22j i f j i f j i f j i f j i f yj i f y y --++=∆-+∆=∂∂ 所以，拉普拉斯算子f 2∇为：),(4)1,()1,(),1(),1(22222j i f j i f j i f j i f j i f y f x f f --+++++-=∂∂+∂∂=∇ 对于扩散现象引起的图象模糊，可以用下式进行锐化：),(),(),(2j i f k j i f j i g ∇-=ττk 是与扩散效应有关系数，该系数取值合理，锐化效果才会更好。

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：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 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 αα2、 C 程序及运行结果程序：Acute_RGB_Image(int *buffer){int x,y;for (y=0;y<ImageHeight;y++)for (x=0;x<ImageWidth;x++){buffer[y*ImageWidth+x]=2*buffer[y*ImageWidth+x]-(buffer[y*ImageWidth +x-1]+buffer[(y-1)*ImageWidth+x]+buffer[y*ImageWidth+x+1]+buffer[(y+1)*ImageWidth+x])/4;if(buffer[ImageWidth*y+x]>255)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 WIDTHmov t1,brc0 ;IMAGE HEIGHTrptb y_looprptb x_loopmov *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,#-2mov *ar0<<#1,ac0;2f(x,y)sub ac1,ac0bcc branch1,ac0<0sub #255,ac0,ac1bcc branch2,ac1>0mov ac0,*ar0+b x_loopbranch1: mov #0,*ar0+b x_loopbranch2: mov #255,*ar0+x_loop: nopy_loop: nopRET运行结果：锐化前 锐化后分析：可以看出汇编的结果和C 程序的结果是一致的。

目录实验一：数字图像的基本处理操作 (4)：实验目的 (4)：实验任务和要求 (4)：实验步骤和结果 (5)：结果分析 (8)实验二：图像的灰度变换和直方图变换 (9)：实验目的 (9)：实验任务和要求 (9)：实验步骤和结果 (9)：结果分析 (13)实验三：图像的平滑处理 (14)：实验目的 (14)：实验任务和要求 (14)：实验步骤和结果 (14)：结果分析 (18)实验四：图像的锐化处理 (19)：实验目的 (19)：实验任务和要求 (19)：实验步骤和结果 (19)：结果分析 (21)实验一：数字图像的基本处理操作：实验目的1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用；2、实现图像的读取、显示、代数运算和简单变换。

3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。

：实验任务和要求1.读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。

2.对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。

3.对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。

4.对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的对应关系。

：实验步骤和结果1.对实验任务1的实现代码如下：a=imread('d:\');i=rgb2gray(a);I=im2bw(a,;subplot(1,3,1);imshow(a);title('原图像');subplot(1,3,2);imshow(i);title('灰度图像');subplot(1,3,3);imshow(I);title('二值图像');subplot(1,3,1);imshow(a);title('原图像');结果如图所示：图原图及其灰度图像，二值图像2.对实验任务2的实现代码如下：a=imread('d:\');A=imresize(a,[800 800]);b=imread('d:\');B=imresize(b,[800 800]);Z1=imadd(A,B);Z2=imsubtract(A,B);Z3=immultiply(A,B);Z4=imdivide(A,B);subplot(3,2,1);imshow(A);title('原图像 A'); subplot(3,2,2);imshow(B);title('原图像 B'); subplot(3,2,3);imshow(Z1);title('加法图像'); subplot(3,2,4);imshow(Z2);title('减法图像'); subplot(3,2,5);imshow(Z3);title('乘法图像'); subplot(3,2,6);imshow(Z2);title('除法图像');结果如图所示：3.对实验任务3的实现代码如下：s=imread('d:\');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j); %直流分量移到频谱中心I=log(abs(k)); %对数变换m=fftshift(j); %直流分量移到频谱中心RR=real(m); %取傅里叶变换的实部II=imag(m); %取傅里叶变换的虚部A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=circshift(s,[800 450]);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原图像');subplot(2,2,2);imshow(uint8(b));title('平移图像');subplot(2,2,3);imshow(A);title('离散傅里叶变换频谱');subplot(2,2,4);imshow(B);title('平移图像离散傅里叶变换频谱');结果如图所示：4.对实验任务4的实现代码如下：s=imread('d:\');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);I=log(abs(k));m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=imrotate(s,-90);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原图像');subplot(2,2,2);imshow(uint8(b));title('平移图像');subplot(2,2,3);imshow(A);title('离散傅里叶频谱');subplot(2,2,4);imshow(B);title('平移图像离散傅里叶频谱');结果如图所示：：结果分析对MATLAB软件的操作开始时不太熟悉，许多语法和函数都不会使用，写出程序后，调试运行，最开始无法显示图像，检查原因，是有些标点符号没有在英文状态下输入和一些其他的细节，学会了imread()，imshow()，rgb2gray（）等函数。

一，实验目的。

1、掌握图像锐化的主要原理和常用方法2、掌握常见的边缘提取算法3、利用C#实现图像的边缘检测二，实验原理。

图像锐化就是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰，亦分空域处理和频域处理两类。

图像平滑往往使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。

图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为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）就可以使图像变的清晰。

从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。

在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。

而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。

图像边缘锐化的基本方法：微分运算，梯度锐化，边缘检测。

微分运算微分运算应用在图像上，可使图像的轮廓清晰。

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。

单向微分运算双向微分微分运算作用：相减的结果反映了图像亮度变化率的大小。

像素值保持不变的区域，相减的结果为零，即像素为黑；像素值变化剧烈的区域，相减后得到较大的变化率，像素灰度值差别越大，则得到的像素就越亮，图像的垂直边缘得到增强。

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。

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。

边缘检测边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。

大多数是基于方向导数模板求卷积的方法。

将所有的边缘模板逐一作用于图像中的每一个像素，产生最大输出值的边缘模板方向,表示该点边缘的方向，如果所有方向上的边缘模板接近于零，该点处没有边缘；如果所有方向上的边缘模板输出值都近似相等，没有可靠边缘方向。

{
lWidth=m_BmpInfo.bmiHeader.biWidth;
lHeight=m_BmpInfo.bmiHeader.biHeight;
//分配内存，以保存新DIB
hDIB=GlobalAlloc(GHND,nBytePerLine*lHeight);
//判断是否内存分配失败
if(hDIB==NULL)
3．编写图像锐化的彩色图像灰度化，Sobel算法锐化，图像二值化处理相关的程序代码。
4．对程序进行相关调试，修改程序，去除其中的BUG。
5.利用自己准备的图像的文件和编写的程序，进行图像锐化处理。
6．截屏，保留实验结果，进行实验结果分析，并撰写实验报告。
三、相关背景知识
（写你自己觉得比较重要的与本实验相关的背景知识）
+ 0*val21+ 0*val22+ 0*val32
+ 1.0*val11+ 2.0*val12+ 1.0*val13;
//计算梯度的大小
Sobel=sqrt(gx*gx+gy*gy);
*(pImageDataNew+j*nBytePerLine+i* 3 + 0) =int(Sobel);
*(pImageDataNew+j*nBytePerLine+i* 3 + 1) =int(Sobel);
lHeight=m_BmpInfo.bmiHeader.biHeight;
for(intj= 0 ;j<lHeight;j++)
{
for(inti= 0 ;i<lWidth;i++)
{
//灰度化临时值

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：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+--=004100αααααM 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 αα2、 C 程序及运行结果程序：Acute_RGB_Image(int *buffer){int x,y;for (y=0;y<ImageHeight;y++)for (x=0;x<ImageWidth;x++){buffer[y*ImageWidth+x]=2*buffer[y*ImageWidth+x]-(buffer[y*ImageWidth+x-1]+buffer[(y-1)*ImageWidth+x]+buffer[y*ImageWidth+x+1]+buffer[(y+1)*ImageWidth+x])/4;if(buffer[ImageWidth*y+x]>255)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 WIDTHmov t1,brc0 ;IMAGE HEIGHTrptb y_looprptb x_loopmov *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,#-2mov *ar0<<#1,ac0;2f(x,y)sub ac1,ac0bcc branch1,ac0<0sub #255,ac0,ac1bcc branch2,ac1>0mov ac0,*ar0+b x_loopbranch1: mov #0,*ar0+b x_loopbranch2: mov #255,*ar0+ x_loop: nopy_loop: nopRET运行结果：锐化前 锐化后分析：可以看出汇编的结果和C 程序的结果是一致的。

字图像处理》实验报告2012年安徽省普通高校对口招收中等职业学校毕业考试语文试题(本卷满分150分,时间120分钟)一.语言文学知识与语言表达(共11小题,每小题3分,计33分)1.下列句子中加点字的注音,正确的一项是( )A.殷(yān)红的鲜血滴落在泥土上。

B.她梦想到盛（shèng）在名贵盘碟里的佳肴。

C.第二步工作叫掐丝，就是拿扁铜丝粘（nián）在铜胎表面上。

D.仿佛远处高楼上渺茫的歌声似（sì）的。

2.下列句子没有错别字的一项是( )A.得知我还必需回渡假村，她楞住了。

B.住宅的寒伧，墙壁的暗淡，家俱的破旧，衣料的粗陋，都使她苦恼。

C.归来时带着几份鹊跃的心情，一跳一跳就跳过了那些山坡。

D.丈夫从实验室回来时，孩子们已经做完功课睡觉了。

3.对下列词语中加点字的解释，不正确的一项是( )A.累世（累：连续）勤能补拙（拙：笨）B.睿智（睿：锋利）越俎代庖（庖：厨房）C.绵亘（亘：延续不断）扪心自问（扪：摸）D.自诩（诩：夸耀）自惭形秽（秽：丑陋）4.下列句子成语使用恰当的一项是( )A.贵族老爸们养尊处优的生活场所已消失得杳无音信。

B.过去有些园名，可以望文生义，如梅园，它的特色是梅。

C.在孩子们的眼神里，我看到了他们的心悦诚服。

D.赚钱是每一个生意人众望所归的事。

5.下列句子没有语病的一项是( )A.人脑是一部最奇妙的机器，但它能和平结合，使人成为万物之灵。

B.好的立意，来源于作者对社会生活的用心提炼、体验、思考和观察。

C.母亲在非解释一下不足以平服别人的时候才这样说。

D.人物的塑造，要经过摊牌打磨的过程，才能创造出鲜活的形象。

6.将下列句子组成语意连贯的一段文字，排序正确的一项是( )①当时我很年轻，而且正是不动扳机就感到手痒的时期。

②我察觉到，在这双眼睛里有某种新的东西，某种只有它和这座山才了解的东西。

③我总是认为，狼越少，鹿就越多，因此，没有狼的地方就意味着是猎人的天堂。

∙实验四：图像空间域锐化∙任务：1.理解图像空间域锐化的目的和意义；2.了解图像空间域锐化的各种方法及优缺点；3.掌握图像空间域的邻域运算方法;4.掌握图像锐化处理算法及流程；5.进一步熟悉C#下图像处理基本编程方法及图像局部处理方法；6.掌握C#中构建数据输入对话框方法；7.编程实现图像梯度锐化、Roberts锐化、Prewitt锐化、Sobel锐化、Laplace锐化及高通滤波法；8.总结实验过程。

∙关于课外实验：1.课内实验没有做完可以继续在课后完成。

∙实验环境：1.Adobe Photoshop 5.0以上软件。

2.C#编译器。

3.MathLab 5.0以上软件。

4.图象处理演示代码及示例图像。

∙实验步骤：1.使用实验三建立的简单多文档应用程序框架及、图像读取和显示功能和图像直方图分析功能，进一步熟悉图像图像编程的操作方法。

2.编写图像空间域锐化程序：1.编程对图像作各种锐化处理，编写图像空间域梯度锐化、Roberts锐化、Prewitt锐化、Sobel锐化、Laplace锐化及高通滤波法；2.在实验三的程序中，加入对话框资源，构建对话框类，用于输入图像空间域锐化模板参数及阀值；3.在实验三的程序中加入相应的图像锐化程序入口点（创建相应的锐化处理菜单，建立响应函数）。

4.把编写的空间域锐化子程序分别加入到相应的响应函数中，编译并运行程序。

5.用不同的平滑方法处理不同类型边缘的图像，观察不同的图像锐化方法、不同的锐化参数对图像锐化的的作用；6.观察不同的图像锐化方法对具有噪声的图像的处理效果。

3.观察图像图像平滑处理的结果1.利用Photoshop对图像实施锐化处理。

2.分析对比Photoshop和与自己编写的图像锐化程序处理效果不同之处，并设法改进自己的图像处理程序。

实验报告：1、实验过程中，积极认真，做好记录。

2、实验产生的程序及源代码，邮件发送给，sztxcl_*************,发送邮件标题写为：实验四：学号－班级－姓名，程序及源代码作为附件（删除掉Debug 目录）。

实验四 图像锐化一、 实验目的1．了解图像锐化的目的和意义，加深对图像锐化概念及相关算法的理解2．掌握几种典型的图像锐化微分算子的含义3．利用MATLAB 编程实现图像锐化二、 实验原理和内容图像锐化处理是改善图像视觉效果的手段之一，通过减弱或消除低频率分量来增强图像的轮廓或边缘。

图像锐化处理的主要技术体现在空域或频域高通滤波，空域高通滤波主要用模版卷积来实现。

微分算子作为数学中求变化率的一种方法，本实验主要求解图像中目标物的轮廓、细节（统称为边缘）等突变部分。

(一)梯度算子法在图像处理中，一阶导数是通过梯度来实现的，因此，利用一阶导数检测边缘点的方法就称为梯度算子法。

梯度与边缘的概念：梯度值正比于像素的灰度值之差。

对于一幅图像中比较醒目的边缘区，灰度值的梯度较大；在平滑区域梯度小；对于灰度级为常数的区域，梯度为零。

1. Roberts 梯度算子法（四点差分法）Roberts 梯度就是采用对角方向相邻两像素之差，也称为四点差分法。

对应的水平和垂直方向模板分别为：(i,j)为当前像素的位置，其计算公式如下：特点：用4点进行差分，以求得梯度，方法简单。

其缺点是对噪声较敏感，常用于不含噪声的图像边缘点检测。

梯度算子类边缘检测方法的效果类似于高通滤波，有增强高频分量、抑制低频分量的作用。

这类算子对噪声较敏感，而我们希望检测算法同时具有噪声抑制作用。

所以，下面给出的平滑梯度算子法具有噪声抑制作用。

2.Prewitt 梯度算子法（平均差分法）因为取平均能减少或消除噪声， Prewitt 梯度算子法就是通过先求平均再求差分的方法来求梯度。

水平和垂直梯度模板分别为：利用上面的两个检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可得到平均差分法的检测结果。

3 Sobel 算子法（加权平均差分法）Sobel 算子就是对当前行或列对应的值加权后，再进行平均和差分，也称为加权平均差分。

水平和垂直梯度模板分别为：⎥⎦⎤⎢⎣⎡-=∙1001x G ⎥⎦⎤⎢⎣⎡-=∙0110y G )1,(),1()1,1(),(),(+-++++-=j i f j i f j i f j i f j i G ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=∙101101101x d ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=∙111000111y dSobel 算子和Prewitt 算子一样，都在检测边缘点的同时具有抑制噪声的能力，检测出的边缘宽度至少为二像素。

实验五灰度图像的锐化处理一、实验目的1．了解图像锐化的根本原理；2．掌握图像空域锐化处理的方法；3．利用VC编写图像空域锐化处理的程序；4．在微机上调试程序。

二、实验原理图像平滑处理可以减弱噪声的影响，但窗口增大后将会产生图像边缘不清的问题。

图像在传输和转换过程中，一般来讲，质量都会降低，除了噪声的因素之外，图像一般都要变得模糊一些，这主要因为图像的传输或转换系统的传递函数对高频成分的衰减作用，造成图像的细节轮廓不清晰。

图像锐化的作用就是补偿图像的轮廓，增强图像的边缘级灰度跳变局部，使图像较清晰。

图像锐化是一种能加强图像轮廓的处理方法，因此，从增强的目的来看它是与图像平滑相反的一类处理，图像锐化同样也可分为频域和空域处理两类实现方法。

本实验要求完成空域中图像的锐化处理。

1．图像空域锐化处理的方法微分处理可加强高频成分，例如对正弦信号微分处理后，信号的频率不变，幅度增大N处理后：sin(Nx)，其微分为余弦函数Ncos(Nx)，经倍，且频率越高，增幅越大。

对图像进行微分f/ xG[(x,y)]=f/ yG[(x,y )]是点(x,y)的梯度，其方向指向f(x,y)最大变化方向。

对连续图像：G[(x,y)] =[〔f/ x〕2+〔f/ y〕2]1/2对离散图像：G[(x,y)]常采用以下几种算法：〔1〕典型的差分算法G[(x,y)]=[[f(x,y)-f(x+1,y)] 2+[f(x,y)-f(x,y+1)]2]1/2〔2〕罗伯茨算法G[(x,y)]=[[f(x,y)-f(x+1,y+1)] 2+[f(x+1,y)-f(x,y+1)]2]1/2〔3〕绝对差算法相对于典型的差分算法和罗伯茨算法有：G[(x,y)]=|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)|G[(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|在实际处理一幅图像时，最后一行〔列〕梯度的值一般可以用前一行〔列〕的梯度的值来代替。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。
三、实验内容：
1.在主菜单中添加图像增强的菜单项，并添加相应的图像平滑与图像锐化两个子菜单项。
2.利用类向导添加相应的消息响应函数。实现图像的平滑与锐化操作。
3.打开一幅图像，先进行平滑，然后再进行锐化操作。观察图像的变化情况。
1.邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。邻域平均法的数学含义可用下式表示：
（1）
上式中： 是以 为中心的邻域像素值； 是对每个邻域像素的加权系数或模板系数； 是加权系数的个数或称为模板大小。邻域平均法中常用的模板是：
（1）
（2）
式中， ， 分别为函数 在迭代点 处的梯度和梯度的模;两式中 均为最优步长因子，各自分别通过一维极小化 和 。
按照梯度法迭代公式(1)或(2)进行若干次一维搜索，每次迭代的初始点取上次迭代的终点，即可使迭代点逐步逼近目标函数的极小点。其迭代的终止条件可采用点距准则或梯度准则，即当 或 时终止迭代。
h=m_DibHead->biHeight;
long i,j;
unsigned char *lpdst=new unsigned char [w*h];
memset(lpdst,0,w*h);
int abs[9]={0};
for(i=1;i<h-1;i++)
for(j=1;j<w-1;j++)
{
int m,n;
3.通过变量轮换法、共轭方向法等的讨论，我们知道对多维无约束问题优化总是将其转化为在一系列选定方向 进行一维搜索，使目标函数值步步降低直至逼近目标函数极小点，而 方向的选择与迭代速度、计算效率关系很大。人们利用函数在其负梯度方向函数值下降最快这一局部性质，将n维无约束极小化问题转化为一系列沿目标函数负梯度方向一维搜索寻优，这就成为梯度法的基本构想。据此我们将无约束优化迭代的通式 中的搜索方向 取为负梯度向量或单位负梯度向量，即可分别得到两种表达形式的梯度法迭代公式

课程设计任务书目录1 课程设计目的 (1)2 课程设计要求 (1)3 相关知识 (1)4 课程设计分析 (2)5 程序代码 (5)6 运行结果 (7)7 参考文献 (8)图像的锐化处理1.课程设计目的（1）加深对图像的锐化处理基本理论知识的理解。

（2）培养独立开展科研的能力和编程能力。

（3）掌握基本图像锐化处理的过程及其应用。

2.课程设计要求（1）掌握课程设计的相关知识、概念清晰。

（2）程序设计合理、能够正确运行。

3.相关知识图像处理并不仅限于对图像进行增强、复原和编码，还要对同乡进行分析，图像分析旨在对图像进行描述，即用一组数或符号表征图像中目标区的特征、性质和相互间的关系，为模式识别提供基础。

描述一般针对图像或景物中的特定区域或目标。

为了描述，首先要进行分割。

边缘检测是图像分析中的重要内容。

边缘是图像的最基本特征。

所谓边缘，是指周围像素灰度有阶跃变化货屋顶变化的那些像素的集合。

边缘广泛存在于物体于背景之间、物体与物体之间、基元与基元之间，因此它也是图像分割所依赖的重要特征。

两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的表现。

常见的边缘点有：①阶梯形边缘（Step-edge），即从一个灰度到比它高（或低）好多的另一个灰度；②屋顶形边缘（Roof-edge）,它的灰度是慢慢增加（减少）到一定程度然后慢慢减小（增加）；③线形边缘（Line-edge）,它的灰度线性变化中出现灰度脉冲。

边缘特点如图所示。

由于边缘是图像上灰度变化最剧烈的地方，传统的边缘检测就是利用了这一特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。

一阶微分图像的峰值处对应着图像的边缘点。

根据数字图像的特点，处理图像过程中常采用差分来代替导数运算，对于图像的简单一阶导数运算，由于具有固定的方向性，只能检测特定方向的边缘，所以不具有普遍性。

为了克服一阶导数的缺点，我们定义图像的梯度算子为：这是图像处理中最常用的一阶微分算法，式子中的F（j,k）表示图像的灰度值，图像梯度的最重要的性质是梯度的方向在图像灰度的最大变化率上，这恰好可以反映出图像边缘上的灰度变化。

实验五灰度图像的锐化处理一、实验目的1．了解图像锐化的基本原理；2．掌握图像空域锐化处理的方法；3．利用VC编写图像空域锐化处理的程序；4．在微机上调试程序。

二、实验原理图像平滑处理可以减弱噪声的影响，但窗口增大后将会产生图像边缘不清的问题。

图像在传输和转换过程中，一般来讲，质量都会降低，除了噪声的因素之外，图像一般都要变得模糊一些，这主要因为图像的传输或转换系统的传递函数对高频成分的衰减作用，造成图像的细节轮廓不清晰。

图像锐化的作用就是补偿图像的轮廓，增强图像的边缘级灰度跳变部分，使图像较清晰。

图像锐化是一种能加强图像轮廓的处理方法，因此，从增强的目的来看它是与图像平滑相反的一类处理，图像锐化同样也可分为频域和空域处理两类实现方法。

本实验要求完成空域中图像的锐化处理。

1．图像空域锐化处理的方法微分处理可加强高频成分，例如对正弦信号sin(Nx)，其微分为余弦函数Ncos(Nx)，经微分处理后，信号的频率不变，幅度增大N倍，且频率越高，增幅越大。

对图像进行微分处理后：∆f/∆xG[(x,y)]=∆f/∆yG[(x,y)]是点(x,y)的梯度，其方向指向f(x,y)最大变化方向。

对连续图像：G[(x,y)]=[（∆f/∆x）2+（∆f/∆y）2]1/2对离散图像：G[(x,y)]常采用下列几种算法：（1）典型的差分算法G[(x,y)]=[[f(x,y)-f(x+1,y)]2+[f(x,y)-f(x,y+1)]2]1/2（2）罗伯茨算法G[(x,y)]=[[f(x,y)-f(x+1,y+1)]2+[f(x+1,y)-f(x,y+1)]2]1/2（3）绝对差算法相对于典型的差分算法和罗伯茨算法有：G[(x,y)]=|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)|G[(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|在实际处理一幅图像时，最后一行（列）梯度的值一般可以用前一行（列）的梯度的值来代替。

南京信息工程大学 实验（实习）报告实验名称 图像锐化算法实现 实验（实习）日期 2013.12.04 得分 指导教师 范春年计算机系 专业 软件工程 年级 3 班次 3 姓名 张渊 学号 20112344931一、实验目的：1．了解图像锐化的目的和意义，巩固所学的图像锐化的理论知识和相关算法；2．掌握微分算子对图像锐化的方法；3．熟练掌握空域中常用的锐化滤波器；4．利用MATLAB程序进行图像锐化（要求：不得调用Matlab自带的图像函数，但可以调用其它数学函数），观察图像锐化的效果。

二、实验内容：1.读入一幅灰度图像2.分别利用Roberts、Prewitt 和Sobel 边缘检测算子，对一幅灰度数字图像（cameraman.tif）进行边缘检测，显示处理前图像和检测的边缘图3.根据获得的梯度图，分别采用5种锐化输出处理方式，显示锐化输出前后的图像三、实验要求：1.用Matlab语言进行编程，实现上述功能，并尽量使得程序具有通用性，3种算子3个.m文件。

2.撰写实验报告并附上所用程序和结果。

四、实验源码clear;clc;f=imread('cameraman.tif');g=imnoise(f,'salt & pepper',0.02);k1=g;k2=g;k3=g;k4=g;k5=g;[m n]=size(g);for x=2:m-1for y=2:n-1a=g(x-1:x+1,y-1:y+1);a2=sort(a);k1(x,y)=a2(1);k2(x,y)=a2(5);k3(x,y)=a2(9);k4(x,y)=round(mean2(a)); k5(x,y)=(k1(x,y)+k3(x,y))/2; endendsubplot(241),imshow(f); subplot(242),imshow(g); subplot(243),imshow(k1); subplot(244),imshow(k2); subplot(245),imshow(k3); subplot(246),imshow(k4); subplot(247),imshow(k5);五、实验结果及截图。