基于数字图像处理技术的图像锐化处理分析.docxVIP

基于数字图像处理技术的图像锐化处理分析一、概述数字图像处理(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，当时的电子计算机己经发展到一定水平，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，以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，常用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、机器人视觉、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目、前景远大的新型学科。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，数字图像处理向更局、更深层次发展。在数字图像处理中，图像经转换或传输后，质量可能下降，难免有些模糊。另外，图像平滑在降低噪声的同时也造成目标的轮廓不清晰和线条不鲜明，使目标的图像特征提取、识别、跟踪等难以进行，这一点可以利用图像锐化来增强。图像锐化的主要目的有两个:一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像。二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分奠定定基础。图像锐化一般有两种方法:一是微分法，二是高通滤波法。二、图像锐化的概念在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。三、锐化处理原理1、微分运算锐化从灰度变换曲线上可以得到，画面逐渐由亮变暗时，其灰度值的变换是斜坡变化；当出现孤立点，一般是噪声点，其灰度值的变化是一个突起的尖峰；若进入平缓变化的区域，则其灰度变化为一个平坦段;如果图像出现一条细线，则其灰度变化是一个比孤立点略显平缓的尖峰；当图像由黑突变到亮，则其灰度变化是一个阶跃。通过分析，我们可知，图像中的细节是指画面的灰度变化情况，因此我们如果要对图像进行锐化，保留其细节信息，就可采用微分算子来描述这种数据变化，从而达到锐化的目的。微分法也是空域锐化的基本方法。微分运算是求信号的变化率，由傅立叶变换的微分性质可知，微分运算具有较强高频分量作用。实际应用中，我们常采用一阶微分运算和二阶微分运算来对图像进行锐化。二阶微分一般指拉普拉斯算子。拉普拉斯锐化法是属于常用的微分锐化法。1.1一阶微分运算一阶微分主要指梯度模运算，图像的梯度模值包含了边界及细节信息。梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。图像在点处的梯度定义为一个二维列矢量：公式1梯度的幅值即模值，为：公式2梯度的方向在最大变化率方向上，方向角可表示为：公式3对于离散函数，也有相应的概念和公式，只是用差分代替微分。差分可取为后向差分，前向差分或前向差分。在x，y方向上的一阶后向差分分别定义为：公式4公式5梯度定义为：公式6其模和方向分别为：公式7公式8在不引起歧义时，为了方便，一般将梯度矢量的模值简称为梯度。实用中，梯度模还有很多近似式，此处不加列举。对图像f施用梯度模算子，便可产生所谓的梯度图像g，g与f像素之间的关系是公式9 式中G为梯度模算子。由于梯度图像g反映了图像f的灰度变化分布信息，因此对其进行某种适当的处理和变换，或将变换后的梯度图像和原图像组合作为f锐化后的图像。1.2二阶微分运算二阶微分一般指拉氏算子。拉氏算子是一个刻画图像变化的二阶微分算子。它是线性算子，具有各向同步性和位移不变性。拉氏算子是点、线、边界提取算子。通常图像和对它实施拉氏算子后的结果组合后产生一个锐化图像。拉氏算子（1）基于拉氏算子的图像锐化原理拉普拉斯算子是最简单的各向同性微分算子，具有旋