下载文档原格式
图像增强之空间域锐化1、图像锐化理论图像锐化的⽬的是使图像变得清晰起来，锐化主要⽤于增强图像的灰度跳变部分，这⼀点与图像平滑对灰度跳变的抑制正好相反。
锐化提⾼图像的⾼频分量，增加灰度反差增强图像的边缘和轮廓，以便后期图像识别。
在图像增强过程中，常⽤平滑算法来消除噪声，平滑属于低通滤波，图像的能量主要集中在低频部分，噪声所在频段主要在⾼频部分，同时图像的边缘也集中在⾼频部分，这意味着图像平滑后，⾼频被衰减轮廓会出现模糊。
图像锐化就是为了减少这种现象，通过⾼通滤波使图像边缘和轮廓变得清晰。
2、⼀阶微分图像增强--梯度算⼦其中：梯度的⽅向就是函数f(x,y)最⼤变化率的⽅向。
梯度的幅值作为最⼤变化率⼤⼩的度量，值为：离散的⼆维函数f(i,j)，可以⽤有限差分作为梯度的⼀个近似值。
为了简化计算，可以⽤绝对值来近似。
|▽f(i,j)|= |f(i+1,j)-f(i,j)| +|f(i,j+1)-f(i,j)|2.1 Robert算⼦|▽f(i,j)|= |f(i+1,j+1)-f(i,j)| +|f(i,j+1)-f(i+1,j)|上⾯算式采⽤对⾓相差的差分法来代替微分，写为滤波模板形式为：其中w1对接近45°的边缘有较强响应，w2对接近-45°的边缘有较强响应。
imgPath = 'E:\opencv_pic\src_pic\pic6.bmp';img = imread(imgPath);img=rgb2gray(img);w1 =[-1,0; 0,1];w2 =[0,-1; 1, 0];G1=imfilter(img, w1, 'corr', 'replicate');G2=imfilter(img, w2, 'corr', 'replicate');G=abs(G1)+abs(G2);subplot(2,2,1),imshow(img), title('原始图像');subplot(2,2,2),imshow(abs(G1)), title('w1图像');subplot(2,2,3),imshow(abs(G2)),title('w2滤波');subplot(2,2,4),imshow(G),title('Robert交叉梯度图像');可见w1滤波后45°的边缘被突出，w2滤波后-45°的边缘被突出。
第四章图像增强1.简述直方图均衡化处理的原理和目的。
拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
把给定图像的直方图分布改变成“均匀”分布直方图分布目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过直方图均衡化，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
数字图像处理每章课后题参考答案第一章和第二章作业：1.简述数字图像处理的研究内容。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？3.列举并简述常用表色系。
1.简述数字图像处理的研究内容？答：数字图像处理的主要研究内容，根据其主要的处理流程与处理目标大致可以分为图像信息的描述、图像信息的处理、图像信息的分析、图像信息的编码以及图像信息的显示等几个方面，将这几个方面展开，具体有以下的研究方向：1.图像数字化，2.图像增强，3.图像几何变换，4.图像恢复，5.图像重建，6.图像隐藏，7.图像变换，8.图像编码，9.图像识别与理解。
2.什么是图像工程？根据抽象程度和研究方法等的不同，图像工程可分为哪几个层次？每个层次包含哪些研究内容？答：图像工程是一门系统地研究各种图像理论、技术和应用的新的交叉科学。
根据抽象程度、研究方法、操作对象和数据量等的不同，图像工程可分为三个层次：图像处理、图像分析、图像理解。
图像处理着重强调在图像之间进行的变换。
比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果。
图像处理主要在图像的像素级上进行处理，处理的数据量非常大。
图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述。
图像分析处于中层，分割和特征提取把原来以像素描述的图像转变成比较简洁的非图形式描述。
图像理解的重点是进一步研究图像中各目标的性质和它们之间的相互联系，并得出对图像内容含义的理解以及对原来客观场景的解释，从而指导和规划行为。
图像理解主要描述高层的操作，基本上根据较抽象地描述进行解析、判断、决策，其处理过程与方法与人类的思维推理有许多相似之处。
第三章图像基本概念1.图像量化时，如果量化级比较小时会出现什么现象？为什么？答：当实际场景中存在如天空、白色墙面、人脸等灰度变化比较平缓的区域时，采用比较低的量化级数，则这类图像会在画面上产生伪轮廓（即原始场景中不存在的轮廓）。
