5第五章 圖像銳化處理.ppt

數(shù)字圖像處理第五章第五章 圖像的銳化處理圖像的銳化處理景物邊界細節(jié)的增強方法景物邊界細節(jié)的增強方法數(shù)字圖像處理n圖像銳化的圖像銳化的目的目的是加強圖像中景物的細節(jié)是加強圖像中景物的細節(jié)邊緣邊緣和輪廓和輪廓。n銳化的作用是使銳化的作用是使灰度反差增強灰度反差增強。n因為邊緣和輪廓都位于灰度突變的地方。所以因為邊緣和輪廓都位于灰度突變的地方。所以銳化算法的實現(xiàn)是基于銳化算法的實現(xiàn)是基于微分微分作用。作用。圖像銳化的概念數(shù)字圖像處理n圖像的景物細節(jié)特征圖像的景物細節(jié)特征；n一階微分銳化方法一階微分銳化方法；n二階銳化微分方法二階銳化微分方法；n一階、二階微分銳化方法效果比較一階、二階微分銳化方法效果比較。圖像銳化方法數(shù)字圖像處理圖像細節(jié)的灰度變化特性圖像細節(jié)的灰度分布特性掃描線掃描線灰度漸變孤立點細線灰度躍變平坦段數(shù)字圖像處理圖像細節(jié)的灰度變化微分特性一階微分曲線二階微分曲線圖像細節(jié)的灰度分布特性灰度漸變孤立點細線灰度躍變平坦段數(shù)字圖像處理一階微分銳化 基本原理n一階微分的計算公式非常簡單：一階微分的計算公式非常簡單：( , )fffx yxyn離散化之后的差分方程：離散化之后的差分方程：( , ) (1, )( , ) ( ,1)( , )f i jf ijf i jf i jf i jn考慮到圖像邊界的拓撲結(jié)構(gòu)性，根據(jù)這考慮到圖像邊界的拓撲結(jié)構(gòu)性，根據(jù)這個原理派生出許多相關(guān)的方法。個原理派生出許多相關(guān)的方法。數(shù)字圖像處理一階微分銳化n單方向一階微分銳化單方向一階微分銳化n無方向一階微分銳化無方向一階微分銳化 交叉微分銳化交叉微分銳化 SobelSobel銳化銳化 PriwittPriwitt銳化銳化數(shù)字圖像處理單方向的一階銳化 基本原理n單方向的一階銳化是指對某個特定方向上單方向的一階銳化是指對某個特定方向上的邊緣信息進行增強。的邊緣信息進行增強。n因為圖像為水平、垂直兩個方向組成，所因為圖像為水平、垂直兩個方向組成，所以，所謂的單方向銳化實際上是包括水平以，所謂的單方向銳化實際上是包括水平方向與垂直方向上的銳化。方向與垂直方向上的銳化。 數(shù)字圖像處理水平方向的一階銳化 基本方法n水平方向的銳化非常簡單，通過一個可以水平方向的銳化非常簡單，通過一個可以檢測出水平方向上的像素值的變化模板來檢測出水平方向上的像素值的變化模板來實現(xiàn)。實現(xiàn)。 121000121H數(shù)字圖像處理水平方向的一階銳化 例題12321212623087612786232690 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 001*1+2*2+1*3-1*3-2*0-1*8=-3問題：計算結(jié)果中出現(xiàn)了小于零的像素值121000121H數(shù)字圖像處理垂直方向的一階銳化 基本方法101202101Hn垂直銳化算法的設(shè)計思想與水平銳化算法相垂直銳化算法的設(shè)計思想與水平銳化算法相同，通過一個可以檢測出垂直方向上的像素同，通過一個可以檢測出垂直方向上的像素值的變化模板來實現(xiàn)。值的變化模板來實現(xiàn)。 數(shù)字圖像處理垂直方向的一階銳化 例題12321212623087612786232690 0 0 000-7-17 400-16-25 500 -17 -22-300 0 0 001*1+2*2+1*3-1*3-2*2-1*8=-7問題：計算結(jié)果中出現(xiàn)了小于零的像素值101202101H數(shù)字圖像處理單方向銳化的后處理n這種銳化算法需要進行后處理，以解決像素這種銳化算法需要進行后處理，以解決像素值為負的問題。值為負的問題。n后處理的方法不同，則所得到的效果也就不后處理的方法不同，則所得到的效果也就不同。同。數(shù)字圖像處理單方向銳化的后處理方法方法1 1：整體加一個正整數(shù)整體加一個正整數(shù)，以保證所有的像，以保證所有的像 素值均為正。素值均為正。( (比如比如+128+128，還有，還有0255255的則視為的則視為255255處理處理) )n這樣做的結(jié)果是：可以獲得這樣做的結(jié)果是：可以獲得類似浮雕類似浮雕的效果。的效果。20 202 0 20202017 7 0202014 7 7202021 32 2520202 0 20 2 0200 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00數(shù)字圖像處理單方向銳化的后處理方法方法2 2：將所有的像素值：將所有的像素值取絕對值取絕對值。n這樣做的結(jié)果是，可以獲得對這樣做的結(jié)果是，可以獲得對邊緣邊緣的有方向提的有方向提取。取。0 0 0 00031320006131300 1 12 500 0 0 000 0 0 000-3-13-2000-6-13-1300 1 12 500 0 0 00數(shù)字圖像處理水平方向銳化，像素負值取絕對值Image_Htest(BYTE *image_in, BYTE *image_out, int xsize, int ysize, int w3)int i,j,buf;for(j=1;jysize-1;j+)for (i=1;ixsize-1;i+)buf=(int)(*(image_in+(j-1)*xsize+i-1)*w00+*(image_in+(j-1)*xsize+i)*w01+*(image_in+(j-1)*xsize+i+1)*w02+*(image_in+j*xsize+i-1)*w10+*(image_in+j*xsize+i)*w11+*(image_in+j*xsize+i+1)*w12+*(image_in+(j+1)*xsize+i-1)*w20+*(image_in+(j+1)*xsize+i)*w21+*(image_in+(j+1)*xsize+i+1)*w22);if (buf255) buf=255;*(image_out+j*xsize+i)=buf;buf+=128;if (buf255) buf=255;數(shù)字圖像處理水平方向銳化，像素負值取絕對值數(shù)字圖像處理水平方向銳化，像素值加一整數(shù)數(shù)字圖像處理垂直方向銳化，像素值加一整數(shù)數(shù)字圖像處理垂直方向銳化，像素負值取絕對值數(shù)字圖像處理交叉銳化，像素值加一整數(shù)數(shù)字圖像處理無方向一階銳化 問題的提出n前面的銳化處理結(jié)果對于人工設(shè)計制造的具有前面的銳化處理結(jié)果對于人工設(shè)計制造的具有矩形特征物體（例如：樓房、漢字等）的邊緣矩形特征物體（例如：樓房、漢字等）的邊緣的提取很有效。但是，對于不規(guī)則形狀（如：的提取很有效。但是，對于不規(guī)則形狀（如：人物人物）的邊緣提取，則存在信息的缺損。）的邊緣提取，則存在信息的缺損。數(shù)字圖像處理無方向一階銳化 設(shè)計思想n為了解決上面的問題，就希望提出對任何方向為了解決上面的問題，就希望提出對任何方向上的邊緣信息均敏感的銳化算法。上的邊緣信息均敏感的銳化算法。n因為這類銳化方法要求對邊緣的方向沒有選擇，因為這類銳化方法要求對邊緣的方向沒有選擇，所有稱為無方向的銳化算法。所有稱為無方向的銳化算法。數(shù)字圖像處理一階微分jfifj)gf(i,數(shù)字圖像處理雙方向一次微分運算，直接以梯度直接以梯度值代替值代替理論基礎(chǔ)：理論基礎(chǔ)：對灰度圖像f在縱方向和橫方向兩個方向進行微分。該算法是同時增強水平和垂直方向的邊緣。利用雙方向一次微分運算，算出梯度后讓梯度值等于該點的灰度值。該算法的數(shù)學(xué)表達式為：G(i,j)=sqrtf(i,j)-f(i,j-1)*f(i,j)-f(i,j-1)+f(i,j)-f(i-1,j)* f(i,j)-f(i-1,j)或Gf(i,j)=| f(i,j)- f(i-1,j)|+| f(i,j)- f(i,j-1)| 數(shù)字圖像處理雙向一階微分，直接梯度運算Image_HVtest(BYTE *image_in, BYTE *image_out, int xsize, int ysize, int h3, int v3)int i,j,fx,fy;for(j=1;jysize-1;j+)for (i=1;iT則(i,j)點為階躍狀邊緣點 255; Gf(i,j)Tg(i,j)= 0; 其它數(shù)字圖像處理數(shù)字圖像處理邊緣檢測 邊緣檢測算子邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，通常也包括方向的確定。 大多數(shù)是基于方向?qū)?shù)模板求卷積的方法。將所有的邊緣模板逐一作用于圖像中的每一個像素，產(chǎn)生最大輸出值的邊緣模板方向,表示該點邊緣的方向，如果所有方向上的邊緣模板接近于零，該點處沒有邊緣；如果所有方向上的邊緣模板輸出值都近似相等，沒有可靠邊緣方向。數(shù)字圖像處理卷積 卷積可以簡單的看成加權(quán)求和的過程。（1）卷積數(shù)字圖像處理本節(jié)介紹的算子有： Roberts邊緣檢測算子； Sobel邊緣檢測算子； Prewitt邊緣檢測算子； LoG_Laplacian高斯-拉普拉斯算子。 數(shù)字圖像處理無方向一階銳化 交叉微分交叉微分算法（交叉微分算法（RobertsRoberts算法算法）計算公式如下：）計算公式如下：( , )|(1,1)( , )|(1, )( ,1)|g i jf ijf i jf ijf i j特點：算法簡單特點：算法簡單100010000 xf010100000yf該算法的算子如下：該算法的算子如下：數(shù)字圖像處理Roberts邊緣檢測算子數(shù)字圖像處理Roberts邊緣檢測算子數(shù)字圖像處理無方向一階銳化 Sobel銳化SobelSobel銳化銳化的計算公式如下：的計算公式如下：101202101xd121000121yd2122),(),(),(jidjidjigyx特點：銳化的邊緣信息較強數(shù)字圖像處理Sobel邊緣檢測算子數(shù)字圖像處理Sobel邊緣檢測算子數(shù)字圖像處理無方向一階銳化 PriwittPriwitt銳化算法銳化算法 PriwittPriwitt銳化算法銳化算法 的計算公式如下：的計算公式如下：2122),(),(),(jidjidjigyx101101101xd111000111yd特點：與Sobel相比，有一定的抗干擾性。圖像效果比較干凈。數(shù)字圖像處理Prewitt邊緣檢測算子數(shù)字圖像處理Prewitt邊緣檢測算子數(shù)字圖像處理一階銳化 幾種方法的效果比較nSobelSobel算法與算法與PriwittPriwitt算法的思路相同，屬于同算法的思路相同，屬于同一類型，因此處理效果基本相同。一類型，因此處理效果基本相同。nRobertsRoberts算法的模板為算法的模板為2 2* *2 2，提取出的信息較，提取出的信息較弱。弱。n單方向銳化經(jīng)過后處理之后，也可以對邊界單方向銳化經(jīng)過后處理之后，也可以對邊界進行增強。進行增強。數(shù)字圖像處理二階微分銳化 問題的提出n從圖像的景物細節(jié)的灰度分布特性可知，從圖像的景物細節(jié)的灰度分布特性可知，有些灰度變化特性一階微分的描述不是很明有些灰度變化特性一階微分的描述不是很明確，為此，采用二階微分能夠更加獲得更豐確，為此，采用二階微分能夠更加獲得更豐富的景物細節(jié)。富的景物細節(jié)。數(shù)字圖像處理二階微分銳化 景物細節(jié)特征對應(yīng)關(guān)系灰度截面一階微分二階微分(a) 階躍形 (b) 細線形 (c) 斜坡漸變形數(shù)字圖像處理二階微分銳化 景物細節(jié)對應(yīng)關(guān)系 1 1）對于突變形的細節(jié)，通過一階微分的極大）對于突變形的細節(jié)，通過一階微分的極大值點，二階微分的過值點，二階微分的過0 0點均可以檢測出來。點均可以檢測出來。 數(shù)字圖像處理二階微分銳化 景物細節(jié)對應(yīng)關(guān)系2 2）對于細線形的細節(jié)，通過一階微分的過）對于細線形的細節(jié)，通過一階微分的過0 0點，點，二階微分的極小值點均可以檢測出來。二階微分的極小值點均可以檢測出來。 數(shù)字圖像處理二階微分銳化 景物細節(jié)對應(yīng)關(guān)系3 3）對于漸變的細節(jié)，一般情況下很難檢測，但二）對于漸變的細節(jié)，一般情況下很難檢測，但二階微分的信息比一階微分的信息略多。階微分的信息比一階微分的信息略多。 數(shù)字圖像處理二階微分銳化 算法推導(dǎo)22222yfxff),1(),(22jifjifxfxx),(),1(),1(),(jifjifjifjif)1,(),(22jifjifyfyy),()1,()1,(),(jifjifjifjif) 1, () 1, (), 1(), 1(), (42jifjifjifjifjiff數(shù)字圖像處理二階微分銳化 Laplacian 算法n由前面的推導(dǎo)，寫成模板系數(shù)形式形式即為由前面的推導(dǎo)，寫成模板系數(shù)形式形式即為LaplacianLaplacian算子：算子：0101410101H數(shù)字圖像處理Image_LaplasSharp(BYTE *image_in, BYTE *image_out, int xsize, int ysize, int w3)int i,j,df;for(j=1;jysize-1;j+)for (i=1;ixsize-1;i+)df=(int)(*(image_in+(j-1)*xsize+i-1)*w00+*(image_in+(j-1)*xsize+i-1)*w01+*(image_in+(j-1)*xsize+i+1)*w02+*(image_in+j*xsize+i-1)*w10+*(image_in+j*xsize+i)*w11+*(image_in+j*xsize+i+1)*w12+*(image_in+(j+1)*xsize+i-1)*w20+*(image_in+(j+1)*xsize+i)*w21+*(image_in+(j+1)*xsize+i+1)*w22);*(image_out+j*xsize+i)=int(abs(df);數(shù)字圖像處理實現(xiàn)效果數(shù)字圖像處理灰度漸變一階sobel算子二階Laplacian算子數(shù)字圖像處理二階微分銳化 Laplacian變形算法n為了改善銳化效果，可以脫離微分的計算原為了改善銳化效果，可以脫離微分的計算原理，在原有的算子基礎(chǔ)上，對模板系數(shù)進行理，在原有的算子基礎(chǔ)上，對模板系數(shù)進行改變，獲得改變，獲得LaplacianLaplacian變形算子如下所示。變形算子如下所示。 1111811112H1212421213H0101510104H示例示例數(shù)字圖像處理二階微分銳化 Laplacian銳化邊緣提取n經(jīng)過經(jīng)過LaplacianLaplacian銳化后，我們來分析幾種變形銳化后，我們來分析幾種變形算子的邊緣提取效果。算子的邊緣提取效果。nH1,H2H1,H2的效果基本相同，的效果基本相同，H3H3的效果最不好，的效果最不好，H4H4最接近原圖。最接近原圖。1111811112H1212421213H0101510104H0101410101H示例示例數(shù)字圖像處理二階微分銳化 Wallis算法n考慮到人的視覺特性中包含一個對數(shù)環(huán)節(jié)，因此考慮到人的視覺特性中包含一個對數(shù)環(huán)節(jié)，因此在銳化時，加入對數(shù)處理的方法來改進。在銳化時，加入對數(shù)處理的方法來改進。) 1, (log) 1, (log), 1(log), 1(log), (log), (41jifjifjifjifssjifjig0101410101H0010041414141H示例示例數(shù)字圖像處理二階微分銳化 Wallis算法n在前面的算法公式中注意以下幾點：在前面的算法公式中注意以下幾點：1 1）為了防止對）為了防止對0 0取對數(shù)，計算時實際上是用取對數(shù)，計算時實際上是用log(f(i,j)+1);log(f(i,j)+1);2 2）因為對數(shù)值很?。┮驗閷?shù)值很小log(256)=5.45,log(256)=5.45,所以計算所以計算 時用時用4646* *log(f(i,j)+1)log(f(i,j)+1)。 （46=255/log(256)46=255/log(256)）數(shù)字圖像處理二階微分銳化 Wallis算法n算法特點：算法特點： WallisWallis算法考慮了人眼視覺特性，因此，與算法考慮了人眼視覺特性，因此，與LaplacianLaplacian等其他算法相比，可以對等其他算法相比，可以對暗區(qū)的細暗區(qū)的細節(jié)節(jié)進行比較好的銳化。進行比較好的銳化。 示例示例數(shù)字圖像處理一階與二階微分的邊緣提取效果比較n以以SobelSobel及及LaplacianLaplacian算法為例進行比較。算法為例進行比較。nSobelSobel算子獲得的邊界是比較粗略的邊界，反映的算子獲得的邊界是比較粗略的邊界，反映的邊界信息較少，但是所反映的邊界比較清晰；邊界信息較少，但是所反映的邊界比較清晰；nLaplacianLaplacian算子獲得的邊界是比較細致的邊界。算子獲得的邊界是比較細致的邊界。反映的邊界信息包括了許多的細節(jié)信息，但是所反映的邊界信息包括了許多的細節(jié)信息，但是所反映的邊界不是太清晰。反映的邊界不是太清晰。數(shù)字圖像處理謝謝大家