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