图像锐化主要影响图像中的低频分量,不影响图像中的高频分量。
图像锐化的主要目的有两个:
1.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;
2.希望通过锐化处理后,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,进一步的图像理解与分析奠定基础。
图像锐化一般有两种方法:
1.微分法
2.高通滤波法
这里主要介绍一下两种常用的微分锐化方法:梯度锐化和拉普拉斯锐化。
注意:由于锐化使噪声受到比信号还要强的增强,所以要求锐化处理的图像有较高的信噪比;否则,锐化后的图像的信噪比更低。
1.梯度锐化
基本理论
邻域平均法或加权平均法可以平滑图像,反过来利用对应的微分算法可以锐化图像。微分算法是求信号的变化率,有加强高频分量胡作用,从而使图像轮廓清晰。
由于图像模糊胡实质是图像受到平均或积分运算造成的,所以为了把图像中任何方向伸展的边缘肯模糊的轮廓变得清晰,可以对图像进行逆运算如微分运算,从而使图像清晰化。
在图像处理中,一阶微分是通过梯度算法来实现的,对于一幅图像用函数f(x,y)表示,定义在f(x,y)在点(x,y)处的梯度是一个矢量,定义为:
梯度的方向在函数f(x,y)最大变化率的方向上,梯度的幅度G[f(x,y)]可以由以下公式算出:
由上式可知:梯度的数值就是f(x,y)在其最大变化率方向上的单位距离所增加的量。
对于数字图像而言,微分可用差分来近似。因此上式可以写成:
为了便于编程和提高运算速度,在计算精度允许的情况下,可采用绝对差算法近似为:
这种算法又称为水平垂直差分法,另一种梯度算法是交叉的进行查分计算,称为罗伯特梯度法,表示为:
同样可采用绝对差算法近似:
运用上述两种梯度近似算法,在图像的最后一行后最后一列无法计算像素的梯度时,一般用前一行或前一列的梯度值近似代替。
为了不破坏图像背景的前提下更好地增强边缘,也可以对上述直接用梯度值代替灰度值的方法进行改进,可以引入一个阈值来判断是否对某一像素点进行锐化。具体公式如下:
对于图像而言,物体与物体之间,背景与背景之间的梯度变化很小,灰度变化较大的地方一般集中在图像的边缘上,也就是物体和背景交接的地方。当我们设定一个阈值时,G[f(i,j)]大于阈值就认为该像素点处于图像的边缘,对结果加上常数C,以使边缘变亮;而对于G[f(i,j)]不大于阈值就认为该像素点为同类像素,即同为物体或同为背景,常数C的选取可以根据具体的图像特点。这样既增亮了图像的边界,同时又保留了图像背景原来的状态,比传统的梯度锐化具有更好的增强效果和适用性。
另外拉普拉斯算子也可用于图像锐化,这里不再赘述。
算法实现:
******************************************************************************************************************************************
红:数字图像处理视频教程(两部)
{中科院版36讲视频教程 + 电子科大版70讲视频教程(冈萨雷斯 第二版)}
橙:halcon软件、halcon软件手把手教破解视频教程
黄:数字图像模式识别demo(C++编写,在公司也是用C++哦)
绿:halcon软件视频教程、halcon软件在vs2010中配置
青:面向对象C++视频教程
蓝:MFC C++视频教程
紫:海量相关文档资料
http://item.taobao.com/item.htm?spm=a1z10.3.w4002-9510581636.11.VUYzOY&id=43025290175
******************************************************************************************************************************************
/*************************************************************************
* 函数名称:
* GradSharp()
* 参数:
* BYTE bThre - 阈值
* 返回值:
* BOOL - 成功返回TRUE,否则返回FALSE。
* 说明:
* 该函数用来对图像进行梯度锐化,设定梯度锐化的阈值为30
/************************************************************************/
void CImgEnhance::GradSharp(unsigned char Thre)
{
unsigned char* pSrc; // 指向源图像的指针
unsigned char* pDst;
unsigned char* pSrc1;
unsigned char* pSrc2;
LONG i,j; // 循环变量
int bTemp;
if(m_pImgDataOut != NULL)
{
delete []m_pImgDataOut;
m_pImgDataOut = NULL;
}
if(m_nBitCount != 8)
{
AfxMessageBox("只能处理8位灰度图像!");
return ;
}
int lineByte = (m_imgWidth * m_nBitCount / 8 + 3) / 4 * 4;
//创建要复制的图像区域
m_nBitCountOut = m_nBitCount;
int lineByteOut = lineByte;
if (!m_pImgDataOut)
{
m_pImgDataOut = new unsigned char[lineByteOut * m_imgHeight];
}
int pixelByte = m_nBitCountOut / 8; // 此处实际就是1,因为只处理8位图像
for(i = 0; i < m_imgHeight; i++)
{
for(j = 0; j < m_imgWidth * pixelByte; j++)
*(m_pImgDataOut + i * lineByteOut + j) = *(m_pImgData + i * lineByteOut + j);
}
for(i = 0; i < m_imgHeight; i++) // 每行
{
for(j = 0; j < m_imgWidth; j++) // 每列
{
//指向新DIB第i行第j列的像素的指针
pDst = m_pImgDataOut + lineByte * i + j;
// 进行梯度运算
// 指向DIB第i行,第j个象素的指针
pSrc = (unsigned char*)m_pImgData + lineByte * i + j;
// 指向DIB第i+1行,第j个象素的指针
pSrc1 = (unsigned char*)m_pImgData + lineByte * (i+1) + j;
// 指向DIB第i行,第j+1个象素的指针
pSrc2 = (unsigned char*)m_pImgData + lineByte * i + j + 1;
bTemp = abs((*pSrc)-(*pSrc1)) + abs((*pSrc)-(*pSrc2));
// 判断是否小于阈值
if ((bTemp+120) < 255)
{
// 判断是否大于阈值,对于小于情况,灰度值不变。
if (bTemp >= Thre)
{
*pSrc = bTemp + 120;
}
}
else
{
*pSrc = 255;
}
//生成新的DIB像素值
*pDst = *pSrc;
}
}
}