基于MATLAB的图像锐化及边界提取讲解.docx
- 文档编号:2956379
- 上传时间:2022-11-16
- 格式:DOCX
- 页数:16
- 大小:1,016.95KB
基于MATLAB的图像锐化及边界提取讲解.docx
《基于MATLAB的图像锐化及边界提取讲解.docx》由会员分享,可在线阅读,更多相关《基于MATLAB的图像锐化及边界提取讲解.docx(16页珍藏版)》请在冰豆网上搜索。
基于MATLAB的图像锐化及边界提取讲解
摘要
图像增强是指依据图像所存在的问题,按特定的需要突出一幅图像中的某些信息,同时,削弱或去除某些冗余信息的处理方法。
其主要目的是使得处理后的图像对给定的应用比原来的图像更加有效同时可以有效的改善图像质量。
图像增强技术主要包含直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本文先对图像增强的原理进行概述,然后对图像增强的方法分类并给出直方图增强、平滑和锐化等几种常用的增强方法、彩色图像增强的理论基础,通过MATLAB实验得出的实际处理效果来对比各种算法的优缺点,讨论不同的增强算法的技术要点,并对其图像增强方法进行性能评价。
关键词
MATLAB ;图像锐化 ;边界提取
Abstract
Imageenhancementisbasedontheproblemsexistingintheimages,accordingtothespecificneedtohighlightsomeoftheinformationinanimage,atthesametime,toweakenorremovesomeredundantinformationprocessingmethod.Itsmainpurposeistomaketheimageafterprocessingforagivenapplicationismoreeffectivethantheoriginalimageatthesametimecaneffectivelyimprovetheimagequality.Imageenhancementtechnologymainlyincludeshistogrammodification,imagesmoothingprocessing,imageintensificationprocessingandcolorprocessingtechnology,etc.Thisarticlefirstoverviewoftheprincipleofimageenhancementandimageenhancementmethodofclassificationandhistogramenhancement,smoothingandsharpeningofseveralcommonenhancementmethod,thetheoreticalbasisofcolorimageenhancement,throughpracticalprocessingeffectofMATLABexperimentcomparedtheadvantagesanddisadvantagesofvariousalgorithms,discussedthemaintechnicalpointsofthedifferentenhancementalgorithm,anditsimageenhancementmethodforperformanceevaluation.
Keywords
MATLAB;imagesharpening; edgeextraction
·
第一章绪论
1.1图像锐化及边界提起发展背景和意义
数字图像处理(Digital Image Processing)又称为计算机图像处理,它最早出现于20世纪50年代 ,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
图像处理的基本目的是改善图像的质量。
它以人为对象,改善人的视觉效果为目的。
图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常见的图像处理方法有图像增强、复原、编码、压缩等。
图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就,属于这些领域的有航空航天。
生物医学工程、工业检测、公安司法、军事制导、文化艺术等,使图像处理成为一门引人注意、前景远大的新型科学。
随着图像处理技术的深入发展,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理更高、更深层次发展。
1.2 图像锐化处理的现状和研究方法
数字图像经过转换和传输后,难免会产生模糊。
图像锐化的主要目的在于补偿图像边缘轮廓、突出图像的边缘信息以使图像显得更为清晰,从而符合人类的观察习惯。
图像锐化的实质是增强原图像的高频分量[2]。
边缘和轮廓一般位于灰度突变的地方,因此和自然地利用灰度差分提取出来。
由于边缘和轮廓在一幅图中常常具有任意方向,而差分运算是有方向性的,因此和差分方向一致的边缘和轮廓便检测不出来[3]。
因而希望找到一些各向同性的检测算子,它们对任意方向的边缘和轮廓都有检测能力,具有这钟性质的锐化算子有Roberts算子、Prewitt算子、Sobel算子、Laplacian算子等微分算子。
本次设计就是利用Matlab实现图像边缘检测,具体的是利用Matlab针对Roberts算子、Prewitt算子、Sobel算子、Laplacian算子实现边缘检测的功能。
1.3MATLAB简介
MATLAB全称Matrix Laboratory(矩阵实验室),最早初由美国Cleve Moler博士在20世纪70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack和Eispack组成。
它用于数学、信息工程、摇感、机械工程、计算机等专业。
它的推广得到各个领域专家的关注,其强大的扩展功能为各个领域应用提供了基础,各个领域的专家相继推出MATLAB工具箱,而且工具箱还在不断发展,借助于这些工具箱,各个层次的研究人员可直接、直观、方便地进行工作,从而节省大量的时间[5]。
目前,MATLAB语言已经成为科学计算、系统仿真、信号与图像处理的主流软件。
本文主要从MATLAB图像处理方面做应用。
1.4 MATLAB对图像处理的特点
MATLAB全称Matrix Laboratory(矩阵实验室),是一种主要用于矩阵数据值计算的软件,因其在矩阵运算上的特点,使得MATLAB在处理图像上具有独特优势,理论上讲,图像是一种二维的连续函数,而计算机在处理图像数字时,首先必须对其在空间和亮度上进行数字化,这就是图像的采样个量化的过程。
二维图像均匀采样,课得到一副离散化成N×N样本的数字图像,该数字图像是一个整数列阵,因而用矩阵来描述该数字图像是最直观最简便的。
第二章 基于MATLAB的图像锐化
2.1图像锐化概述
数字图像处理中图像锐化的目的有两个:
一是增强图像的边缘,使模糊的变
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[7]。
数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。
如果输出像素是输入像素领域像素的线性组合则称为线性滤波,否则称为非线性滤波。
2.2 线性锐化滤波器
线性高通滤波器是最常用的线性锐化滤波器。
这种滤波器必须满足滤波器的中心系数为正数,其他系数为负数。
图2.2.1用线性高通滤波实现图像锐化的结果:
图2.2.1线性锐化图像
线性高通滤波图象锐化的程序:
i=imread('text.png'); %读入图像
g=[-1 -1 -1; -1 8-1; -1-1-1];%线性高通滤波3×3模板 h=double(i);%转化为double类型
j=conv2(h,g,'same');% 线性高通滤波进行图像滤波 subplot(1,2,1);
imshow(h);title('原始图像'); subplot(1,2,2);
imshow(j);title('滤波后图像');
2.3 非线性锐化滤波器
非线性锐化滤波就是使用微分对图像进行处理,以此来锐化由于邻域平均导致的模糊图像。
无方向一阶微分锐化算子有:
2.3.1 Roberts算子
2.3.1.1图像处理中最常用的微分是利用图y像沿某个方向上的灰度变化率,即原图像函数的梯度。
(Roberts算子)梯度定义如下:
△xf=f(x,y)-f(x+1,y)
梯度模的表达式如下:
(2-1)
▏▽f▏=▏▽xf▏+▏▽yf▏
2.3.1.2 Roberts算法又称交叉微分算法,其计算公式如下
g(i,j)=▏f(i+1,j+1)-f(i,j)▏+▏f(i+1,j)-f(i,j+1)▏(2-2)
其特点就是算法简单
2.3.2 Prewitt锐化算子
Prewitt锐化算子计算公式:
(2-3)
用Prewitt梯度算子实现图像锐化的结果及程序:
图2.3.1原图像图2.3.2Prewitt算子图像
I=imread('coins.png');%读入图像
subplot(2,2,1),imshow(I);title('原图像');%显示原图像
H=fspecial('prewitt');%应用prewitt算子锐化图像
I3=filter2(H,I);%prewitt算子滤波锐化
subplot(2,2,3);imshow(I3); %显示prewitt算子锐化图像
title('prewitt算子锐化图像');
特点:
与Sobel相比,有一定的抗干扰性。
图像效果比较干净。
2.3.3Sobel锐化算子
Sobel锐化算子计算公式:
(2-4)
特点:
锐化的边缘信息较强
2.3.3用Sobel 梯度算子实现图像锐化的结果及程序:
图2.3.3Sobel算子锐化图像
I=imread('coins.png');%读入图像
subplot(2,2,1),imshow(I);title('原图像');%显示原图像
H=fspecial('sobel'); %应用sobel算子锐化图像
I2=filter2(H,I); %sobel算子滤波锐化
subplot(2,2,2);imshow(I2); %显示sobel算子锐化图像
title('sobel算子锐化图像');
2.3.4 一阶微分锐化的效果比较
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。
2.3.5二阶微分锐化其算法为:
2.3.5.1Laplacian锐化算子计算公式:
(2-5)
将其写成模板系数形式形式即为Laplacian算子:
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:
H1,H2的效果基本相同,H3的效果最不好,H4最接近原图。
用Laplacian梯度算子实现图像锐化的结果及程序
图2.3.3原图像图2.3.4Laplacian算子锐化图像
- 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:
- 基于 MATLAB 图像 锐化 边界 提取 讲解