sobel銳化 - yirui wu

第六章 圖像銳化 圖像銳化的概念 圖像銳化的目的是加強圖像中景物的細節邊緣和輪廓。 銳化的作用是使灰度反差增強。 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是基于微分作用。 圖像銳化方法 圖像的景物細節特征； 一階微分銳化方法； 二階銳化微分方法； 一階、二階微分銳化方法效果比較。 圖像細節的灰度變化特性 圖像細節的灰度變化微分特性 圖像細節的灰度變化微分特性 一階微分銳化 —— 基本原理 一階微分的計算公式非常簡單： 一階微分銳化 單方向的一階銳化 —— 基本原理 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。 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方向與垂直方向上的銳化。 水平方向的一階銳化 —— 基本方法 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實現。 水平方向的一階銳化 —— 例題 垂直方向的一階銳化 —— 基本方法 垂直銳化算法的設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值的變化模板來實現。 垂直方向的一階銳化 —— 例題 單方向銳化的后處理 這種銳化算法需要進行后處理，以解決像素值為負的問題。 后處理的方法不同，則所得到的效果也就不同。 單方向銳化的后處理 方法1：整體加一個正整數，以保證所有的像 素值均為正。 這樣做的結果是：可以獲得類似浮雕的效果。 單方向銳化的后處理 方法2：將所有的像素值取絕對值。 這樣做的結果是，可以獲得對邊緣的有方向提取。 無方向一階銳化 —— 問題的提出 前面的銳化處理結果對于人工設計制造的具有矩形特征物體(例如：樓房、漢字等)的邊緣的提取很有效。但是，對于不規則形狀(如：人物)的邊緣提取，則存在信息的缺損。 無方向一階銳化 —— 設計思想 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。 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。 無方向一階銳化 —— 交叉微分 交叉微分算法(Roberts算法)計算公式如下： 無方向一階銳化 —— Sobel銳化 Sobel銳化的計算公式如下： 無方向一階銳化 —— Priwitt銳化算法 Priwitt銳化算法 的計算公式如下： 一階銳化 —— 幾種方法的效果比較 Sobel算法與Priwitt算法的思路相同，屬于同一類型，因此處理效果基本相同。 Roberts算法的模板為2*2，提取出的信息較弱。 單方向銳化經過后處理之后，也可以對邊界進行增強。 二階微分銳化 ——問題的提出 二階微分銳化 —— 景物細節特征對應關系 二階微分銳化 —— 景物細節特征對應關系 二階微分銳化 —— 景物細節特征對應關系 二階微分銳化 —— 景物細節對應關系 1)對于突變形的細節，通過一階微分的極大值點，二階微分的過0點均可以檢測出來。 二階微分銳化 —— 景物細節對應關系 2)對于細線形的細節，通過一階微分的過0點，二階微分的極小值點均可以檢測出來。 二階微分銳化 —— 景物細節對應關系 3)對于漸變的細節，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。 二階微分銳化 —— 算法推導 二階微分銳化 —— Laplacian 算法 由前面的推導，寫成模板系數形式形式即為Laplacian算子： 二階微分銳化 —— Laplacian變形算法 為了改善銳化效果，可以脫離微分的計算原理，在原有的算子基礎上，對模板系數進行改變，獲得Laplacian變形算子如下所示。 二階微分銳化 —— Laplacian銳化邊緣提取 經過Laplacian銳化后，我們來分析幾種變形算子的邊緣提取效果。 H1,H2的效果基本相同，H3的效果最不好，H4最接近原圖。 二階微分銳化 —— Wallis算法 考慮到人的