图像平滑与锐化处理

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。

数字图像处理作业题目：图像的平滑处理与锐化处理姓名：***学号：************专业：计算机应用技术1.1理论背景现实中的图像由于种种原因都是带噪声的，噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来了困难。

一般数字图像系统中的常见噪声主要有：高斯噪声、椒盐噪声等。

图像去噪算法根据不通的处理域，可以分为空间域和频域两种处理方法。

空间域处理是在图像本身存在的二维空间里对其进行处理。

而频域算法是用一组正交函数系来逼近原始信号函数，获得相应的系数，将对原始信号的分析转动了系数空间域。

在图像的识别中常需要突出边缘和轮廓信息，图像锐化就是增强图像的边缘和轮廓。

1.2介绍算法图像平滑算法：线性滤波（邻域平均法）对一些图像进行线性滤波可以去除图像中某些类型的噪声。

领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。

领域平均法是空间域平滑噪声技术。

对于给定的图像()j i f,中的每个像素点()nm,，取其领域S。

设S含有M个像素，取其平均值作为处理后所得图像像素点()nm,处的灰度。

用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。

领域S的形状和大小根据图像特点确定。

一般取的形状是正方形、矩形及十字形等，S 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S 的中心。

如S 为3×3领域，点(m,n)位于S 中心，则()()∑∑-=-=++=1111,91,i j j n i m f n m f 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0，方差为2σ，图像g 是未受污染的图像，含有噪声图像f 经过加权平均后为 ()()()()∑∑∑+==j i n M j i g M j i f M n m f ,1,1,1, 由上式可知，经过平均后，噪声的均值不变，方差221σσM =，即方差变小，说明噪声强度减弱了，抑制了噪声。

浅谈图像平滑滤波和锐化的区别及⽤途总结空域滤波技术根据功能主要分为与滤波。

能减弱或消除图像中的⾼频率分量⽽不影响低频分量，⾼频分量对应图像中的区域边缘等值具有较⼤变化的部分，可将这些分量滤去减少局部起伏，使图像变得⽐较平滑。

也可⽤于消除噪声，或在提取较⼤⽬标前去除太⼩的细节或将⽬标的⼩间断连接起来。

滤波正好相反，滤波常⽤于增强被模糊的细节或⽬标的边缘，强化图像的细节。

⼀、基本的灰度变换函数1.1.图像反转适⽤场景：增强嵌⼊在⼀幅图像的暗区域中的⽩⾊或灰⾊细节，特别是当⿊⾊的⾯积在尺⼨上占主导地位的时候。

1.2.对数变换（反对数变换与其相反）过程：将输⼊中范围较窄的低灰度值映射为输出中较宽范围的灰度值。

⽤处：⽤来扩展图像中暗像素的值，同时压缩更⾼灰度级的值。

特征：压缩像素值变化较⼤的图像的动态范围。

举例：处理傅⾥叶频谱，频谱中的低值往往观察不到，对数变换之后细节更加丰富。

1.3.幂律变换（⼜名：伽马变换）过程：将窄范围的暗⾊输⼊值映射为较宽范围的输出值。

⽤处：伽马校正可以校正幂律响应现象，常⽤于在计算机屏幕上精确地显⽰图像，可进⾏对⽐度和可辨细节的加强。

1.4.分段线性变换函数缺点：技术说明需要⽤户输⼊。

优点：形式可以是任意复杂的。

1.4.1.对⽐度拉伸：扩展图像的动态范围。

1.4.2.灰度级分层：可以产⽣⼆值图像，研究造影剂的流动。

1.4.3.⽐特平⾯分层：原图像中任意⼀个像素的值，都可以类似的由这些⽐特平⾯对应的⼆进制像素值来重建，可⽤于压缩图⽚。

1.5.直⽅图处理1.5.1直⽅图均衡：增强对⽐度，补偿图像在视觉上难以区分灰度级的差别。

作为⾃适应对⽐度增强⼯具，功能强⼤。

1.5.2直⽅图匹配（直⽅图规定化）：希望处理后的图像具有规定的直⽅图形状。

在直⽅图均衡的基础上规定化，有利于解决像素集中于灰度级暗端的图像。

1.5.3局部直⽅图处理：⽤于增强⼩区域的细节，⽅法是以图像中的每个像素邻域中的灰度分布为基础设计变换函数，可⽤于显⽰全局直⽅图均衡化不⾜以影响的细节的显⽰。

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。

图像平滑和锐化变换处理一、实验容和要求1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。

2、空域平滑：box、gauss模板卷积。

3、频域平滑：低通滤波器平滑。

4、空域锐化：锐化模板锐化。

5、频域锐化：高通滤波器锐化。

二、实验软硬件环境PC机一台、MATLAB软件三实验编程及调试1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。

①灰度拉伸程序如下：I=imread('kids.tif');J=imadjust(I,[0.2,0.4],[]);subplot(2,2,1),imshow(I);subplot(2,2,2),imshow(J);subplot(2,2,3),imhist(I);subplot(2,2,4),imhist(J);②直方图均衡程序如下：I=imread('kids.tif');J=histeq(I);Imshow(I);Title('原图像');Subplot(2,2,2);Imshow(J);Title('直方图均衡化后的图像') ;Subplot(2,2,3) ;Imhist(I,64);Title('原图像直方图') ;Subplot(2,2,4);Imhist(J,64) ; Title('均衡变换后的直方图') ;③伽马校正程序如下：A=imread('kids.tif');x=0:255;a=80,b=1.8,c=0.009;B=b.^(c.*(double(A)-a))-1;y=b.^(c.*(x-a))-1;subplot(3,2,1);imshow(A);subplot(3,2,2);imhist(A);imshow(B);subplot(3,2,4);imhist(B);subplot(3,2,6);plot(x,y);④log变换程序如下：Image=imread('kids.tif');subplot(1,2,1);imshow(Image);Image=log(1+double(Image)); subplot(1,2,2);imshow(Image,[]);2、空域平滑：box、gauss模板卷积。

XXXXXXXX 大学（数字图形处理）实验报告 实验名称 图像的平滑与锐化 实验时间 年 月 日专 业 姓 名 学 号 预 习 操 作 座 位 号 教师签名 总 评一、实验目的：1.了解图像平滑的邻域平均和中值滤波以及锐化的梯度法和Sobel 法的基本思想；2.掌握图像平滑的邻域平均和中值滤波以及锐化的梯度法和Sobel 法的基本步骤；二、实验原理：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：∑∑==⎪⎭⎫ ⎝⎛=mn i imn i i i w z w y x g 11),( （1） 上式中：i z 是以),(y x 为中心的邻域像素值；i w 是对每个邻域像素的加权系数或模板系数； m n 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：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡*=11111111191Box T （2） 为了解决邻域平均法造成的图像模糊问题，采用阈值法（又叫做超限邻域平均法，如果某个像素的灰度值大于其邻域像素的平均值，且达到一定水平，则判断该像素为噪声，继而用邻域像素的均值取代这一像素值；否则，认为该像素不是噪声点，不予取代），给定阈值0T ：⎩⎨⎧≥-<-=00),(),(),(),(),(),(),(T y x g y x f y x g T y x g y x f y x f y x h （3） （3）式中，),(y x f 是原始含噪声图像，),(y x g 是由（1）式计算的平均值，),(y x h 滤波后的像素值。

2.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

方法是去某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。

图像平滑与图像锐化邻域运算,一阶微分算子,二阶拉普拉斯算子,卷积模板,,3某3的模板,均值滤波,高斯噪声,椒盐噪声,中值滤波程序,均值滤波,模板尺寸邻域运算一、实验目的1.巩固对图像增强的认识，明确图像空域处理的类型2.理解图像平滑与图像锐化的概念3.掌握图像模板卷积运算的实现方法4.锻炼编程开发图像处理算法的能力二、实验准备1.了解图像处理点运算和邻域运算的区别2.学习利用模板卷积的方法进行图像邻域运算3.复习均值滤波和中值滤波的原理4.列出常用的模板形式，思考中值滤波要用到的简单排序方法5.分析对比图像平滑和图像锐化模板的差异三、实验内容与步骤1.列出常用的卷积模板2.基于3某3的模板，编写均值滤波的处理程序，处理含有加性高斯噪声和椒盐噪声的图像，观察处理结果3.编写中值滤波程序，处理相同的图像与均值滤波进行比较；改变模板尺寸观察处理结果4.编程实现利用一阶微分算子和二阶拉普拉斯算子进行图像锐化的程序5.对比不同的邻域运算结果，体会图像锐化与图像平滑的区别四、实验报告与思考题1.总结实验内容及步骤方法完成实验报告，报告中要求有关键代码的注释说明及程序运行和图像处理结果2.实验报告中回答以下问题(1)均值滤波和中值滤波分别适用于处理哪类图像？(2)图像平滑和图像锐化所采用的模板有什么不同？(3)邻域运算的模板尺寸对处理结果有什么影响？邻域运算,一阶微分算子,二阶拉普拉斯算子,卷积模板,,3某3的模板,均值滤波,高斯噪声,椒盐噪声,中值滤波程序,均值滤波,模板尺寸实验4邻域运算,一阶微分算子,二阶拉普拉斯算子,卷积模板,,3某3的模板,均值滤波,高斯噪声,椒盐噪声,中值滤波程序,均值滤波,模板尺寸。