05 计算机视觉—图像锐化

主要介绍了图像的景物细节特征、一阶微分锐化方法、二阶微分锐化方法以及一阶、二阶微分锐化方法效果比较。具体介绍了相关数学公式、一阶微分锐化算子、几种一阶锐化效果的比较、二阶微分锐化的算法推导、Laplacian变形算法、Wallis算法等等。
展开查看详情

1.成果展示 第六章 图像锐化 巫义锐 河海大学 计算机与信息学院

2. 典型试题 增对于图像的 椒盐噪声 , 下列 哪一个滤波器能得到较好的去噪结果? A . 中值滤波器 B . 均值 滤波器 C . 高通滤波器 D . 加权均值滤波器

3. 典型试题 增对于图像的 椒盐噪声 , 下列 哪一个滤波器能得到较好的去噪结果? A . 中值滤波器 B . 均值 滤波器 C . 高通滤波器 D . 加权均值滤波器

4. 本章提纲 图像的景物细节特征 一阶微分锐化方法 二阶微分锐化方法 一阶、二阶微分锐化方法效果比较

5. 目的:使灰度反差 增强 ,加强图像中景物的细节边缘和轮廓。 因为边缘和轮廓都位于 灰度突变 的地方,所以锐化算法的实现基于 微分 作用。 图像锐化的概念

6.图像细节的灰度变化特性 扫描线 灰度渐变 孤立点 细线 灰度跃变 图像细节的灰度分布特性 平坦段

7.图像细节的灰度变化微分特性 一阶微分曲线 灰度渐变 孤立点 细线 灰度跃变 图像细节的灰度分布特性 平坦段

8.图像细节的灰度变化微分特性 二阶微分曲线 一阶微分曲线

9.图像细节的灰度变化微分特性 二阶微分曲线 一阶微分曲线

10.一阶微分锐化:基本原理 一阶微分的计算公式非常简单: 离散化之后的差分方程: 考虑到图像的拓扑结构性,大量连续公式都需经 离散化 使用。

11.一阶微分锐化算子 单方向一阶微分锐化 无方向一阶微分锐化 • 交叉微分锐化 • Sobel 锐化 • Prewitt 锐化

12.单方向的一阶锐化:基本原理 定义:对某个特定方向上的边缘信息进行增强。 单方向锐化实际上是包括 水平方向 与 垂直方向 上的锐化。

13.水平方向的一阶锐化:基本方法 水平方向的锐化,通过可以检测出水平方向上像素值变化的 模板 来实现。

14.水平方向的一阶锐化:例题 1 2 3 2 1 2 1 2 6 2 3 0 8 7 6 1 2 7 8 6 2 3 2 6 9 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0 1*1+2*2+1*3-1*3-2*0-1*8=-3

15.垂直方向的一阶锐化:基本方法 垂直锐化算法的设计思想与水平锐化算法相同。

16.垂直方向的一阶锐化:例题 1 2 3 2 1 2 1 2 6 2 3 0 8 7 6 1 2 7 8 6 2 3 2 6 9 0 0 0 0 0 0 -7 -17 4 0 0 -16 -25 5 0 0 -17 -22 -3 0 0 0 0 0 0 1*1+2*2+1*3-1*3-2*2-1*8=-7

17.单方向锐化的后处理 此类锐化算法需进行后处理,以解决像素值为负的问题。 后处理的方法不同,则所得到的效果也就不同。

18.单方向锐化的后处理:方法 1 方法 1 : 整体加一个正整数 ,以保证所有的像素值均为正。可以获得类似 浮雕 的效果。 20 20 20 20 20 20 17 7 0 20 20 14 7 7 20 20 21 32 25 20 20 20 20 20 20 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0

19.水平浮雕效果

20.垂直浮雕效果

21.单方向锐化的后处理:方法 2 方法 2 :将所有的像素值取 绝对值 。可以获得对边缘的 有方向提取 。 0 0 0 0 0 0 3 13 20 0 0 6 13 13 0 0 1 12 5 0 0 0 0 0 0 0 0 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 0 0 0 0 0

22.水平边缘的提取效果

23.垂直边缘的提取效果

24.无方向一阶锐化:问题的提出 有方向一阶锐化对于人工设计制造的具有 矩形 特征物体(例如:楼房、汉字等)的边缘的提取很有效。 对于 不规则形状 (如:人物)的边缘提取,则存在信息的缺损。

25.非矩形目标物的单方向锐化

26.无方向一阶锐化:设计思想 为了解决上述问题,希望提出对任何方向边缘信息均 敏感 的锐化算法,即无方向的锐化算法。

27.无方向一阶锐化:设计思想 为了解决上述问题,希望提出对任何方向边缘信息均 敏感 的锐化算法,即无方向的锐化算法。

28.无方向一阶锐化:交叉微分 交叉微分算法( Roberts 算法)计算公式如下:

29.交叉锐化效果图例 1