资源预览内容
第1页 / 共61页
第2页 / 共61页
第3页 / 共61页
第4页 / 共61页
第5页 / 共61页
第6页 / 共61页
第7页 / 共61页
第8页 / 共61页
第9页 / 共61页
第10页 / 共61页
亲,该文档总共61页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
图像的锐化处理,景物边界细节的增强方法,图像锐化的目的是加强图像中景物的细节边缘和轮廓。 锐化的作用是使灰度反差增强。 因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。,图像锐化的概念,图像的景物细节特征; 一阶微分锐化方法; 二阶锐化微分方法; 一阶、二阶微分锐化方法效果比较。,图像锐化方法,图像细节的灰度变化特性,扫描线,图像细节的灰度变化微分特性,一阶微分曲线,二阶微分曲线,一阶微分锐化 基本原理,一阶微分的计算公式非常简单:,离散化之后的差分方程:,考虑到图像边界的拓扑结构性,根据这个原理派生出许多相关的方法。,一阶微分锐化,单方向一阶微分锐化 无方向一阶微分锐化 交叉微分锐化 Sobel锐化 Priwitt锐化,单方向的一阶锐化 基本原理,单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强。 因为图像为水平、垂直两个方向组成,所以,所谓的单方向锐化实际上是包括水平方向与垂直方向上的锐化。,水平方向的一阶锐化 基本方法,水平方向的锐化非常简单,通过一个可以检测出水平方向上的像素值的变化模板来实现。,水平方向的一阶锐化 例题,1*1+2*2+1*3-1*3-2*0-1*8=-3,问题:计算结果中出现了小于零的像素值,垂直方向的一阶锐化 基本方法,垂直锐化算法的设计思想与水平锐化算法相同,通过一个可以检测出垂直方向上的像素值的变化模板来实现。,垂直方向的一阶锐化 例题,1*1+2*2+1*3-1*3-2*2-1*8=-7,问题:计算结果中出现了小于零的像素值,单方向锐化的后处理,这种锐化算法需要进行后处理,以解决像素值为负的问题。 后处理的方法不同,则所得到的效果也就不同。,单方向锐化的后处理,方法1:整体加一个正整数,以保证所有的像 素值均为正。 这样做的结果是:可以获得类似浮雕的效果。,单方向锐化的后处理,方法2:将所有的像素值取绝对值。 这样做的结果是,可以获得对边缘的有方向提取。,无方向一阶锐化 问题的提出,前面的锐化处理结果对于人工设计制造的具有矩形特征物体(例如:楼房、汉字等)的边缘的提取很有效。但是,对于不规则形状(如:人物)的边缘提取,则存在信息的缺损。,无方向一阶锐化 设计思想,为了解决上面的问题,就希望提出对任何方向上的边缘信息均敏感的锐化算法。 因为这类锐化方法要求对边缘的方向没有选择,所有称为无方向的锐化算法。,无方向一阶锐化 交叉微分,交叉微分算法(Roberts算法)计算公式如下:,特点:算法简单,无方向一阶锐化 Sobel锐化,Sobel锐化的计算公式如下:,特点:锐化的边缘信息较强,无方向一阶锐化 Priwitt锐化算法,Priwitt锐化算法 的计算公式如下:,特点:与Sobel相比,有一定的抗干扰性。图像效果比较干净。,一阶锐化 几种方法的效果比较,Sobel算法与Priwitt算法的思路相同,属于同一类型,因此处理效果基本相同。 Roberts算法的模板为2*2,提取出的信息较弱。 单方向锐化经过后处理之后,也可以对边界进行增强。,示例,二阶微分锐化 问题的提出,从图像的景物细节的灰度分布特性可知,有些灰度变化特性一阶微分的描述不是很明确,为此,采用二阶微分能够更加获得更丰富的景物细节。,二阶微分锐化 景物细节特征对应关系,灰度截面,一阶微分,二阶微分,(a) 阶跃形 (b) 细线形 (c) 斜坡渐变形,二阶微分锐化 景物细节对应关系,1)对于突变形的细节,通过一阶微分的极大值点,二阶微分的过0点均可以检测出来。,二阶微分锐化 景物细节对应关系,2)对于细线形的细节,通过一阶微分的过0点,二阶微分的极小值点均可以检测出来。,二阶微分锐化 景物细节对应关系,3)对于渐变的细节,一般情况下很难检测,但二阶微分的信息比一阶微分的信息略多。,二阶微分锐化 算法推导,二阶微分锐化 Laplacian 算法,由前面的推导,写成模板系数形式形式即为Laplacian算子:,示例,二阶微分锐化 Laplacian变形算法,为了改善锐化效果,可以脱离微分的计算原理,在原有的算子基础上,对模板系数进行改变,获得Laplacian变形算子如下所示。,示例,二阶微分锐化 Laplacian锐化边缘提取,经过Laplacian锐化后,我们来分析几种变形算子的边缘提取效果。 H1,H2的效果基本相同,H3的效果最不好,H4最接近原图。,示例,二阶微分锐化 Wallis算法,考虑到人的视觉特性中包含一个对数环节,因此在锐化时,加入对数处理的方法来改进。,示例,二阶微分锐化 Wallis算法,在前面的算法公式中注意以下几点: 1)为了防止对0取对数,计算时实际上是用log(f(i,j)+1); 2)因为对数值很小log(256)=5.45,所以计算 时用46*log(f(i,j)+1)。 (46=255/log(256)),二阶微分锐化 Wallis算法,算法特点: Wallis算法考虑了人眼视觉特性,因此,与Laplacian等其他算法相比,可以对暗区的细节进行比较好的锐化。,示例,一阶与二阶微分的边缘提取效果比较,以Sobel及Laplacian算法为例进行比较。 Sobel算子获得的边界是比较粗略的边界,反映的边界信息较少,但是所反映的边界比较清晰; Laplacian算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节信息,但是所反映的边界不是太清晰。,谢谢大家,作 业 1. P124 第3题 2. P124 第4题,水平浮雕效果,垂直浮雕效果,水平边缘的提取效果,垂直边缘的提取效果,交叉锐化效果图例1,交叉锐化效果图例2,交叉锐化与水平锐化的比较,交叉锐化,水平锐化,Sobel锐化效果示例1,交叉锐化,Sobel锐化,Sobel锐化效果示例2,Sobel锐化,交叉锐化,Priwitt锐化效果图例,Priwitt锐化,Sobel锐化,一阶锐化方法的效果比较,(a) 原图 (b) Sobel算法 (c) Priwitt算法,(d) Roberts算法 (e) 水平锐化 (f) 垂直锐化,Laplacian锐化效果图例,Laplacian变形算子锐化效果,h1,h2,h3,h4,Laplacian算子边缘提取效果,Wallis算法效果示例,Wallis算法与Laplacian算法的比较,Wallis算法,Laplacian算法,Sobel与Laplacian边缘提取效果,Sobel锐化,Laplacian锐化,非矩形目标物的单方向锐化,
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号