2024年6月2日发(作者：)
图像锐化处理实验报告
图像锐化处理实验报告
一．实验目的
学会用Matlab中的函数对输入图像按实验内容对图像进行锐化，
感受各种不同的图像处理方法对最终图像效果的影响，最后进行综合
练习。
二．实验内容
1.仔细阅读Matlab帮助文件中有关以下函数的使用说明，主要有
imfilter、fspecial、imadjust等。
2.使用imfilter函数分别采用Sobel，Laplacian算子对
图像作锐化运算，显示运算前后的图像。算子输入方法(两种方法都
做)：
(1)用fspecial函数产生（fspecial仅能产生垂直方向sobel算子，
产生Laplacian算子时alpha参数选择0）。
(2)直接输入
Sobel算子形式为
121
101
d
x
000
（水平Sobel）
d
y
202
（垂直Sobel）
121
101
Laplacian算子形式为
010
141
。
010
对于Sobel算子，采用
d
x
2
d
y
2
生成图像；对于Laplacian算子，
直接采用计算结果作为锐化后图像。
3.将图像文件读入Matlab，按照以下步骤对其进行处理：
(1)用带对角线的Laplacian对其处理，以增强边缘。
111
对角线Laplacian算子为
181
。
111
(2)将（1）结果叠加到原始图像上。可以看出噪声增强了(Laplacian
算子对噪声敏感)，应想办法降低。
(3)获取Sobel图像并用imfilter对其进行5×5邻域平均，以减少噪声
(4)获取2)和3)相乘图像，噪声得以减少。
(5)将（4）结果叠加到原始图像上。
(6)最后用imadjust函数对5)结果做幂指数为0.2的灰度变换。
4.编写Roberts梯度锐化函数。Roberts梯度为
G[f(x,y)]|f(x,y)f(x1,y1)||f(x1,y)f(x,y1)|
锐化图像的形成以下式为准，
L
G
G[f(x,y)]T
g(x,y)
L
B
otherwise
L
G
=255，L
B
=0，门限T适当选择，输入参数为待锐化图像和设定的门
限，输出为锐化后图像，读入图像进行验证，显示图像时给出
选择的门限值。
三．实验结果与分析
1.采用sobel算子和Laplacian算子对图像锐化
（1）采用sobel算子变换后
间接产生sobel算子 直接产生sobel算子
（2）采用Laplacian算子变换后
间接产生Laplacian算子 间接产生Laplacian算子
2. 综合采用sobel算子和Laplacian算子对图像锐化
（1）Laplacian算子
通过3中（1）（2）中方法处理，可以看出虽然取得一定的效果，图像
边缘轮廓加强，增强了灰度变换处的对比度，细节较为突出，但是噪声还
是比较多，没有怎么滤除干净。
图一 图二
图三 图四
将原图像通过获取Sobel图像进行5×5邻域平均（如图一），
然后获取（2）和（3）相乘图像（如图二），噪声得以减少，将（4）
结果叠加到原始图像上（如图三），最后对（5）结果做幂指数为0.2
的灰度变换（如图四）。
Sobel算子利用像素的左、右、上、下邻域的灰度加权算法，根
据边缘点处达到极值的原理进行边缘检测。根据图像可以看出，该
方法产生了较好的检测效果，可以很清晰的看到边缘轮廓的增强。
然后再通过叠加和灰度变换，得到更加清晰的图像。
3. 编写Roberts梯度锐化函数
原图 Roberts梯度锐化 门限值为7
用该方法很简单，由图可以看出，该方法对噪声敏感，出来的图像噪
声还是很大，但是在一定程度上增强了目标的边界，也保留了图像背景的
原有状态，所以一般用于不含噪声的图像边缘点检测。
四．实验结论
通过对数字图像进行锐化处理，可以增强图像的边缘，使模糊的图
像变得清晰起来，而以上几种方法都能很好的将图像的边缘变得清晰，但
是要在不影响图像整体效果的情况下还是比较困难。综上所述，根据不同
的情况可以需要选用不同的方法。例如图像中有噪声时，使用Robel算子
比较适合；图像中没有噪声时，用Laplacian算子来达到细节增强的目的，
而用Roberts梯度算法来增强目标的边界。这样通过几种方式的优势叠加，
就可以更好的处理好图像。
发布评论