文章目录
前言一、一阶微分和二阶微分的定义二、一阶微分锐化滤波:梯度1.梯度2.sobel算子及MATLAB代码 二、二阶微分锐化滤波:拉普拉斯算子1.拉普拉斯算子2.拉普拉斯算子MATLAB代码 三、非锐化掩蔽 和 高提升滤波1.非锐化掩蔽 和 高提升滤波2.MATLAB代码 总结前言
锐化滤波的主要目的是突出灰度的过渡部分,比如图像中物体的边缘。
一、一阶微分和二阶微分的定义
一阶微分:
(1)在恒定灰度值得区域一阶微分值为零;
(2)在灰度变化的台阶以及斜坡处一阶微分值非零;
(3)沿着斜坡的一阶微分值非零。
对一维函数,公式定义如下:
∂ f ∂ x = f ( x + 1 ) − f ( x ) , ( 1 ) \frac{\partial{f}}{\partial{x}}=f(x+1)-f(x),(1) ∂x∂f=f(x+1)−f(x),(1)
二阶微分:
(1)在恒定灰度值得区域二阶微分值为零;
(2)在灰度变化的台阶以及斜坡处起点的二阶微分值非零;
(3)沿着斜坡的二阶微分值为零。
公式定义如下:
∂ 2 f ∂ x 2 = f ( x + 1 ) + f ( x − 1 ) − 2 f ( x ) , ( 2 ) \frac{\partial^2{f}}{\partial{x^2}}=f(x+1)+f(x-1)-2f(x),(2) ∂x2∂2f=f(x+1)+f(x−1)−2f(x),(2)
具体如下图
图来自《数字图像处理》
二、一阶微分锐化滤波:梯度
1.梯度
图像中将一阶微分用梯度幅值定义,在坐标(x,y)处点的梯度定义为一个二维列向量:
∇ f ≡ g r a d ( f ) ≡ [ g x g y ] ≡ [ ∂ f ∂ x ∂ f ∂ y ] , ( 3 ) \nabla{f}\equiv grad(f) \equiv \left[ \begin{array}{cc} g_x\\ g_y \end{array} \right] \equiv \left[ \begin{array}{cc} \frac{\partial{f}}{\partial{x}}\\ \frac{\partial{f}}{\partial{y}} \end{array} \right],(3) ∇f≡grad(f)≡[gxgy]≡[∂x∂f∂y∂f],(3)
然后定义图像对应的梯度图像M(x,y),M(x,y)中的值为 ∇ f \nabla{f} ∇f的幅度值(长度):
M ( x , y ) = m a g ( ∇ f ) = g x 2 + g y 2 , ( 4 ) M(x,y)=mag(\nabla{f})=\sqrt{g_x^2+g_y^2},(4) M(x,y)=mag(∇f)=gx2+gy2 ,(4)
或者
M ( x , y ) = m a g ( ∇ f ) = ∣ g x ∣ + ∣ g y ∣ , ( 5 ) M(x,y)=mag(\nabla{f})=|g_x|+|g_y|,(5) M(x,y)=mag(∇f)=∣gx∣+∣gy∣,(5)
由第一节的一阶微分定义:
当处于灰度值不变的区域中时, g x g_x gx和 g y g_y gy都是0,则梯度图像对应位置的灰度值大小也为0;
当处于沿x变化的过渡点时, g x g_x gx非零, g y g_y gy为零,则梯度图像在对应位置的大小为 ∣ g x ∣ |g_x| ∣gx∣;
同理可推其他情况。
2.sobel算子及MATLAB代码
sobel算子如下:
分别为 g x g_x gx和 g y g_y gy的计算窗口
注: 教材中的坐标轴规定如下
以图像左上角为原点,x轴向下,y轴向右。
以3×3模板为例:
f ( x − 1 , y − 1 ) f ( x − 1 , y ) f ( x − 1 , y + 1 ) f ( x , y − 1 ) f ( x , y ) f ( x , y + 1 ) f ( x + 1 , y − 1 ) f ( x + 1 , y ) f ( x + 1 , y + 1 ) \begin{matrix} f(x-1,y-1) & f(x-1,y)& f(x-1,y+1) \\ f(x,y-1) & f(x,y) & f(x,y+1) \\ f(x+1,y-1)& f(x+1,y) & f(x+1,y+1) \\ \end{matrix} f(x−1,y−1)f(x,y−1)f(x+1,y−1)f(x−1,y)f(x,y)f(x+1,y)f(x−1,y+1)f(x,y+1)f(x+1,y+1)
g x g_x gx和 g y g_y gy的计算公式分别为为:
g x = ∂ f ∂ x = [ f ( x + 1 , y − 1 ) + 2 f ( x + 1 , y ) + f ( x + 1 , y + 1 ) ] − [ f ( x − 1 , y − 1 ) + 2 f ( x − 1 , y ) + f ( x − 1 , y + 1 ) ] g_x=\frac{\partial{f}}{\partial{x}}=[f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)] gx=∂x∂f=[f(x+1,y−1)+2f(x+1,y)+f(x+1,y+1)]−[f(x−1,y−1)+2f(x−1,y)+f(x−1,y+1)]
g y = ∂ f ∂ y = [ f ( x − 1 , y + 1 ) + 2 f ( x , y + 1 ) + f ( x + 1 , y + 1 ) ] − [ f ( x − 1 , y − 1 ) + 2 f ( x , y − 1 ) + f ( x + 1 , y − 1 ) ] g_y=\frac{\partial{f}}{\partial{y}}=[f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)]-[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)] gy=∂y∂f=[f(x−1,y+1)+2f(x,y+1)+f(x+1,y+1)]−[f(x−1,y−1)+2f(x,y−1)+f(x+1,y−1)]
则M(x,y)=| g x g_x gx|+| g y g_y gy|=…
MATLAB代码如下
clc;clear;close allim1=imread('1.jpg'); %读取图像:彩色图figureimshow(im1)im2=rgb2gray(im1); %获得灰度图figureimshow(im2)f = padarray(im2,[1,1],'symmetric','both');%此处是对原图矩阵扩充,因为处理窗口为3×3,%要使图像最外层像素得到处理,则需要四边都向外面扩充一排,此处使用镜面扩充[m,n]=size(f);%获取矩阵大小M=zeros(size(f));%提前定义梯度图像M,有利于提高运算速度for x=2:m-1for y=2:n-1gx=(f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)) - (f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1));gy=(f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)) - (f(x-1,y-1)+2*f(x,y-1)+f(x+1,y-1));%使用上面的公式计算gx,gy。其他算子类似。M(x,y)=abs(gx)+abs(gy);endendM=M(2:m-1,2:n-1);%去掉扩充的行列figureimshow(M)
二、二阶微分锐化滤波:拉普拉斯算子
1.拉普拉斯算子
与一阶微分相似,拉普拉斯对应的计算公式如下图:
图片来自数字图像处理
拉普拉斯算子模板如下:
2.拉普拉斯算子MATLAB代码
以上图最左边模板为例:
clc;clear;close allim1=imread('1.jpg'); %读取图像:彩色图figureimshow(im1)im2=rgb2gray(im1); %获得灰度图figureimshow(im2)f = padarray(im2,[1,1],'symmetric','both');%此处是对原图矩阵扩充,因为处理窗口为3×3,%要使图像最外层像素得到处理,则需要四边都向外面扩充一排,此处使用镜面扩充[m,n]=size(f);%获取矩阵大小M=zeros(size(f));%提前定义梯度图像M,有利于提高运算速度for x=2:m-1for y=2:n-1M(x,y)=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4*f(x,y);%以3.6-6的公式计算,其他算子模板类似endendM=M(2:m-1,2:n-1);%去掉扩充的行列figureimshow(M)
三、非锐化掩蔽 和 高提升滤波
1.非锐化掩蔽 和 高提升滤波
非锐化掩蔽:从原图减去一个非锐化(平滑过的)图像。
步骤如下:
(1)模糊原图像(比如平滑滤波);
(2)原图减去模糊图像,得到的差值图像成为模板;
(3)将模板加到原图像上得到锐化图像。
公式如下:
g m a s k ( x , y ) = f ( x , y ) − f ′ ( x , y ) g_{mask}(x,y)=f(x,y)-f'(x,y) gmask(x,y)=f(x,y)−f′(x,y)
其中f(x,y)为原图,f’(x,y)为模糊图像, g m a s k ( x , y ) g_{mask}(x,y) gmask(x,y)为模板
则锐化图像g(x,y):
g ( x , y ) = f ( x , y ) + k ∗ g m a s k ( x , y ) g(x,y)=f(x,y)+k*g_{mask}(x,y) g(x,y)=f(x,y)+k∗gmask(x,y)
其中k为权重(>0),当k>1时成为高提升滤波,当k<1时则不强调模板的贡献
2.MATLAB代码
模糊方法以高斯模糊为例
clc;clear;close allim1=imread('1.jpg'); %读取图像:彩色图figureimshow(im1)im2=rgb2gray(im1); %获得灰度图figureimshow(im2)w=fspecial('gaussian',[5 5],5);im3=imfilter(im2,w); %高斯模糊,也可以使用其他平滑算法figureimshow(im3);g=im2-im3; %模板im4=im2+g; %锐化图像figureimshow(im4)
总结
MATLAB代码经MATLAB Ra实现。
数字图像处理学习笔记4:图像增强之空间滤波2(一阶微分锐化滤波(梯度) 二阶微分锐化(拉普拉斯) 非锐化掩蔽)