图象锐化.ppt

已知一幅10×10的灰度图像，灰度级 为0，1/3，2/3，1共4级，令r(i)表示灰度级i的像素个数，则r(0)=40， r(1/3)=10， r(2/3)=10， r(1)=40。 请画出该图像的直方图，直方图均衡化的映射函数图和均衡化后的直方图。 高频加强滤波 微分法 梯度 反锐化掩模法 3.3.2 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 微分法 Terms Image sharpening: 图象锐化 Contour: 轮廓 Edge: 边界，边缘 Boundary:边界 Deblurring: 去模糊 High frequency enhancement filter: 高频加强滤波器 Terms Differentiation: 微分 Gradient vector: 梯度向量 Gradient magnitude: 梯度值，梯度 Background: 背景 Object: 物体 Scene: 景物，场景 Unsharp masking: 反锐化掩模 Terms Overshoot: 过冲 Ring: 振铃 Step function: 阶跃函数 Unit step function: 单位阶跃函数 Rectangular pulse: 矩形脉冲 Triangular pulse: 三角形脉冲 Gaussian function: 高斯函数 Terms Impulse: 冲激函数 Dirac delta function: 狄拉克?函数 LB：指定的背景灰度值。 （4）轮廓保留，背景取单一灰度值。 查找边缘 LG：指定的轮廓灰度值。 LB：指定的背景灰度值。 （5）轮廓、背景分别取单一灰度值，即二值化。只对轮廓感兴趣。 实 例 Robert算子 T=0.04 查找边缘 查找边缘 查找边缘 照亮边缘 照亮边缘 照亮边缘 照亮边缘 * * 小测验1 图象锐化 图象经转换或传输后，质量可能下降，难免有些模糊。 图象锐化目的：加强图象轮廓，使图象看起来比较清晰。 图象锐化 几种常见的高通滤波器 （1）理想高通滤波器 理想高通滤波器转移函数三维图 理想高通滤波器转移函数剖面图 （2）巴特沃思高通滤波器 3阶巴特沃思高通滤波器转移函数三维图 3阶巴特沃思高通滤波器转移函数剖面图 （3）指数形高通滤波器 3阶指数形高通滤波器转移函数三维图 3阶指数形高通滤波器转移函数剖面图 （4）梯形高通滤波器 梯形高通滤波器转移函数三维图 梯形高通滤波器转移函数剖面图 D1 D0 考察正弦函数 ，它的微分 。微分后频率不变，幅度上升2πa倍。 空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图象轮廓变清晰。 最常用的微分方法是梯度法。设图象函数为f (x,y)，它的梯度 (Gradient)是一个向量，定义为： 在(x,y)点处的梯度，方向是f (x,y)在这点变化率最大的方向，而其长度（记G[f (x,y)]）则等于f (x,y) 的最大变化率，即 为方便起见，以后把梯度长度也简称为梯度。 对数字图象，用差分来近似微分。 两种常用差分算法 （1）典型梯度算法 （2）Roberts梯度算法 Roberts梯度算法 典型梯度算法 上述二算法运算较费时。为更适合计算机实现，采用绝对差分算法： 及 微分法在Matlab中的实现-方法1 function G = Gradient1(I,type) % I – 输入，type-类型(1-General,2-Roberts)，G-输出 [M,N] = size(I); G = zeros(M,N); for i=1:M-1 for j=1:N-1 if type == 1 T1= I(i+1,j); T2 = I(i,j+1); G(i,j) = abs(I(i,j) – T1) + abs(I(i,j) – T2); else T1= I(i+1,j+1); T2 = I(i+1,j); T3 = I(i,j+1); G(i,j) = abs(I(i,j) – T1) + abs(T2– T3); end; end; end; 注：对NxN数字图象，不可能在最后一行(x=N)和最后一列(y=N)象素上计算梯度值。一种补救办法：用前一行(x=N