【正文】 or j=2:W1 J(i,j)=abs(M(i,j)M(i1,j))+abs(M(i,j)M(i+1,j))+abs(M(i,j)M(i,j1))+abs(M(i,j)M(i,j+1))。 [H,W]=size(I)。 I=imnoise(I1,39。)。 subplot(1,3,3)。imshow(uint8(N))。title(39。 end。 J(i,j)=max(J(i,j),K(i,j))。 if(J(i,j)200) N(i,j)=255。 J=M。C:\Users\Administrator\Desktop\39。title(39。title(39。prewitt 算子檢測(cè) 39。)。 subplot(2,3,3)。 imshow(B1)。title(39。canny39。 B4=edge(I,39。,)。roberts39。salt amp。 附錄三： 各算子對(duì)加入椒鹽噪聲的圖像處理對(duì)比： I1=imread(39。 imshow(B5)。 imshow(B4)。title(39。sobel 算子檢測(cè) 39。)。 subplot(2,3,2)。 imshow(I)。 B5=edge(I,39。,)。sobel39。 B1=edge(I,39。)。canny 算子檢測(cè) 39。Laplacian 算子檢測(cè) 39。)。 subplot(2,3,4)。 imshow(B2)。title(39。原圖 39。,)。log39。 B3=edge(I,39。,)。C:\Users\Administrator\Desktop\39。至于閥值，由以上的檢測(cè)可以發(fā)現(xiàn)，當(dāng)閥值大于5 色階的時(shí)候，圖像的平滑過(guò)渡區(qū)域已經(jīng)很好地被保護(hù)起來(lái)了（純色區(qū)域就更加不成問(wèn)題），所以一般將閥值設(shè)置為 5 色階以下是合理的。如果沒(méi)有閥值的保護(hù)，皮膚上哪怕是細(xì)小的毛孔和瑕疵，都會(huì)在 USM 銳化濾鏡的作用下原形畢露。如果為了增強(qiáng)圖像邊緣，卻又破壞了圖像的平滑區(qū)域，可謂顧此失彼。而右圖，雖然也進(jìn)行了相同數(shù)量的銳化，但圖像平滑過(guò)渡的區(qū)域卻沒(méi)有出現(xiàn)破壞，保留完好。例如，閥值 15 色階，含義是只有邊緣像素相差 15 個(gè)色階以上，該邊緣才會(huì)被識(shí)別為邊緣。 數(shù)字圖像邊緣增強(qiáng) 30 閥值 閥值可能就不是一個(gè)很好理解的一個(gè)概念，與我們的主觀(guān)意識(shí)相反，當(dāng)閥值的數(shù)值設(shè)置得越大的時(shí)候，銳化效果反而會(huì)越小。 數(shù)字圖像邊緣增強(qiáng) 29 實(shí)例測(cè)試 ：對(duì)拍攝于康有為廣場(chǎng)的圖片分別執(zhí)行（數(shù) 量 100，半徑 像素，閥值 ），（數(shù)量 100，半徑 像素，閥值 ），（數(shù)量 100，半徑 像素，閥值 ），（數(shù)量 100，半徑 像素，閥值 ）的 USM 銳化，觀(guān)察圖片的變化，并且截取康有為像的細(xì)節(jié)進(jìn)行對(duì)比，得到 47。為什么呢？因?yàn)閳D像邊緣增強(qiáng)的本意就是加強(qiáng)圖像邊緣的灰度對(duì)比，如果設(shè)置過(guò)大半徑，就會(huì)在圖像邊緣上形成巨大的暈輪，圖像的邊緣不僅僅不能得到增強(qiáng)，反而會(huì)被巨大的黑白暈輪喧賓奪主。 圖 47 圖 48 對(duì)圖像執(zhí)行數(shù)量 200，半徑 像素， 對(duì)圖像執(zhí)行數(shù)量 200，半徑 像素， 閥值 3 色階的銳化 閥值 3 色階的銳化 數(shù)字圖像邊緣增強(qiáng) 28 圖 49 圖 410 對(duì)圖像執(zhí)行數(shù)量 200，半徑 像素， 對(duì)圖像執(zhí)行數(shù)量 200，半徑 像素， 閥值 3 色階的銳化 閥值 3 色階的銳化 由以上實(shí)例檢測(cè)不難看出半徑在數(shù)字圖像邊緣增強(qiáng)中所包含的意思。觀(guān)察圖片的變化，并且截取康有為像的細(xì)節(jié)進(jìn)行對(duì)比，得到圖 46。圖像銳化的原理便是通過(guò)增加圖像邊緣的反差，來(lái)使得圖像看起來(lái)更加清晰，細(xì)節(jié)豐富。 閥值 滑塊 決定一個(gè)像素與在被當(dāng)成一個(gè)邊界像素并被濾鏡銳化之前其周?chē)鷧^(qū)域必須具有的差別?？偟膩?lái)說(shuō) ,USM 銳化善于邊緣高對(duì)比度的銳化 ,對(duì)于中間層次效果不佳 ,一旦銳化過(guò)度 ,容易出現(xiàn)輪廓白邊。這項(xiàng)技術(shù)運(yùn)用翻拍負(fù)片來(lái)做蒙版，正是這種因失焦而不清晰的蒙版提高了以負(fù)片印放照片的清晰度。在這種情況下，智能銳化濾鏡很好地發(fā)揮到自己的作用，保護(hù)圖像中的高光和暗部區(qū)域。 數(shù)字圖像邊緣增強(qiáng) 22 第四章 Photoshop 中銳化工具使用探索 Photoshop 中常用的銳化工具 Photoshop 的銳化濾鏡一共有 5 個(gè) ,分別是 USM 銳化、進(jìn)一步銳化、銳化、銳化邊緣和智能銳化。(L(i,j)+L(i+1,j+1)+L(i+2,j+2))3 數(shù)字圖像邊緣增強(qiáng) 21 它的作用是分別判斷水平方向，豎直方向和 45度角方向的三個(gè) 像素是否都為白點(diǎn)，如果是，即這三個(gè)點(diǎn)連成了一條線(xiàn)，這很可能是正確的邊緣，則該點(diǎn)不能再被判斷為高斯噪點(diǎn)，以此達(dá)到保護(hù)邊緣的目的。(L(i,j)+L(i+1,j)+L(i+2,j))3amp。對(duì)圖像臺(tái)階處的進(jìn)行截取，再進(jìn)行觀(guān)察： 圖 312 加入降噪算法處理結(jié)果（高斯噪聲） 可以看到，雖然高斯噪聲被移除了，但圖像中很多細(xì)小的線(xiàn)邊緣也被錯(cuò)誤地去除了。因此我們可以嘗試在檢測(cè)邊緣后再對(duì)噪聲進(jìn)行移除。 K(i,j)=median(ab)。 abs(f(i,j1)f(i,j))20 amp。 abs(f(i1,j)f(i,j))20 amp。下面以除去照片中的椒鹽噪聲為例。 對(duì)該圖像加入高斯噪聲，繼續(xù)用兩種算法進(jìn)行對(duì)比，截取建筑部分觀(guān)察： 圖 39 四方向 Sobel 與八方向 Sobel 測(cè)試結(jié)果對(duì)比（加高斯噪聲） 可以觀(guān)察到相對(duì)于四方向 Sobel 算子，八方向 Sobel 算子在對(duì)邊緣檢測(cè)更加準(zhǔn)確的同時(shí)，也會(huì)帶來(lái)對(duì)噪聲響應(yīng)更加明顯的問(wèn)題。 Sobel 算子是其中性能比較均衡的一種算法。 算法復(fù)雜，運(yùn)算量大 表 36 各種算子優(yōu)缺點(diǎn)總結(jié) 數(shù)字圖像邊緣增強(qiáng) 17 基于 Sobel 算子的算法優(yōu)化 八方向 Sobel 算子 Roberts 算子是 22?算子，對(duì)具有陡峭的低噪聲圖像響應(yīng)好，但是邊緣檢測(cè)比較粗糙。 各種算子優(yōu)缺點(diǎn)總結(jié) 邊緣檢測(cè)算子 實(shí)現(xiàn)原理 特性 優(yōu)點(diǎn) 不足 Roberts 算子 使用 Roberts近似倒數(shù)尋找邊緣（一階微分） 利用 3*3 模板，計(jì)算圖像的兩個(gè)對(duì)角線(xiàn)的相鄰像素點(diǎn)之差進(jìn)行梯度幅值的檢測(cè) 算法簡(jiǎn)單，運(yùn)算量小，對(duì)反差大且細(xì)節(jié)少的圖像也會(huì)有很好的檢測(cè)效果 檢測(cè)出來(lái)的邊緣比較粗糙，邊緣檢測(cè)精度不夠高，容易漏檢錯(cuò)檢。對(duì)具有高反差的帶有噪聲圖像的邊緣檢測(cè)性能較好。 對(duì)比總結(jié) Roberts 算子是利用兩個(gè)對(duì)角相鄰像素之差進(jìn)行梯度幅值檢測(cè)，因此所得到的是梯度幅值的近似值。 對(duì)圖像 分別加入高斯噪聲和椒鹽噪聲，再進(jìn)行邊緣檢測(cè)（代碼詳見(jiàn)附錄二三）： 圖 34 加入高斯噪聲后的邊緣檢測(cè)對(duì)比 數(shù)字圖像邊緣增強(qiáng) 15 圖 35 加入椒鹽噪聲后的邊緣檢測(cè)對(duì)比 對(duì)比各算子加入高斯噪聲后的邊緣檢測(cè)，可以看出在圖像噪聲比較明顯且閥值設(shè)置得比較小的時(shí)候，各算子對(duì)噪聲的響應(yīng)都很明顯。當(dāng)一個(gè)像素點(diǎn)滿(mǎn)足下面三個(gè)條件時(shí)，則被認(rèn)為是圖像的邊緣點(diǎn)： 1)、該點(diǎn)的邊緣強(qiáng)度要大于沿該點(diǎn)梯度方向的兩個(gè)相鄰像素點(diǎn)的邊緣強(qiáng)度； 2)、與該點(diǎn)梯度方向上相鄰兩個(gè)像素點(diǎn)的方向差小于?45； 3)、以該點(diǎn)為中心的 3*3 鄰域中的邊緣強(qiáng)度極大值小于某個(gè)設(shè)定的閥值。它可用高斯函數(shù)的梯度來(lái)近似表示，是一種帶有平滑功能的一階微分算子。由于圖像邊緣和噪聲都是頻域中的高頻分量，簡(jiǎn)單的微分運(yùn)算會(huì)增強(qiáng)圖像中的噪聲。對(duì)于數(shù)字圖像 ),( jif，其一階偏導(dǎo)數(shù)為： ),1(),(),( jifjifx jif ????? () )1,(),(),( ????? jifjify jif () 那么，其二階偏導(dǎo)數(shù)為： ? ? ? ?),1(),(),(),1(),( 22 jifjifjifjifx jif ???????? () ? ? ? ?)1,(),(),()1,(),( 22 ???????? jifjifjifjify jif () 由以上式子可得： ),(4)1,()1,(),1(),1(),( 22222 jifjifjifjifjify fx fyxf ???????????????? () 拉普拉斯算子的模板如圖 25，模板的基本特征是中心位置系數(shù)為正，其它位置的系數(shù)為零或者負(fù)，且所有系數(shù)之和為零。當(dāng)取較大的鄰域時(shí)，算法的抗噪聲性能會(huì)更好，只是這樣會(huì)增加計(jì)算量，得到的邊緣也會(huì)不夠精確。取它們的平方和的開(kāi)方可以獲得性能更一致的全方位的響應(yīng)，這與真實(shí)的梯度值更接近。當(dāng)我們將垂直模板擴(kuò)展成三行，水平模板擴(kuò)展成三列，就可以得到 Prewitt 算子。然后選取適當(dāng)?shù)拈y值 T，1 0 0 1 0 1 1 0 數(shù)字圖像邊緣增強(qiáng) 8 作如下判斷 : ? ? ? ? ? ???? ?? 其他),( ),(),(, yxf TyxfGyxfGjiG （ ） 也就是說(shuō)，事先設(shè)定一個(gè)非負(fù)閥值 T，如果梯度值大于或者等于 T，則用計(jì)算得出的梯度值來(lái)作為該點(diǎn)的新的灰度值，如果梯度值小于 T，則保留原來(lái)的值 f（ x， y）。但由于在實(shí)際的圖像處理過(guò)程中運(yùn)算量會(huì)非常大，開(kāi)方平方運(yùn)算也更為復(fù)雜。如下圖所示，不同地方是一階導(dǎo)數(shù)以最大值來(lái)對(duì)應(yīng)邊緣方位，而二階導(dǎo)數(shù)則以過(guò)零點(diǎn)處來(lái)對(duì)應(yīng)邊緣方位， 因此常常使用微分算 子進(jìn)行邊緣檢測(cè)。 數(shù)字圖像處理技術(shù)經(jīng)過(guò)近幾十年的發(fā)展，已經(jīng)有許多的邊緣檢測(cè)算法和一些經(jīng)過(guò)改進(jìn)的邊緣檢測(cè)算子算法。 數(shù)字圖像邊緣增強(qiáng) 6 第二章 圖像邊緣檢測(cè) 圖像邊緣檢測(cè)方法概述 邊緣是圖像最基本的一種特征， 所以圖像邊緣檢測(cè)是圖像數(shù)字處理的主要內(nèi)容之一。而且數(shù)字圖像有各種各樣，各自的特點(diǎn)也不一樣，想找出一種適合所有圖像的銳化算法是不現(xiàn)實(shí)的。 在試驗(yàn)中主要使用的方法是實(shí)例檢測(cè)和對(duì)比分析的方法。詳細(xì)了解各種圖像邊緣檢測(cè)方法，理解它們的實(shí)現(xiàn)的原理，并嘗試比較，總結(jié)它們的不同。 盡管現(xiàn)在的圖像算法已經(jīng)相當(dāng)完善，圖像銳化算法還會(huì)向更加準(zhǔn)確，更加高效，最低程度損傷的目標(biāo)發(fā)展。 另外，圖像 經(jīng)過(guò)銳 化 處 理后，目 標(biāo) 物體區(qū)域的 邊緣更加明顯 ，有利于對(duì)目標(biāo) 的 邊緣進(jìn)行 、 對(duì)圖 像 進(jìn) 行分割和 區(qū) 域形 狀 識(shí)別等， 為進(jìn) 一步的 圖 像理解 與 分析奠定基 礎(chǔ)。圖像銳化，在日常生活生產(chǎn)中有著非常廣泛的應(yīng)用，從數(shù)碼影像和醫(yī)學(xué)成像到工業(yè)檢測(cè)和軍事系統(tǒng)的的制導(dǎo)，等等。人類(lèi)的的大部分信息需要通過(guò)圖像傳遞。 經(jīng)實(shí)例檢測(cè)，該圖像邊緣增強(qiáng) 算法可以有效提高圖像的清晰度，同時(shí)有效避免圖像噪點(diǎn)的增強(qiáng)。 數(shù)字圖像邊緣增強(qiáng) 1 中文摘要 隨著技術(shù)的發(fā)展和人們生活水平的不斷提高，數(shù)字圖像作為記錄和傳達(dá)信息的一種媒介，在人們生活和生產(chǎn)中扮演者越來(lái)越重要的角色。 而數(shù)字圖像邊緣增強(qiáng)是數(shù)字圖像處理技術(shù)里面重要的一種，是一種提高圖像清晰度的重要方法之一。s daily life and production. with the development and maturity of digital image, digital imagesare not only applied in photography, graphic design, media, but alsoplay a greater role in aerospace, criminal investigation, precision medical instruments or other important this case, learning and exploration of the processing techniques of digital image, and how to use various digital images properly to serve forour daily life and production, arebeing more and more important. As we all know,the d