第7章 图像的锐化处理

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。

课堂实训 精修人物面部
01 打开“人物面部.jpg”素材文件，选择“污点修复画笔工具” ，适当调整画笔大小
，在人物的斑点处单击鼠标左键进行修复。
02 选择“模糊工具” ，在皮肤中较为不平整的区域涂抹，使其看起来较为光滑。 03 选择“仿制图章工具” ，在眉毛处进行多次取样、涂抹的操作，以修复眉毛。 04 选择“加深工具” ，在人物眉毛、眼睛、嘴唇的位置涂抹。完成后查看最终效果，
7.1.1 课堂案例 修复人像
01 设置参数
02 修复斑点
03 修复前后对比 04 拖曳选区
7.1.1 课堂案例 修复人像
05 修复眼皮区域
06 修复前后对比
07 修复眉毛
7.1.2 污点修复画笔工具
选择“污点修复画笔工具” ，在工具属性栏中设置画笔参数，单击鼠标左键或 拖曳鼠标涂抹图像中需要修复的区域。
7.1.3 修复画笔工具
选择“修复画笔工具” ，在工具属性栏中的“源”栏中单击选中“取 样”单选项，然后按住【Alt】键不放，在图像中单击鼠标左键进行取样，再 将鼠标指针移至需要修复的区域多次单击鼠标左键或拖曳鼠标进行涂抹。单 击选中“图案”单选项，可通过单击或涂抹在区域中填充相应的图案。
7.1.4 修补工具
选择“修补工具” ，然后在图像中创建选区，在工具属性栏中选择修补方式， 若单击选中“源”单选项，则将选区拖曳至需修复的区域后，将用当前选区中的图像 修复原选区中的图像；若单击选中“目标”单选项，则将选区中的图像复制到拖曳的 区域。
7.1.5 内容感知移动工具
选择“内容感知移动工具” 后，在图像中创建选区，然后将选区内的图像移动到 需修补的图像处，选区内的图像将自动与需修补的图像融合，原选区空缺的部分也将自 动填补。

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。