第六講-圖像銳化課件

空間域銳化

SharpeningintheSpatialDomain空間域銳化

SharpeningintheSpatia1圖像空間域銳化圖像空間域銳化2SpatialFilteringRefresherrstuvwxyzOriginxyImagef(x,y)eprocessed= v*e+

r*a+s*b+t*c+

u*d+w*f+

x*g+y*h+z*iFilterSimple3*3

Neighbourhoode3*3FilterabcdefghiOriginalImagePixels*TheaboveisrepeatedforeverypixelintheoriginalimagetogeneratethesmoothedimageSpatialFilteringRefresherrst3引言(Introduction)

在圖像的識別中常需要突出邊緣和輪廓信息。圖像銳化就是增強圖像的邊緣或輪廓。

邊緣和輪廓常常位于圖像中灰度突變的地方，圖像平滑通過平均（類似積分）過程使得圖像邊緣模糊，圖像銳化則通過微分而使圖像邊緣突出、清晰。

引言(Introduction)在圖像的識別中常需要4SpatialDifferentiationAverageanalogoustoIntegralSmoothingSharpencouldbeaccomplishedbyspatialdifferentiation.ImageDifferentiation

EnhanceEdgesandotherdiscontinuities(suchasnoise)Deemphasizeareaswithslowlyvaryinggray-levelvaluesSpatialDifferentiationAverage5FoundationSharpeningfiltersFirst-orderderivativeSecond-orderderivativeThebehaviorofderivativesConstantgraylevel(flatsegments)AttheonsetofdiscontinuitiesAttheendofdiscontinuities(step,ramp)Alonggray-levelrampsThesetypesofdiscontinuitiescanbeusedtomodelnoisepoints,lines,andedgesinanimage.FoundationSharpeningfilters6DefinitionFirstandsecondorderderivativesarecommonlyusedforsharpening.DefinitionFirstandsecondord7CharacteristicofFirstDerivativeFirstDerivativeMustbezeroinflatsegments(areasofconstantgray-levelvalues)Mustbenonzeroattheonsetofagray-levelsteporrampMustbenonzeroalongrampsCharacteristicofFirstDeriv8CharacteristicofSecond-DerivativeSecond-DerivativeMustbezeroinflatareasMustbenonzeroattheonsetandendofagray-levelsteporrampMustbezeroalongrampsofconstantslope.CharacteristicofSecond-Deriv9第六講--圖像銳化課件101stDerivative(cont…)55432100060000131000077770-1-1-1-1006-600012-2-100070001stDerivative(cont…)55432100112ndDerivative(cont…)5543210006000013100007777-10000106-1260011-411007-7002ndDerivative(cont…)5543210012IssuesEdgesFirst-order:‘thick’Second-order:fineronesIsolatednoisepointSecond-orderenhancefinedetailStepDouble-edgeeffect(useforedgedetection)IssuesEdges13SummaryFirst-orderderivativesgenerallyproducethickeredgesinanimageSecond-orderderivativeshaveastrongerresponsetofinedetail,suchasthinlinesandisolatedpointsFirst-orderderivativesgenerallyhaveastrongerresponsetoagray-levelstepSecond-orderderivativesproduceadoubleresponseatstepchangesingraylevel.SummaryFirst-orderderivatives14一階微分會產(chǎn)生較寬的邊緣二階微分對細(xì)節(jié)有較強的響應(yīng)，比如細(xì)線和孤立點一階微分對灰度階梯有較強的響應(yīng)二階微分對灰度階梯變化產(chǎn)生雙響應(yīng)一階微分會產(chǎn)生較寬的邊緣15原圖像羅伯茨梯度銳化（一階微分處理）拉普拉斯算子銳化（二階微分處理）原圖像羅伯茨梯度銳化拉普拉斯算子銳化16羅伯茨梯度銳化拉普拉斯算子銳化原圖像羅伯茨梯度銳化拉普拉斯算子銳化原圖像17基于一階微分的圖像增強——梯度銳化法圖像銳化法最常用的是梯度法(GradientMethod)。對于圖像f(x，y)，在(x，y)處的梯度定義為

這個向量的模值由下式給出：這個向量的模值由下式給出：18為了降低計算量，在實際操作中常用絕對值代替平方與平方根運算近似求梯度的模值：

為了降低計算量，在實際操作中常用絕對值代替平方19除此之外，也可以用交叉的差分表示，交叉的梯度稱為羅伯茨（Roberts）梯度，其表達(dá)式：除此之外，也可以用交叉的差分表示，交叉的梯度稱20原圖像羅伯茨梯度銳化原圖像羅伯茨梯度銳化21原圖像羅伯茨梯度銳化原圖像羅伯茨梯度銳化22Sobel算子Sobel算子23Prewitt算子Prewitt算子24Isotropic算子Isotropic算子25第六講--圖像銳化課件26%該程序利用梯度算子對圖像進行邊緣提取I=imread('D:\chenpc\data\thry\chpt3\rice.tif');subplot(131);imshow(I,[]);title('originalimage');BW1=edge(I,'Roberts');subplot(132);imshow(BW1,[])title('Robertsgradientimage');BW2=edge(I,'sobel');subplot(133);imshow(BW2,[])title('Sobelgradientimage');%該程序利用梯度算子對圖像進行邊緣提取27SobelPrewittKirschSobelPrewittKirsch28%梯度提取算法的另外實現(xiàn)方式f=imread('Fig46a1.bmp');f=im2double(f);subplot(131);imshow(f,[])title('原圖');wx=[10;0-1]wy=[0-1;10]fx=imfilter(f,wx);fy=imfilter(f,wy);gradient=abs(fx)+abs(fy);subplot(132);gradient=histeq(gradient);imshow(gradient,[])title('Roberts梯度圖');%梯度提取算法的另外實現(xiàn)方式29第一種輸出形式

此法的缺點是增強的圖像僅顯示灰度變化比較徒的邊緣輪廓，而灰度變化比較平緩或均勻的區(qū)域則呈黑色。梯度增強的方法第一種輸出形式梯度增強的方法30

第二種輸出形式

式中T是一個非負(fù)的閾值。適當(dāng)選取T，可使明顯的邊緣輪廓得到突出，又不會破壞原來灰度變化比較平緩的背景

31第三種輸出形式

它將明顯邊緣用一固定的灰度級LG來表現(xiàn)。

第三種輸出形式32

第四種輸出形式

此方法將背景用一個固定的灰度級LB來表現(xiàn)，便于研究邊緣灰度的變化。

第四種輸出形式33第五種輸出形式

這種方法將明顯邊緣和背景分別用灰度級LG和LB表示，生成二值圖像，便于研究邊緣所在位置。

第五種輸出形式34第六講--圖像銳化課件35基于二階微分的圖像增強——拉普拉斯算子拉普拉斯(Laplacian)運算定義為：基于二階微分的圖像增強——拉普拉斯算子拉普拉斯(Lapl36由這兩個分量相加得到，拉普拉斯算子可定義為：拉普拉斯掩模：0101-410101111-811110-10-14-10-10-1-1-1-18-1-1-1-1由這兩個分量相加得到，拉普拉斯算子可定義為：拉普拉斯掩模：037原圖像拉普拉斯算子銳化0101-410100-10-14-10-10原圖像拉普拉斯算子銳化0101-41038把原圖像和拉普拉斯圖像疊加在一起的簡單方法可以保護拉普拉斯銳化處理的效果，同時又能復(fù)原背景信息。如果拉普拉斯掩模中心系數(shù)為負(fù)如果拉普拉斯掩模中心系數(shù)為正如果所使用的定義具有負(fù)的中心系數(shù)，那么就必須將原始圖像減去經(jīng)拉普拉斯變換后的圖像而不是加上它，從而得到銳化的結(jié)果。去模糊掩模：0-10-15-10-10-1-1-1-19-1-1-1-1把原圖像和拉普拉斯圖像疊加在一起的簡單方法可以39例：用拉普拉斯算子對下列圖像進行增強運算，并把增強后的圖像畫出來：0000000000000000003333000033330000333300003333000000000000000000解：%本程序?qū)?shù)字圖像進行拉普拉斯濾波%和去模糊處理例：用拉普拉斯算子對下列圖像進行增強運算，并把增強后的圖像畫40f=[00000000;...00000000;...00333300;...00333300;...00333300;00333300;00000000;...00000000]w=[010;1-41;010]laplacian=imfilter(f,w,'symmetric')subplot(131);imshow(f,[])title('原圖');subplot(132);imshow(laplacian,[])title('拉普拉斯算子濾波圖');g=f-laplaciansubplot(133);imshow(g,[])title('拉普拉斯算子去模糊濾波圖');f=[00000000;...41二階微分對灰度階梯變化產(chǎn)生雙響應(yīng)，在一幅圖像中，該現(xiàn)象表現(xiàn)為雙線。二階微分對灰度階梯變化產(chǎn)生雙響應(yīng)，在一幅圖像中，該現(xiàn)象表現(xiàn)為42例：用拉普拉斯算子對月亮表面圖像進行去模糊濾波。%imagelaplacian2.m%該程序使用fspecial和imfilter，利用Laplacian濾波器%進行加強濾波f=imread('D:\chenpc\data\mtlb\chpt03\Fig0316(a).tif');subplot(221);imshow(f,[])title('originalimage');w=fspecial('laplacian',0)g1=imfilter(f,w,'replicate');subplot(222);imshow(g1,[])title('Laplacianfilteredusinguint8formats');例：用拉普拉斯算子對月亮表面圖像進行去模糊濾波。43f2=im2double(f);g2=imfilter(f2,w,'replicate');subplot(223);imshow(g2,[])title('Laplacianfilteredusingdoubleformats');g=f2-g2;subplot(224);imshow(g)title('Enhancedresult');最終結(jié)果是使圖像中小的細(xì)節(jié)部分得到增強并良好保留了圖像的背景色調(diào)?；诶绽棺儞Q的圖像增強已成為圖像銳化處理的一個基本工具。f2=im2double(f);44第六講--圖像銳化課件45原圖像拉普拉斯算子銳化拉普拉斯算子銳化+原圖像0-10-15-10-10原圖像拉普拉斯算子銳化拉普拉斯算子銳化46通常都是幾種互補的圖像增強方法。右圖是一幅人體骨骼的掃描圖，常被用來檢查人體疾病，如感染腫瘤等。目標(biāo)：通過圖像銳化突出骨骼的更多細(xì)節(jié)來增強圖像。特點：動態(tài)范圍窄伴隨著很高的噪聲通常都是幾種互補的圖像增強方法。右圖是一幅人體骨骼的掃描圖，47CombiningSpatialEnhancementMethodsSuccessfulimageenhancementistypicallynotachievedusinga