[精品]图像锐化处理 - 毕业论文设计说明书

输出窗口位于整个主窗口的下方，主要用于显示代码调试和运行中的相关信息，在这里可以看到编译程序的进展说明、警告以及出错信息；在逐步编译代码时，输出窗口是Visual C++调试程序显示所有变量当前值的地方，当关闭输出窗口后，它会在Visual C++需要显示有关信息时自动打开。

4 工具栏

工具栏也是 IDE 的重要组成部分，主要列出了在代码开发过程中经常用到的一些功能。通常第一次运行Visual C++时，在菜单栏的下面有3 个工具栏，它们分别是：标准工具栏、向导工具栏和调试工具栏。

3.3 本章小结

本章首先对数字图像处理作了一个简单的概述，介绍了数字图像处理的特点、目的及其主要研究的内容，对数字图像处理有一个初步的认识；然后分析了用VC++语言进行软件开发的优势；最后对要使用的集成开发环境VC++6.0 进行了大致的介绍，以便于后面的使用。

17

第四章 算法分析与描述

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。经过平滑处理的图像变得模糊的根本原因是图像受到了平均或积分运算，因此对其进行逆运算（微分运算）就可以使图像变得清晰。为了要把图像中间任何方向延伸的边缘和轮廓线变得清晰，必须选择那些不具备空间方向性的和具有旋转不变的线性微分算子。最基本的一类边缘检测算子是微分类算子。包括： Sobel算子、Robel梯度算子、Prewitt边缘检测算子、Laplacian算子等。

从频率域来考虑，图形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变得清晰。这里介绍3种常用的频域高通滤波器，分别是理想高通滤波器（IHPF）、巴特沃思高通滤波器（BHPE）。

4.1 空域微分锐化方法

图像的模糊相当于图像被平均或被积分，为实现图像的锐化，必须用它的反运算“微分”，加强高频分量的作用，从而使图像轮廓清晰。由于模糊图像的特征（如边沿的走向等）各不相同，要进行锐化，应该采用各向同性、具有旋转不变的线性微分算子。

图像处理中最常用的微分方法是求梯度。对于图像f(x,y),它所

18

在的梯度是一个矢量，定义为

??f???x?f?x,y??????f????y??

Grad点（x,y）梯度的幅度为梯度的模，即

GM?x,y??Grad??f???f?f?x,y?????????x???x?

22对数字图像用微分运算不方便，一般用差分来近似。常用的梯度差分有：

GM?x,y???f?x,y??f?x?1,y????f?x,y??f?x,y?1??2?212?

为了运算简便，可以简化为

GM?x,y??f?x,y??f?x?1,y??f?x,y??f?x,y?1?或者利用Roberts 梯度算子

212GM?x,y???f?x,y??f?x?1,y?1????f?x?1,y??f?x,y?1??2??

Roberts 算子也可以简化为

常用的梯度算子还有Laplacian 算子。Lapalacian 算子是仿效

GM?x,y??f?x,y??f?x?1,y?1??f?x?1,y??f?x,y?1??2?2?22?i?j，它是用二阶差分实现的。 属性上的

?2f?i,j??4f?i,j??f?i?1,j??f?i?1,j??f?i,j?1??f?i.j?1? 用模板算子来表示为：

0?10?14?10?10

也可以推广Laplacian 算子，考虑进对角线方向，这样它就是一个8 邻域的算子，其模板为

?1?1?1?18?1?1?1?1

19

Laplacian 算子有两个缺点，一个是边沿的方向被丢失，另一个是Laplacian 算子为二阶差分，双倍加强了图中的噪声影响。优点是各向同性，即旋转不变。

梯度算子一旦算出后，就可以根据不同的需要生成不同的梯度增强图像。

最简单的就是用该点的梯度幅度代替此点的灰度。此方法的缺点是增强的图像仅仅显示灰度变换比较陡峭的边沿轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。

人们又提出了一些改进的方法，例如

?GM?x,y?GM?x,y??Tg?x,y????f?x,y? 其他

其中T 是一个非负的阈值。适当的选取T，即可使明显的边沿轮廓得到突出，并且不会破坏原来灰度变换比较平缓的背景。

4.1.1拉普拉斯微分算子函数

拉式算子是一个刻画图像灰度的二阶商算子，它是点、线、边界提取算子，亦称为边界提取算子。通常图像和对他实施拉式算子后的结果组合后产生一个锐化图像。拉式算子用来改善因扩散效应的模糊特别有效，因为它符合降制模型。扩散效应是成像过程中经常发生的现象。

最简单的二阶各向同性微分算子是拉普拉斯微分算子，具有旋转不变性。二维图像f（x,y）的拉普拉斯微分算子定义为：

?2f?2f?f?2?2?x?y

220