圖像銳化程序的設(shè)計(jì)說明

1、0 / 18*實(shí)踐教學(xué)實(shí)踐教學(xué)*理工大學(xué)理工大學(xué)計(jì)算機(jī)與通信學(xué)院 2012 年秋季學(xué)期圖像處理圖像處理綜合訓(xùn)練綜合訓(xùn)練題 目：圖像銳化程序設(shè)計(jì)專業(yè)班級(jí)：姓 名：學(xué) 號(hào)：指導(dǎo)教師：成 績(jī)：1 / 18目目 錄錄摘要 3一、前言 4二、算法分析與描述 52.1 SOBEL微分算子函數(shù) 52.2 ROBERTS交叉微分算子函數(shù) 62.3 PRIWITT微分算子函數(shù) 62.4 拉普拉斯微分算子函數(shù) 7三、詳細(xì)設(shè)計(jì)過程 83.1 程序的設(shè)計(jì)過程說明 8四、調(diào)試過程中出現(xiàn)的問題與相應(yīng)解決辦法 9五、程序運(yùn)行截圖與其說明 10六、簡(jiǎn)單操作手冊(cè) 12設(shè)計(jì)總結(jié) 16參考資料 17致 18附錄 192 / 18摘

2、摘 要要這次綜合訓(xùn)練要實(shí)現(xiàn)圖象的銳化處理，圖像銳化的目的是突出圖象中的細(xì)節(jié)或者增強(qiáng)被模糊了的細(xì)節(jié)。圖像平滑往往使圖像中的輪廓變得模糊，為了減少這類不利影響，這就需要圖像銳化技術(shù)，使圖像的邊緣變得清晰，其主要被用于景物邊界的檢測(cè)與提取。 本次訓(xùn)練中用數(shù)字微分銳化的方法通過實(shí)現(xiàn)微分算子來將圖象銳化。用到的一階微分算子有：Roberts 微分算子、Sobel 微分算子、Priwitt 微分算子等。二階微分算子用到了 Laplacian 微分算子。通過實(shí)現(xiàn)不同的微分算子，得到對(duì)圖象輪廓在不同程度上的提取。關(guān)鍵字 數(shù)字圖象處理；圖像銳化；微分算子3 / 18一、前言一、前言圖像是人類獲取和交換信息的主要

3、來源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉與到人類生活和工作的方方面面。隨著人類活動(dòng)圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。數(shù)字圖像處理（Digital Image Processing）又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。數(shù)字圖像處理主要研究以下容：圖像幾何變換；如傅立葉變換、沃爾什變換、離散余弦變換等；圖象銳化處理；圖像編碼壓縮；圖像增強(qiáng)和復(fù)原；圖像分割；圖像描述；圖像分類（識(shí)別） 。其中圖象銳化處理的目的是使模糊的圖像變得更加清晰起來。圖像的模糊實(shí)質(zhì)就是圖像受到平均或積分運(yùn)算造成的，因此可以對(duì)圖像進(jìn)行逆運(yùn)算如微分運(yùn)算來使圖像清晰化。微分

4、運(yùn)算是通過實(shí)現(xiàn)微分算子來對(duì)圖像進(jìn)行銳化。微分算子有一階微分算子和二階微分算子。4 / 18二、算法分析與描述二、算法分析與描述由于我們常常無法事先確定輪廓的取向，因而挑選用于輪廓增強(qiáng)的微分算子時(shí)，必須選擇那些不具備空間方向性的和具有旋轉(zhuǎn)不變的線性微分算子。最基本的一類邊緣檢測(cè)算子是微分類算子。包括：梯度算子、Robel 梯度算子、Sobel 算子、Prewitt 邊緣檢測(cè)算子、Kridch 邊緣檢測(cè)算子、Laplacian 算子等。2.12.1 SobelSobel 微分算子函數(shù)微分算子函數(shù)Sobel 算子具有一定的噪聲抑制能力，在檢測(cè)階躍邊緣時(shí)得到的邊緣寬度至少為二像素，它不依賴于邊緣方向的

5、二階微分算子，是一個(gè)標(biāo)準(zhǔn)量而不是向量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)。在圖像處理中常被用于提取圖像的邊緣。Sobel 微分算子定義如下： （式 1） (1,1)(1,1) 2 (1, )(1, ) (1,1)(1,1) (1,1)(1,1) 2 ( ,1)( ,1) (1,1)(1,1)xyDf xyf xyf xyf xyf xyf xyDf xyf xyf x yf x yf xyf xy （式 2） 22xyfDD如果用圖像處理的模板來表示，則有： （式 3）-1 -2 -10 0 0 1 2 1xD-1 0 1-2 0 2 -1 0 1yD下面以一個(gè)簡(jiǎn)單的例子來體會(huì)該算法。設(shè)原圖像為5

6、/ 183 3 3 3 33 8 7 6 33 6 0 5 33 7 8 4 33 8 3 3 3f對(duì)中模板罩不住的地方其處理結(jié)果令為 0，其它的像素一次按照式（式f1）進(jìn)行計(jì)算。例如，對(duì)的模板下的圖像子塊為：(2,2),3 3f3 3 3(2,2)3 8 73 6 0mf計(jì)算結(jié)果為22(2,2)(33)2(63)(03)(33)2(73)(03)g 5.836()取整最終處理結(jié)果為3 3 3 3 30 0 0 0 00 6 5 5 00 3 7 4 00 8 7 7 00 0 0 0 0f2.22.2 RobertsRoberts 交叉微分算子函數(shù)交叉微分算子函數(shù)Roberts 算子模板是一

7、個(gè) 22 的模板，左上角的是當(dāng)前待處理像素 f(x.y)，則交叉微分算子定義如下：其模板可以表示為：2.32.3 PriwittPriwitt 微分算子函數(shù)微分算子函數(shù)Priwitt 微分算子的思路與 Sobel 微分算子的思路類似，是在一個(gè)奇數(shù)大6 / 18小的模板中定義其微分運(yùn)算。 Priwitt 微分算子定義如下：2.42.4 拉普拉斯微分算子函數(shù)拉普拉斯微分算子函數(shù)最簡(jiǎn)單的二階各向同性微分算子是拉普拉斯微分算子，二維圖像f（x,y）的拉普拉斯微分算子定義為：寫成模板系數(shù)形式形式即為 Laplacian 算子：二階微分算子所提取出的細(xì)節(jié)較一階微分算子提出的細(xì)節(jié)多，表明了二階微分算子在對(duì)圖

8、像細(xì)節(jié)更加敏感。22222yfxff22( , )(1, )( , )(1, )(1, )( , )xxffi jfijxf i jf ijf ijf i j22( ,)( ,1)( ,)( ,1)( ,1)( ,)yyffi jfi jyf i jf i jf i jf i j)1,()1,(),1(),1(),(42jifjifjifjifjiff0010141010H 7 / 18三、詳細(xì)設(shè)計(jì)過程三、詳細(xì)設(shè)計(jì)過程3.13.1 程序的設(shè)計(jì)過程說明程序的設(shè)計(jì)過程說明利用 matlab 數(shù)字圖像處理，編寫相關(guān)函數(shù)，具體過程如下：雙擊打開MATLAB 7.0FileNewGUI單擊，調(diào)整 axe

9、s1 大小單擊 OK，調(diào)整按鈕大小和顏色，修改名稱再建 axes2單擊 OK，調(diào)整按鈕大小和顏色，修改名稱保存ViewM-file Edit針對(duì)每個(gè)功能按鈕，輸入對(duì)應(yīng)的函數(shù)。圖像銳化設(shè)計(jì)流程圖： 圖 3.1圖像銳化設(shè)計(jì)流程圖打 開Sobel RobertsPriwittLaplacian保 存退 出8 / 18四、調(diào)試過程中出現(xiàn)的問題與相應(yīng)解決辦法四、調(diào)試過程中出現(xiàn)的問題與相應(yīng)解決辦法1.程序在編譯過程中出現(xiàn)找不到路徑的錯(cuò)誤。例如圖片路徑，如果沒有放在 matlab 的 bin 根目錄下，它會(huì)出現(xiàn)錯(cuò)誤。2在新建 GUI 界面時(shí)，需要給 tag 和 string 賦正確的變量,否則調(diào)試過程中會(huì)出

10、現(xiàn)錯(cuò)誤。 3.matlab 軟件大多數(shù)支持的是二值圖像的處理，如果輸入的圖像時(shí) RGB 圖像無法處理顯示，請(qǐng)先進(jìn)行 RGB 圖像轉(zhuǎn)換成二值圖像。 9 / 18五、程序運(yùn)行截圖與其說明五、程序運(yùn)行截圖與其說明圖 5.1 為操作時(shí)用到的原圖圖 5.1 Lena 原圖-24 位色圖 5.2 到 5.5 是將原圖 5.1 銳化后的結(jié)果圖 5.2 Roberts 微分算子處理圖像 圖 5.3 Sobel 微分算子處理圖像圖 5.4 Priwitt 微分算子處理圖像 圖 5.5 Laplacian 微分算子處理圖像10 / 18六、簡(jiǎn)單操作手冊(cè)六、簡(jiǎn)單操作手冊(cè)本系統(tǒng)主要是用微分算子來實(shí)現(xiàn)圖像的銳化，在該程

11、序?qū)崿F(xiàn)的過程中，主要的實(shí)現(xiàn)步驟有：1、選取若干目標(biāo)圖像文件，在計(jì)算機(jī)圖象驅(qū)動(dòng)程序中顯示；2、實(shí)現(xiàn)用一階微分算子對(duì)圖像的銳化（包括 Roberts 微分算子，Sobel 微分算子 Priwitt 微分算子） ；3、實(shí)現(xiàn)用二階微分算子對(duì)圖像的銳化（用 Laplacian 微分算子） ；4、將處理后的圖象與原圖進(jìn)行比較，圖象銳化后的圖象與原圖象存在的差別較大。 具體操作過程如下： 進(jìn)入操作界面圖 6.1 進(jìn)入操作界面 打開要操作的圖像 圖 6.2 打開要操作的圖像 找到圖像銳化 Sobel 進(jìn)行操作 圖 6.3Sobel 微分算子銳化后的圖像 找到圖像銳化 Roberts 進(jìn)行操作 11 / 18

12、圖 6.4 Roberts 微分算子進(jìn)行銳化后的圖像 找到圖像銳化 Prewitt 進(jìn)行操作 圖 6.5 Prewitt 微分算子進(jìn)行銳化后的圖像 找到圖像銳化 Laplacian 進(jìn)行操作圖 6.5 Laplacian 微分算子進(jìn)行銳化后的圖像設(shè)計(jì)總結(jié)設(shè)計(jì)總結(jié)課程綜合訓(xùn)練的時(shí)間已接近尾聲，在這次的綜合訓(xùn)練中，我才正真體會(huì)到了知識(shí)用時(shí)方恨少的滋味,有許多知識(shí)需要學(xué)習(xí)。不過這次的綜合訓(xùn)練讓我受益匪淺，正真的鍛煉了我的動(dòng)手能力。并且使我對(duì)書本上的知識(shí)有了更深入的了解。以前在上圖像處理課時(shí)，只知道圖像銳12 / 18化就是用數(shù)學(xué)公式來計(jì)算的。通過這次的訓(xùn)練才明白那些微分算子后面原來隱藏著好多知識(shí)，運(yùn)

13、用它們銳化后的圖像發(fā)生了很大的變化。通過這次課程設(shè)計(jì)使我對(duì) matlab 有了更深層次的理解，也對(duì)掌握了如何用 matlab 制作界面，使我對(duì)圖像處理有了更深的理解和掌握。在作業(yè)過程中，也遇到了很多問題，體會(huì)最深的是，由于學(xué)校機(jī)房的環(huán)境有限，更多時(shí)候要用到個(gè)人的資源。在這種情況下同學(xué)們對(duì)我的幫忙很大，我非常感激！還感受到同學(xué)們坐在一起討論問題時(shí)的快樂。這次的綜合訓(xùn)練也使我對(duì)數(shù)字圖像產(chǎn)生了濃厚的興趣。終于對(duì)我們?cè)谌粘Ｉ钪杏玫囊恍┡恼赵O(shè)備的原理有了一點(diǎn)了解。總之，這次的訓(xùn)練很有意義。參考資料參考資料1 朱虹.計(jì)算機(jī)圖象處理基礎(chǔ)M. 科學(xué), 20052 R C.Gonzalez, R E.Wood

14、s 著,阮秋琦,阮宇智等譯.計(jì)算機(jī)圖象處理(第 2版).:電子工業(yè),20033 K.R.Castleman. 計(jì)算機(jī)圖象處理.:電子工業(yè),200213 / 184 章毓晉.圖像處理與分析-圖像工程（上冊(cè)）,清華大學(xué),20015 R C.Gonzalez, R E.Woods, S L. Eddins 著,阮秋琦,阮宇智等譯.計(jì)算機(jī)圖象處理(MATLAB 版).:電子工業(yè),20056何斌等編著. Visual C+數(shù)字圖像處理（第二版）.人民郵電,200314 / 18致致這次課程綜合訓(xùn)練做完后要感的人太多了。首先感我的指導(dǎo)老師徐志剛老師，他在我的課程設(shè)計(jì)過程中提出了指導(dǎo)性的方案和架構(gòu)，并指引我

15、閱讀相關(guān)的資料和書籍，使我在不熟悉的領(lǐng)域中仍能迅速掌握新的技術(shù)。感我的計(jì)算機(jī)圖象處理老師在以往的基礎(chǔ)課學(xué)習(xí)中為我打下良好的基礎(chǔ)，這是我這次課程設(shè)計(jì)能夠順利完成的前提。感我的同學(xué)們，他們與我一起探討問題，幫助我完成了課程設(shè)計(jì)。15 / 18附錄附錄I=imread(lena.jpg);H,W=size(I);M=double(I);J=M;for i=1:H-1for j=1:W-1J(i,j)=abs(M(i,j)-M(i+1,j+1)+abs(M(i+1,j)-M(i,j+1);end;end;subplot(1,2,1);imshow(I);title(原圖);subplot(1,2,2)

16、;imshow(uint8(J);title(Roberts 處理后);I=imread(lena.jpg);H,W=size(I);M=double(I);J=M;for i=2:H-1for j=2:W-1J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+M(i,j+1)-M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i+1,j-1)-M(i-1,j-1)+M(i+1,j)-M(i-1,j)+M(i+1,j+1)-M(i-1,j+1);end;end;subplot(1,2,1);imshow(I);title(原圖);subplot(1,2,2

17、);imshow(uint8(J);title(Prewitt 處理后);I=imread(lena.jpg);H,W=size(I);16 / 18M=double(I);J=M;for i=2:H-1for j=2:W-1 J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+2*M(i,j+1)-2*M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i-1,j-1)-M(i+1,j-1)+2*M(i-1,j)-2*M(i+1,j)+M(i-1,j+1)-M(i+1,j+1);end;end;subplot(1,2,1);imshow(I);title(原圖);subpl