第6讲 图像增强之锐化处理汇总

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。

在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。

一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。

这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。

为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。

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得清晰，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)就可以使图像变得清晰。

微分运算是求信号的变化率，由傅立叶变换的微分性质可知，微分运算具有较强高频分量作用。

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。

但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。

图像锐化的方法分为高通滤波和空域微分法。

图像的边缘或线条的细节（边缘）部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，是图像的细节变得清楚，实现图像的锐化，由于高通滤波我们在前面频域滤波已经讲过，所以这里主要讲空域的方法——微分法。

一阶微分运算一阶微分主要指梯度模运算，图像的梯度模值包含了边界及细节信息。

梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。

图像在点处的梯度定义为一个二维列矢量：梯度大的幅值即模值，为：梯度的方向在最大变化率方向上，方向角可表示为：对于离散函数也有相应的概念和公式，只是用差分代替微分。

差分可取为后向差分，前向差分。

在x,y方向上的一阶向后差分分别定义为：梯度定义为：其模和方向分别为：在实际应用中，梯度的模还有很多近似式，如使用x,y方向上差分绝对值替代模来度量梯度的模（幅值）就是最大变化率方向的单位距离所增加的量。

平滑和锐化处理同属图像增强技术。

平滑处理主要用于去除搭载在图像信号上的噪声分量，有可能使本来聚焦清晰的图像变得模糊起来，但出于艺术创作的需要，有时也需要“创造”模糊，例如摄影技术中就有人为的使对焦不准，以创建一种原既的效果。

图像的锐化处理往往是为了提高清晰度的需要，例如图像处理系统由于成像部件(包括摄影和摄像等)聚焦不良或信号传输系统的信号频带过窄导致目标物轮廓模糊的现象经常出现，为此需要利用锐化技术来突出国像中人们感兴趣的信息，即增强代表图像纫节的分量，包括清晰度强调和细微层次强调等操作内容。

印前制作与电子出版物素材推备经常涉及针对特定区域的操作，为此需要格图像分害为目标处理区域和非处理区域，下一步处理仅对目标处理区域有效。

图像分割为两类区勾的处理步骤也称为选择，目标处理区域也就称为选择区域，其他区域则借鉴传统制版术语而称为蒙版。

因此，分割和选择从不同的侧面反映后续图像处理的准备性作业步骤，前名较专业，后者更通俗，两者没有本质区别。

区域分割在图像处理软件中体现为利用工具或菜单命令的简单操作，需要的技巧也不多。

从专业角度考虑，可以把区域分割定义为将数字图像划分成互不相交(不重叠)区均的过程。

这里，区域指的是像素的连通集，亦即一个或多个全部像素都有相邻或相接触伤素的集合。

而连通则被定义为；在一个连通集小的任意两个像素之间存在一条完全出该集合死案构成的连通路径，或者说存在‘条可以在相邻像素间移动的路径。

由以L—定义不成得汽结论，分割出来的区域具备可以在一个连通集中跟踪任意两个像素间的连通路径，而不离开该连通集的基本性质，不限制由像素集合构成的区域为单连通区域。

图像增强所追求的目标是改善图像的视觉质量，符合人们的主观要求，它不追究图像客观质量的降低原因。

颜色是图像视觉质且的构成要素之一，因人、因地区、因文化传统和民族而异，图像质量的高低和优劣受观看者的心理、爱好和文化素质等因素的影响。

图像恢复在于查找图像质量降低的原因，并尽可能消除，以力图恢复图像的本来面目。

在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。

一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。

这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。

为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。

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得清晰，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)就可以使图像变得清晰。

微分运算是求信号的变化率，由傅立叶变换的微分性质可知，微分运算具有较强高频分量作用。

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。

但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。

图像锐化的方法分为高通滤波和空域微分法。

图像的边缘或线条的细节（边缘）部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，是图像的细节变得清楚，实现图像的锐化，由于高通滤波我们在前面频域滤波已经讲过，所以这里主要讲空域的方法——微分法。

一阶微分运算一阶微分主要指梯度模运算，图像的梯度模值包含了边界及细节信息。

梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。

图像在点处的梯度定义为一个二维列矢量：梯度大的幅值即模值，为：梯度的方向在最大变化率方向上，方向角可表示为：对于离散函数也有相应的概念和公式，只是用差分代替微分。

差分可取为后向差分，前向差分。

在x,y方向上的一阶向后差分分别定义为：梯度定义为：其模和方向分别为：在实际应用中，梯度的模还有很多近似式，如使用x,y方向上差分绝对值替代模来度量梯度的模（幅值）就是最大变化率方向的单位距离所增加的量。

Photoshop锐化技巧：如何增强图像的细节和清晰度在数字摄影时代，我们经常使用Photoshop等图像处理软件对照片进行后期处理。

其中之一的常见需求是增强图像的细节和清晰度。

本文将分享几种有效的Photoshop锐化技巧，帮助您实现这一目标。

步骤一：打开图像首先，打开您想要处理的图像。

在Photoshop中，选择“文件”菜单，点击“打开”，然后找到并选择您的图像文件。

步骤二：创建副本在进行图像处理之前，我们建议创建图像的副本。

这样做是为了避免对原始图像进行不可逆的修改。

使用快捷键Ctrl+J（Windows）或Cmd+J（Mac）创建图层副本。

步骤三：应用“高通滤镜”接下来，我们要应用一个叫做“高通滤镜”的功能。

这将帮助我们增强图像的细节。

在菜单中选择“滤镜”，然后点击“其他”下的“高通”，调整强度以达到满意的效果。

注意，不要过度使用该滤镜，否则图像可能会出现过分锐化的现象。

步骤四：应用“锐化”滤镜除了高通滤镜，Photoshop还提供了一个叫做“锐化”滤镜的工具，它可以更进一步地增强图像的清晰度。

在菜单中选择“滤镜”，然后点击“锐化”下的“锐化”，调整参数以适应您的需求。

同样地，注意不要过度使用该滤镜。

步骤五：使用“智能锐化”滤镜（可选）如果您使用的是Photoshop CC版本，那么您可以尝试使用“智能锐化”滤镜。

这个滤镜可以根据图像的特征自动调整参数，并产生更好的效果。

在菜单中选择“滤镜”，然后点击“锐化”下的“智能锐化”，调整这个滤镜的参数。

步骤六：应用“局部锐化”工具在一些情况下，我们只想对图像的某些部分进行锐化，以保留其他区域的柔和感。

在这种情况下，我们可以使用“局部锐化”工具。

在工具栏中选择“局部锐化”工具，然后调整画笔的大小和强度，通过在想要锐化的区域上进行绘制来实现局部锐化效果。

步骤七：饱和度和对比度调整在进行锐化处理后，您可能注意到图像的饱和度和对比度有所降低。

为了使图像看起来更好，您可以通过调整饱和度和对比度来增强图像的颜色和明暗对比。

在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。

一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。

这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。

为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。

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得清晰，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)就可以使图像变得清晰。

微分运算是求信号的变化率，由傅立叶变换的微分性质可知，微分运算具有较强高频分量作用。

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。

但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。

图像锐化的方法分为高通滤波和空域微分法。

图像的边缘或线条的细节（边缘）部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，是图像的细节变得清楚，实现图像的锐化，由于高通滤波我们在前面频域滤波已经讲过，所以这里主要讲空域的方法——微分法。

一阶微分运算一阶微分主要指梯度模运算，图像的梯度模值包含了边界及细节信息。

梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。

图像在点处的梯度定义为一个二维列矢量：梯度大的幅值即模值，为：梯度的方向在最大变化率方向上，方向角可表示为：对于离散函数也有相应的概念和公式，只是用差分代替微分。

差分可取为后向差分，前向差分。

在x,y方向上的一阶向后差分分别定义为：梯度定义为：其模和方向分别为：在实际应用中，梯度的模还有很多近似式，如使用x,y方向上差分绝对值替代模来度量梯度的模（幅值）就是最大变化率方向的单位距离所增加的量。