拉普拉斯算子、prewitt算子、sobel算子对图像锐化处理.doc

《数字图像处理》期末大作业大作业题目及要求：一、题目：本门课程的考核以作品形式进行。

作品必须用Matlab完成。

并提交相关文档。

二、作品要求：1、用Matlab设计实现图形化界面，调用后台函数完成设计，函数可以调用Matlab工具箱中的函数，也可以自己编写函数。

设计完成后，点击GUI图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。

2、要求实现以下功能：每个功能的演示窗口标题必须体现完成该功能的小组成员的学号和姓名。

1）对于打开的图像可以显示其灰度直方图，实现直方图均衡化。

2）实现灰度图像的对比度增强，要求实现线性变换和非线性变换（包括对数变换和指数变换）。

3）实现图像的缩放变换、旋转变换等。

4）图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理。

5）采用robert算子，prewitt算子，sobel算子，拉普拉斯算子对图像进行边缘提取。

6）读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。

3、认真完成期末大作业报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。

报告采用A4纸打印并装订成册。

附录：报告模板《数字图像处理》期末大作业班级：计算机小组编号：第9组组长：王迪小组成员：吴佳达浙江万里学院计算机与信息学院2014年12月目录（自动生成）1 绘制灰度直方图，实现直方图均衡化 (5)1.1 算法原理 (5)1.2 算法设计 (5)1.3 实验结果及对比分析 (5)2 灰度图像的对比度增强 (5)2.1 算法原理 (5)2.2 算法设计 (5)2.3 实验结果及分析 (5)3 图像的几何变换 (5)3.1 算法原理 (5)3.2 算法设计 (5)3.3 实验结果及分析 (5)4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理 (5)4.1 算法原理 (5)4.2 算法设计 (6)4.3 实验结果及分析 (6)5 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取 (6)5.1 算法原理 (6)5.2 算法设计 (6)5.3 实验结果及分析 (6)6 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标 (6)6.1 算法原理 (6)6.2 算法设计 (6)6.3 实验结果及分析 (6)7 小结（感受和体会） (6)1 绘制灰度直方图，实现直方图均衡化1.1 算法原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。

锐化和降噪的方法图像处理是如今计算机视觉领域的一个重要组成部分，其目的是改善图像的质量和清晰度。

而锐化和降噪是图像处理中常用的两种方法，用于增强图像的细节和减少图像的噪点。

本文将介绍锐化和降噪的基本原理、常用方法以及其在实际应用中的作用。

一、锐化的方法在图像处理中，锐化是指增强图像的边缘和细节，使图像更加清晰和鲜明。

以下是几种常见的锐化方法：1.1 拉普拉斯锐化拉普拉斯锐化是一种基于二阶导数的锐化方法，它通过对图像进行拉普拉斯运算来增强图像的边缘。

具体步骤为：（1）对原始图像进行高斯模糊，以减少噪点的干扰；（2）对模糊后的图像进行拉普拉斯运算，得到图像的二阶导数；（3）将二阶导数与原始图像相加，得到锐化后的图像。

1.2 锐化掩模锐化掩模是一种基于图像卷积的锐化方法，它通过对图像进行卷积操作来增强图像的边缘和细节。

具体步骤为：（1）选择一个锐化模板，如Sobel算子或Prewitt算子；（2）将锐化模板与原始图像进行卷积运算，得到锐化后的图像。

1.3 高提升滤波高提升滤波是一种基于增强高频信息的锐化方法，它通过对图像进行平滑处理和原始图像之间的差值运算来增强图像的细节。

具体步骤为：（1）对原始图像进行平滑处理，如均值滤波或高斯滤波；（2）将平滑后的图像与原始图像之间的差值与一个增益因子相乘，得到锐化后的图像。

二、降噪的方法在图像处理中，噪点是指无意义的、干扰图像质量的像素值。

降噪方法的目标是减少噪点的数量和强度，以提高图像的质量。

以下是几种常见的降噪方法：2.1 中值滤波中值滤波是一种非线性滤波方法，它通过对图像进行排序，并选择中间值作为输出像素值来减少噪点的影响。

具体步骤为：（1）选择一个滤波器的窗口大小，如3x3或5x5；（2）将窗口中的像素按照灰度值进行排序，选择中间值作为输出像素值；（3）依次处理图像中的每个像素，得到降噪后的图像。

2.2 均值滤波均值滤波是一种线性滤波方法，它通过对图像进行平滑处理来减少噪点的干扰。

《数字图像处理作业》图像的锐化处理---拉普拉斯算子、prewitt算子、sobel算子性能研究对比一、算法介绍1.1图像锐化的概念在图像增强过程中，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。

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。

考察正弦函数，它的微分。

微分后频率不变，幅度上升2πa倍。

空间频率愈高，幅度增加就愈大。

这表明微分是可以加强高频成分的，从而使图像轮廓变清晰。

最常用的微分方法是梯度法和拉普拉斯算子。

但本文主要探究几种边缘检测算子，Laplace、Prewitt、Sobel算子以下具体介绍。

图像边缘检测：边缘检测是检测图像局部显著变化的最基本运算，梯度是函数变化的一种度量。

图像灰度值的显著变化可用梯度的离散逼近函数来检测，大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。

边缘检测可分为两大类基于查找一类和基于零穿越的一类。

基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。

基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。

图像锐化的原理和应用1. 图像锐化的定义图像锐化是一种用于提高图像细节清晰度和增强边缘的图像处理技术。

它通过突出图像中的高频部分，使得图像的细节更加鲜明，能够使图像更加清晰和生动。

2. 图像锐化的原理图像锐化的原理是通过增强图像中的高频信息来实现的。

高频信息通常由图像中的边缘和细节组成。

图像锐化算法会对图像进行滤波操作，使得边缘更加明显，从而提高图像的清晰度。

3. 图像锐化的方法图像锐化有多种方法，下面列举了其中常用的几种方法：•拉普拉斯算子拉普拉斯算子是常用的用于图像锐化的算子之一。

它通过计算图像中每个像素的梯度来增强边缘信息，从而提高图像的清晰度。

•Sobel算子 Sobel算子也是一种常用的图像锐化算子。

它通过计算图像中每个像素点周围的像素点的差异来提取边缘信息。

•Unsharp Masking Unsharp Masking是一种经典的图像锐化方法。

它通过对原始图像进行高斯模糊操作，然后用原始图像减去模糊后的图像，最后将得到的差值叠加到原始图像上，以增强图像的边缘和细节。

•基于梯度的方法基于梯度的方法是一种常用的图像锐化方法。

它通过计算图像中每个像素点的梯度，然后对梯度进行增强，从而提高图像的清晰度和边缘。

4. 图像锐化的应用图像锐化广泛应用于各个领域，下面列举了其中几个常见的应用场景：•医学图像处理在医学图像处理中，图像锐化可以用于增强医学图像中的细节，提高诊断准确度。

比如，在X射线图像处理中，图像锐化可以使得骨骼结构更加清晰，有助于医生的诊断。

•安防监控在安防监控中，图像锐化可以用于增强监控图像中的细节，提高监控画面的清晰度和辨识度。

这对于提高监控系统的效果至关重要。

•卫星图像处理在卫星图像处理中，图像锐化可以用于增强卫星图像中的地物边缘和细节，提高图像的可读性和分析性。

这对于地理信息系统的制作和应用具有重要意义。

5. 图像锐化的局限性图像锐化虽然可以提高图像的清晰度和辨识度，但也存在一定的局限性：•噪声增强在图像锐化过程中，由于增强了图像中的高频部分，可能也会增强图像中的噪声。

边缘检测算子原理
边缘检测是图像处理中的一项重要任务，它可以用来检测图像中的边缘，从而提取出图像中的重要信息。

边缘检测算子是实现边缘检测的关键，它可以通过对图像进行卷积操作来实现边缘检测。

常用的边缘检测算子包括Sobel算子、Prewitt算子、Roberts算子等。

这些算子都是基于图像的灰度值变化来检测边缘的。

其中，Sobel算子是最常用的边缘检测算子之一，它可以通过对图像进行水平和垂直方向的卷积操作来检测边缘。

Sobel算子的原理是将一个3x3的卷积核应用于图像的每个像素点，计算出该像素点周围像素点的灰度值变化情况。

具体来说，对于一个像素点，Sobel算子会计算出它周围8个像素点的灰度值，然后根据这些灰度值计算出该像素点的梯度值。

如果该像素点的梯度值超过了一个预设的阈值，那么就认为该像素点处于边缘上。

除了Sobel算子，还有一些其他的边缘检测算子也是基于卷积操作的。

例如，Prewitt算子和Roberts算子都是通过对图像进行卷积操作来检测边缘的。

不同的算子有不同的优缺点，具体使用哪种算子要根据实际情况来决定。

边缘检测算子是实现边缘检测的关键，它可以通过对图像进行卷积操作来检测边缘。

常用的边缘检测算子包括Sobel算子、Prewitt
算子、Roberts算子等。

这些算子都是基于图像的灰度值变化来检测边缘的。

1.灰度变换与空间滤波一种成熟的医学技术被用于检测电子显微镜生成的某类图像。

为简化检测任务，技术决定采用数字图像处理技术。

发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2的范围，因此，技术人员想保留I1-I2区间范围的图像，将其余灰度值显示为黑色。

（5）将处理后的I1-I2范围内的图像，线性扩展到0-255灰度，以适应于液晶显示器的显示。

请结合本章的数字图像处理处理，帮助技术人员解决这些问题。

1.1问题分析及多种方法提出（1）明亮且孤立的点是不够感兴趣的点对于明亮且孤立的点，其应为脉冲且灰度值为255(uint8)噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。

均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。

优点：速度快，实现简单；缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。

其公式如下：使用矩阵表示该滤波器则为：中值滤波：滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。

其过程为：a 、存储像素1，像素2.....像素9的值；b 、对像素值进行排序操作；c 、像素5的值即为数组排序后的中值。

优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。

缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。

数字图像处理实验实验总学时：10学时实验目的：本实验的目的是通过实验进一步理解和掌握数字图像处理原理和方法。

通过分析、实现现有的图像处理算法，学习和掌握常用的图像处理技术。

实验内容：数字图像处理的实验内容主要有三个方面:(1) 对图像灰度作某种变换,增强其中的有用信息,抑制无用信息,使图像的视在质量提高,以便于人眼观察、理解或用计算机对其作进一步的处理。

(2) 用某种特殊手段提取、描述和分析图像中所包含的某些特征和特殊的信息,主要的目的是便于计算机对图像作进一步的分析和理解,经常作为模式识别和计算机视觉的预处理。

这些特征包括很多方面，例如,图像的频域特性、灰度特征、边界特征等。

(3) 图像的变换,以便于图像的频域处理。

实验一图像的点处理实验内容及实验原理：1、灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。

该线性灰度变换函数是一个一维线性函数：灰度变换方程为：其中参数为线性函数的斜率，函数的在y轴的截距，表示输入图像的灰度，表示输出图像的灰度。

要求：输入一幅图像，根据输入的斜率和截距进行线性变换，并显示。

2、灰度拉伸灰度拉伸和灰度线性变换相似。

不同之处在于它是分段线性变换。

表达如下：其中，(x1,y1)和(x2,y2)是分段函数的转折点。

要求：输入一幅图像，根据选择的转折点，进行灰度拉伸，显示变换后的图像。

3、灰度直方图灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(象素的个数)。

要求：输入一幅图像，显示它的灰度直方图，可以根据输入的参数（上限、下限）显示特定范围的灰度直方图。

4、直方图均衡：要求1 显示一幅图像pout.bmp的直方图；2 用直方图均衡对图像pout.bmp进行增强；3 显示增强后的图像。

实验二：数字图像的平滑实验内容及实验原理：1．用均值滤波器（即邻域平均法）去除图像中的噪声；2．用中值滤波器去除图像中的噪声3． 比较两种方法的处理结果 实验步骤：用原始图象lena.bmp 或cameraman.bmp 加产生的3%椒盐噪声图象合成一幅有噪声的图象并显示；1． 用均值滤波器去除图像中的噪声（选3x3窗口）；2． f (x 0,y 0)=Med {f (x,y )∨x ∈[x 0−N,x 0+N ],y ∈[y 0−N,y 0+N ]}用中值滤波器去除图像中的噪声(选3x3窗口做中值滤波)；3． 将两种处理方法的结果与原图比较，注意两种处理方法对边缘的影响。

数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。

6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。

7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。

其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。

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。