网站整站建设,深圳注册投资公司的条件,网站备案一般多久,上海注册公司在哪个网站前言#xff1a; 文章目录 一、基础知识1#xff0c;什么是锐化#xff1f;2#xff0c;为什么要锐化#xff1f;3#xff0c;怎么进行锐化#xff1f; 二、实验要求任务1#xff1a;任务2#xff1a;任务3#xff1a; 三、实验记录#xff1a;任务1#xff1a;任…前言 文章目录 一、基础知识1什么是锐化2为什么要锐化3怎么进行锐化 二、实验要求任务1任务2任务3 三、实验记录任务1任务2任务3 四、结果展示任务1任务2任务3 五、反思总结与收获1取绝对值2取0总结 一、基础知识
1什么是锐化
百度到图像锐化(image sharpening)是补偿图像的轮廓增强图像的边缘及灰度跳变的部分使图像变得清晰分为空间域处理和频域处理两类。 在我看来锐化就是将图像的边缘进行增强。
2为什么要锐化
既然锐化是将图像边缘增强那么我认为往往是图像边缘模糊的时候需要进行锐化。在上一个实验中我们学到了平滑处理滤波器不难发现滤波器往往会在清除噪声的时候让我们的图像变得模糊所以我认为在我们处理完噪声以后就可以通过锐化来增强边缘。如下 虽然锐化后不是很清晰但至少边缘明显了很多
3怎么进行锐化
锐化是增强边缘那么首先我们就要找到边缘接下来关键的部分就是怎么找边缘了。 什么是边缘在图像的一个区域内出现了灰度的突变突然变小或突然变大这里突变的中间区域就是边缘。 怎么找边缘 在计算机里是一个像素一个像素进行处理怎么处理这里就提到了几种算子在我看来就是一种计算的模板方法 以4领域的Laplacian算子为例对于一个像素f(i,j)我们就使用它的上下左右四个像素和它自身进行运算得到g(i,j): 如果4领域的像素值都和中心差不多那么g(i,j)最后的值就是0,显示是黑色g(i,j)越大就越白最后处理完得到的g就是边缘图像。 边缘检测函数sharpen_value
function [Ig] sharpen_value(S,kind)
% 锐化函数 输入S,锐化算子 kind
if(~exist(kind,var))kind -1; % 如果未出现该变量则对其进行赋值
end
[m,n] size(S);if(kind -1)%拉普拉斯4H [0,-1,0;-1,4,-1;0,-1,0];
elseif(kind 0)%拉普拉斯8H [-1,-1,-1;-1,8,-1;-1,-1,-1];
elseif(kind 1)%prewitt 横H [1,1,1;0,0,0;-1,-1,-1];
elseif(kind 2)%prewitt 竖H [1,0,-1;1,0,-1;1,0,-1];
elseif(kind 3)%Sobel 竖H [1,2,1;0,0,0;-1,-2,-1];
elseif(kind 4)%Sobel 竖H [1,0,-1;2,0,-2;1,0,-1];
elseif(kind 5)H [1,0,0;0,-1,0;0,0,0];end
a1;
S im2double(S);
Ig S;for i2:m-1for j2:n-1if(kind 5)Ig(i,j) abs(S(i,j)-S(i1,j1))abs(S(i1,j)-S(i,j1));elseIg(i,j) 0;for a -1:1for b -1:1Ig(i,j) Ig(i,j)H(a2,b2)*S(ia,jb); endendif(Ig(i,j)0)Ig(i,j) 0;endendIg(i,j) uint8(Ig(i,j)*255);end
end
Ig uint8(Ig);end最后将边缘图和原图相加就可以实现边缘增强了。
二、实验要求
任务1
利用Laplacian 锐化算子α-1对256 级灰度的数字图像进行锐化处理显示处理前、后图像。
任务2
在添加了噪声的图像上进行拉普拉斯锐化处理和未添加噪声图像的处理结果进行比较。
任务3
分别利用Roberts、Prewitt 和Sobel 边缘检测算子对数字图像进行边缘检测计算图像梯度图。显示图像x和y方向偏导图像和梯度幅值图像。
三、实验记录
任务1
利用Laplacian 锐化算子α-1对256 级灰度的数字图像进行锐化处理显示处理前、后图像。
figure(NumberTitle,off,Name,任务1);
I imread(stone.jpg);
I2 sharpen_value(I,-1);
I2 I2I;
subplot(1,2,1);imshow(I);title(原图);
subplot(1,2,2);imshow(I2);title(增强后);任务2
在添加了噪声的图像上进行拉普拉斯锐化处理和未添加噪声图像的处理结果进行比较。
figure(NumberTitle,off,Name,任务2);
Ib imnoise(I,salt,0.02);%添加椒盐噪声
I3 sharpen_value(Ib,-1);
I3 I3Ib;
subplot(1,2,1);imshow(I2);title(原图增强图);
subplot(1,2,2);imshow(I3);title(噪声增强图);任务3
分别利用Roberts、Prewitt 和Sobel 边缘检测算子对数字图像进行边缘检测计算图像梯度图。显示图像x和y方向偏导图像和梯度幅值图像。
figure(NumberTitle,off,Name,任务3);
I rgb2gray(I);
H1 sharpen_value(I,5);
H2 sharpen_value(I,2);
H3 sharpen_value(I,3);
subplot(2,2,1.5);imshow(H1);title(Roberts图像梯度图);
subplot(2,2,3);imshow(H2);title(Prewitt x方向偏导);
subplot(2,2,4);imshow(H3);title(Sobel y方向偏导);四、结果展示
任务1
利用Laplacian 锐化算子α-1对256 级灰度的数字图像进行锐化处理显示处理前、后图像。
任务2
在添加了噪声的图像上进行拉普拉斯锐化处理和未添加噪声图像的处理结果进行比较。 可以明显看出噪声对锐化的影响很大。 椒盐噪声 高斯噪声
任务3
分别利用Roberts、Prewitt 和Sobel 边缘检测算子对数字图像进行边缘检测计算图像梯度图。显示图像x和y方向偏导图像和梯度幅值图像。
五、反思总结与收获
对Laplacian锐化算子的处理结果中对小于0的部分采用不同的方法标准化到[0,255]时图像的显示效果有什么不同为什么 在我看来有两种方法来标准化1取绝对值。2取0。 改了改函数让我们看看效果
1取绝对值 边缘
2取0 边缘
总结
取绝对值负值转正值会增加对比度但可能导致某些细节过度增强看起来更加锐利。会引入图像中的一些噪声或产生不自然的效果。 取0负值保持为零因此对比度不会显著增加。这种方法可以保留一些图像细节但可能不会产生像绝对值标准化那样强烈的锐化效果。
