数字图像边缘增强图像锐化.docx
- 文档编号:1976856
- 上传时间:2022-10-25
- 格式:DOCX
- 页数:34
- 大小:3.88MB
数字图像边缘增强图像锐化.docx
《数字图像边缘增强图像锐化.docx》由会员分享,可在线阅读,更多相关《数字图像边缘增强图像锐化.docx(34页珍藏版)》请在冰豆网上搜索。
数字图像边缘增强图像锐化
中文摘要
随着技术的发展和人们生活水平的不断提高,数字图像作为记录和传达信息的一种媒介,在人们生活和生产中扮演者越来越重要的角色。
随着数字图像的不断进步发展和成熟,数字图像不仅在日常生活的摄影,平面设计,传媒发挥自己的作用,也会更多地在航天航空,刑事侦查,精密医疗仪器等更加重要的研究领域起到更大的作用。
于是,不断学习和探索各种数字图像处理技术,对准确运用各种数字图像更好地服务于生产生活,愈发显得重要。
而数字图像边缘增强是数字图像处理技术里面重要的一种,是一种提高图像清晰度的重要方法之一。
经实例检测,该图像边缘增强算法可以有效提高图像的清晰度,同时有效避免图像噪点的增强。
关键词:
数字图像,边缘增强,清晰度
ABSTRACT
Withthedevelopmentoftechnologyandpeople'slivingstandard,asawayofrecordingandconveyinginformation,digitalimagesplayanimportantroleinpeople'sdailylifeandproduction.withthedevelopmentandmaturityofdigitalimage,digitalimagesarenotonlyappliedinphotography,graphicdesign,media,butalsoplayagreaterroleinaerospace,criminalinvestigation,precisionmedicalinstrumentsorotherimportantfileds.Inthiscase,learningandexplorationoftheprocessingtechniquesofdigitalimage,andhowtousevariousdigitalimagesproperlytoserveforourdailylifeandproduction,arebecomingmoreandmoreimportant.
Asweallknow,thedigitalimageedgeenhancementisoneofthemostimportantdigitalimageprocessingtechnology,whichisaninportantapproachtoimprovetheimagedefinition.
Aftertesting,thealgorithmofimageedgeenhancementcaneffectivelyimprovetheclarityofimage,andeffectivelyavoidtheenhancementofimagenoise.
KeyWords:
digitalimage,enhancementofimageedge,clarity
第一章导论
1.1课题背景
图像是人类记录生活,传达信息非常重要的媒介和手段。
人类的的大部分信息需要通过图像传递。
在人类的文明历史中,图像的产生一开始源自于人类的作画,到后来的胶片摄影,再到现在的数码摄影。
尽管数码摄影和数字图像不过是近几十年的事,但却在发展上取得翻天覆地的成就,极大地改变了人们的生活生产习惯。
所谓数字图像边缘增强,也就是数字图像锐化,是数字图像处理的最基本的方法之一。
图像锐化,在日常生活生产中有着非常广泛的应用,从数码影像和医学成像到工业检测和军事系统的的制导,等等。
但是数字图像可能会被噪声污染,如传感器损坏或者拍摄光线不足等因素,使其转换后的数字图像质量下降。
图像在传输,缩小,数字印刷过程中,也会不可避免地出现清晰度下降的问题。
因此,增强图像的边缘显得非常重要,它可以使图像更加清晰,更符合人们的视觉习惯。
另外,图像经过锐化处理后,目标物体区域的边缘更加明显,有利于对目标的边缘进行、对图像进行分割和区域形状识别等,为进一步的图像理解与分析奠定基础。
1.2课题意义
任何改变原始数字图像的算法,都会不可避免地对原始图像产生负面影响。
数字图像边缘增强技术,会在一定程度造成图像失真,噪点增多,伪色增强,而且这种改变是不可逆转的。
因此,一个好的图像边缘增强算法,需要恰到好处地锐化图像(锐化程度不够会达不到目的,锐化过度会使图像严重失真,产生不自然感),同时把对图像的造成负面影响降到最低程度。
尽管现在的图像算法已经相当完善,图像锐化算法还会向更加准确,更加高效,最低程度损伤的目标发展。
虽然我们经常研究自己的锐化算法,但无疑最常用的锐化工具是Photoshop。
因此,探讨如何正确运用Photoshop来锐化数字图像,对我们理解和认识数字图像边缘增强都有很大帮助。
1.3研究内容方法步骤
此次设计研究的主要内容有:
1、边缘检测:
解目前图像边缘检测方法的现状。
详细了解各种图像边缘检测方法,理解它们的实现的原理,并尝试比较,总结它们的不同。
2、实例检测和算法改进:
实例检测,改进锐化算法,优化边缘检测和边缘增强方式,尽可能地减少噪声对图像的不良影响。
3、Photoshop锐化工具使用:
Photoshop中的锐化工具有很多种,通过对比,分析它们的不同,并总结出它们的使用技巧。
研究方法步骤:
1、算法编写和实验检测过程中用的软件工具主要是Matlab和AdobePhotoshopcs6。
2、在试验中主要使用的方法是实例检测和对比分析的方法。
1.4论文的创新
一般的锐化算法,有时会过度追求锐化效果,而忽略给图像带来过大噪声。
这种做法可谓顾此失彼,得不偿失。
有的锐化算法却又会过于谨慎,害怕会矫枉过正而仅仅是对图像稍稍锐化,达不到预想的效果。
而且数字图像有各种各样,各自的特点也不一样,想找出一种适合所有图像的锐化算法是不现实的。
在这种情况下,本人将在总结不同算子算法的优缺点,并尝试找出最优最合适的算法,准确查找图像边缘,最小程度地避免噪声的产生。
并探讨不同图像在锐化过程中的不同表现。
另外,此文还增加了对Photoshop中锐化工具使用的探索,学习掌握锐化工具的正确使用方法,加深对图像边缘增强的理解和认识。
第二章图像边缘检测
2.1图像边缘检测方法概述
边缘是图像最基本的一种特征,所以图像边缘检测是图像数字处理的主要内容之一。
图像边缘对人的视觉中起到很大的作用,一般来说,人看一个有边缘的物体时,最先感觉到的便是物体的边缘轮廓。
图像边缘是一个区域的结束的边界,也是另一个区域的开始边界。
要增强数字图像边缘,要做的第一项工作便是先找出图像的边缘。
数字图像处理技术经过近几十年的发展,已经有许多的边缘检测算法和一些经过改进的边缘检测算子算法。
但每种算子都会有自己的优劣和适用范围,理解它们之间的不同特性很重要。
本文侧重对一些比较经典的边缘检测算子进行原理分析、实例检测并对各自性能做出对比和总结,以便实际应用中更出色地发挥各自优点,为探索新的方法提供衡量尺度和改进参考。
边缘上的灰度变化可以通过微分算子来检测,通常用一阶导数或者二阶导数来侦测边缘。
如下图所示,不同地方是一阶导数以最大值来对应边缘方位,而二阶导数则以过零点处来对应边缘方位,因此常常使用微分算子进行边缘检测。
(a)图像灰度变化(b)对应的一阶导数(c)对应的二阶导数
图2-1
设一个给定的图像函数f(x,y),在像素点坐标(x,y)的梯度可以定义为一个矢量:
(2.01)
梯度的幅度为:
(2.02)
向量的角度为:
(2.03)
基于一阶导数的边缘检测算子的有Roberts算子、Prewitt算子和Sobel算子等,在算法实现过程中,以或模板与该图像的每个像素点做卷积和计算,再选取恰当的阈值来确认边缘。
二阶导数算子法有Laplacian算子等。
2.2Roberts边缘检测
Roberts图像边缘检测是由RobertS提出的一种利用局部差分算子来寻找边缘的算子,它在2*2邻域上计算对角导数:
(2.04)
因此又被称为Roberts交叉算子。
但由于在实际的图像处理过程中运算量会非常大,开方平方运算也更为复杂。
例如,对于一张512*512的图像,就大约有26万个像素点需要进行梯度计算。
因此,为简化运算,通常会使用梯度差值的绝对值之和来近似表示:
(2.05)
或者用两者中的最大值来表示:
(2.06)
使用卷积模板,上式变为:
(2.07)
其中和由图3.2的模板计算:
1
0
0
-1
0
1
-1
0
(a)对角导数(b)对角导数
图2-2Roberts边缘检测模板
Roberts算子是该点连续梯度的近似值,而不是所预期点处的近似值。
由上面两个卷积算子对图像运算后,代入(2.07)式,可求得图像的梯度幅度值。
然后选取适当的阀值T,作如下判断:
(2.08)
也就是说,事先设定一个非负阀值T,如果梯度值大于或者等于T,则用计算得出的梯度值来作为该点的新的灰度值,如果梯度值小于T,则保留原来的值f(x,y)。
这样就可以通过选择合适的阀值T,在破坏图像平滑区域和有效增强图像边缘之间找到平衡。
另外,如果只想突出图像的边缘位置,可以只两个灰度级,即黑和白,得到二值图像,表达式为:
(2.09)
2.3Prewitt边缘检测
边缘检测使用的方法是微分处理,由于它检测的是灰阶变化,必然会对噪声和图像的阶梯式灰度变化都有所响应。
鉴于采用3x3邻域能够避免在像素之间内插点计算梯度,可以设计出如下图2-3中点周围点的排列。
当我们将垂直模板扩展成三行,水平模板扩展成三列,就可以得到Prewitt算子。
它由两个模板组成的。
其卷积模板如图2-3所示:
-1
-1
-1
0
0
0
1
1
1
1
0
-1
1
0
-1
1
0
-1
(1)水平边缘
(2)垂直边缘
图2-3Prewitt边缘检测算子模板
Prewitt算子的边缘梯度和边缘方向角度同样可以分别用式子(2.01)和(2.02)来表示。
当用两个模板组成边缘检测器时,通常取较大的幅度作为输出值,这使得它们对边缘的走向有些敏感。
取它们的平方和的开方可以获得性能更一致的全方位的响应,这与真实的梯度值更接近。
2.4Sobel边缘检测
如果将两个Prewitt算子模板中心像素周围的权重取两倍的值,就可以得到有名的Sobel算子,它可以看做是Prewitt算子的一种优化。
它就是如此排列的一种梯度幅值:
(2.10)
其中:
(2.11)
(2.12)
与其他的梯度算子一样,与,可通过图2-3卷积模板来实现:
-1
-2
-1
0
0
0
1
2
1
1
0
-1
2
0
-2
1
0
-1
图2-4Sobel边缘检测算子模板
Sobel算子通过运用像素点上下、左右相邻点的灰度加权算法,并通过计算在边缘点处达到极值,进行边缘检测。
Sobel算子比较易于在空间上实现,Sobel边缘检测器不仅能达到较好的边缘检测效果,而且因为Sobel算子引入了局部平均,因此Sobel算子对噪声具有平滑作用,其受到噪声的影响也相对较小。
当取较大的邻域时,算法的抗噪声性能会更好,只是这样会增加计算量,得到的边缘也会不够精确。
但是,正是受到局部平均的影响,它亦会检测出伪边缘,而且边缘定位不够精确,所以当
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像 边缘 增强 图像 锐化