【正文】 Laplacian 檢測模板的特點是各向同性，對孤立點及線端的檢測效果好，但邊緣方向信息丟失，對噪聲敏感，整體檢測效果不如梯度算子。)。 for i=2:H1 for j=2:W1 J(i,j)=4*M(i,j)[M(i+1,j)+M(i1,j)+M(i,j+1)+M(i,j1)]。 figure(1)。) s=I+uint8(J)。title(39。對于拉普拉斯微分算子鄰域系統(tǒng)不同，最后所得到的銳化圖像效果不同?；旌峡臻g增強法是綜合了二者的長處的一種銳化方法。)。 imshow(f)。 f1 = im2double(f)。 h3=[1,2,1。 Sy=imfilter(f1,h3)。 imshow(g1)。 g2=zeros(m,n)。 end end figure(2)。領(lǐng)域均值平滑后的 Sobel 圖像 39。0,1,0]。 title(39。 figure(3)。)。 title(39。 figure(4)。原圖與掩蔽圖像之和的到的圖像 39。 g7 = c.*g6.^gamma。最后得到的圖像 39。 、統(tǒng)計銳化 、沃利斯統(tǒng)計差分法 沃利斯統(tǒng)計差分法：是基于混合銳化的又一種銳化方法，他的總體思想與步驟和混合銳化方法差不多，只是在對原圖進行一階梯度提取時不是采用 roberts算子，而是采用的統(tǒng)計差分法；在對原圖進行處理得到圖 C是通過高頻成分疊加法（鈍掩模法）代替的相應(yīng)的拉普拉斯處理。 、沃利斯統(tǒng)計差分法代碼： f = imread(39。imshow(f)。 f1 = im2double(f)。s=0。 end end avg=sum/9。 s=0。 end if(J(i,j)255) J(i,j)=255。imshow(g1)。 ff = fspecial(39。same39。imshow(g2)。 avg=mean2(f)。 end end avg=sum/9。 end if(J(i,j)255) Q(i,j)=255。imshow(g4)。 figure(3)。 title(39。 subplot(122)。)。 figure(4)。最后得到的圖像 39。 但是在對圖片處理的最終效果上，沃利斯統(tǒng)計差分法在細(xì)節(jié)上明顯比一二階混合銳化處理的要好，不容易發(fā)生扭曲，突變，細(xì)線等，沃利斯統(tǒng)計差分法整體上的視覺效果要比混合銳化的效果好一些。二階微分處理對細(xì)節(jié)有較強的響應(yīng)，如細(xì)線和孤立點。 大多數(shù)應(yīng)用中，對圖像增強來說 .二階微分處理比一階微分好，因為形成細(xì)節(jié)的能力強 ,而一階微分處理主要用于提取邊緣。一二階混合銳化、沃利斯統(tǒng)計差分法所做出來的圖片效果比單獨進行一二階銳化效果明顯好很多。實現(xiàn)圖像的智能生成、處理、識別和理解。 在學(xué)習(xí)中 ,羅老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、豐富淵博的知識、敏銳的學(xué)術(shù)思維、精益求精 的工作態(tài)度以及悔人不倦的師者風(fēng)范是我終生學(xué)習(xí)的楷模，雖然羅老師工作十分繁忙，卻依然十分耐心答疑解惑，不厭其煩的給我講解，給我指導(dǎo)，羅老師的高深精湛的造詣與嚴(yán)謹(jǐn)求實的治學(xué)精神，將永遠(yuǎn)激勵著我。 figure(1)。)。2,0,2。1,2,1]。 for i=1:m for j=1:n g1(i,j)=sqrt((Sx(i,j))^2+(Sy(i,j))^2)。Sobel 算子處理后的結(jié)果 39。 figure(3)。)。 圖像銳化算法設(shè)計 49 第二題代碼： I=imread(39。 M=double(I)。 end。title(39。 figure(2)。)。 第三題代碼： f = imread(39。 figure(1)。原始圖像 39。2,0,2。1,2,1]。 for i=1:m for j=1:n g1(i,j)=sqrt((Sx(i,j))^2+(Sy(i,j))^2)。用 Sobel 算子處理后的梯度圖像 39。 end end end end for c=1:m for d=1:n g2(c,1)=g1(c,1)。 imshow(g2)。 h3=[0,1,0。 subplot(122)。)。 imshow(g4) title(39。 subplot(122)。)。 imshow(g6)。 gamma = 2。 圖像銳化算法設(shè)計 52 imshow(g7)。 imwrite(g7,39。E:\筆記大三 \期末課程設(shè)計 \專業(yè)實訓(xùn)期末 \2\圖片 39。 title(39。 [H,W]=size(f)。 J=M。 sum=0。 J(i,j)=sqrt(avg1)。 end end end g1=uint8(J)。title(39。gaussian39。)。title(39。 Q=double(f)。 sum=0。 end end end g3=uint8(Q)。title(39。 g5 = im2double(g3).* im2double(g2)。相乘后形成的掩蔽圖像 39。imshow(g6)。 gamma = 。 圖像銳化算法設(shè)計 55 subplot(111)。)。 。C:\Users\Administrator\Desktop\課程設(shè)計 9\3120210902209 馮金慧題目 A 服裝店進銷存管理系統(tǒng)題目 B 銳化算法設(shè)計 \銳化算法設(shè)計效果圖 .jpg39。 title(39。 g7 = c.*g6.^gamma。原圖與掩蔽圖像之和得到的圖像 39。 g6 = g5+f1。 imshow(g5)。)。 subplot(122)。 if(Q(i,j)0) Q(i,j)=0。 for i=2:H1 for j=2:W1 for m =i1:i+1 for n=j1:j+1 圖像銳化算法設(shè)計 54 sum=sum+M(m,n)。)。 subplot(121)。 %高斯模板 g2= imfilter(g1,ff,39。)。 subplot(122)。 if(J(i,j)0) J(i,j)=0。 end end avg1=s/9。 for i=2:H1 for j=2:W1 for m =i1:i+1 for n=j1:j+1 sum=sum+M(m,n)。 sum=0。)。 subplot(121)。)。最后得到的圖像 39。 g7 = c.*g6.^gamma。原圖與掩蔽圖像之和的到的圖像 39。 figure(4)。 title(39。)。 figure(3)。 title(39。0,1,0]。領(lǐng)域均值平滑后的 Sobel 圖像 39。 end end figure(2)。 g2=zeros(m,n)。 imshow(g1)。 Sy=imfilter(f1,h3)。 h3=[1,2,1。 f1 = im2double(f)。 圖像銳化算法設(shè)計 50 imshow(f)。)。C:\Users\Administrator\Desktop\課程設(shè)計 9\3120210902209 馮金慧題目 A 服裝店進銷存管理系統(tǒng)題目 B 銳化算法設(shè)計 \銳化算法設(shè)計效果圖 .jpg39。title(39。) s=I+uint8(J)。 figure(1)。 for i=2:H1 for j=2:W1 J(i,j)=5*M(i,j)[M(i+1,j)+M(i1,j)+M(i,j+1)+M(i,j1)]。)。C:\Users\Administrator\Desktop\課程設(shè)計 9\3120210902209 馮金慧題目 A 服裝店進銷存管理系統(tǒng)題目 B 銳化算法設(shè)計 \銳化算法設(shè)計效果圖 .jpg39。 title(39。 k=1。imshow(g1)。 Sy=imfilter(f1,h3)。 h3=[1,2,1。 %把圖像數(shù)據(jù)類型轉(zhuǎn)換為 double 類型 [m,n]=size(f)。 title(39。E:\筆記大三 \期末課程設(shè)計 \專業(yè)實訓(xùn)期末 \2\圖片 39。再加上完成課程設(shè)計時間也較短，我雖然對于圖片處理有了一定的了解，但是在做課程設(shè)計時還是深刻的感到自身的不足。 最后，我還 利用四種銳化分別對不同格式的圖片，以及不同模糊程度的圖片進行處理，結(jié)果也不相同，可見銳化效果與圖片的格式， 圖片的模糊程度都有關(guān)系 圖像銳化算法設(shè)計 45 圖像處理展望 數(shù)字圖像處理技術(shù)在航空航天、工業(yè)生產(chǎn)、醫(yī)療診斷、資源環(huán)境、氣象旋交通監(jiān)測、文化教育等領(lǐng)域有著廣泛的應(yīng)用，創(chuàng)造了巨額社會價值；同時還遠(yuǎn)遠(yuǎn)不能滿足社會需求，自身也在不斷完善和發(fā)展，有很多新的方面要探索。一階微分銳化和二階拉普拉斯銳化在圖像的處理上各有缺點：二 階拉普拉斯銳化的效果比一階好；一階對變化區(qū)域（邊緣）的變化描述較好。二階微分處理對灰度級階梯變化產(chǎn)生雙響應(yīng)。Laplacian 檢測模板的特點是各向同性，對孤立點及線端的檢測效果好，但邊緣方向信息丟失，對噪聲敏感，整體檢測效果不如梯度算子。 、對圖片處理效果 對 圖片的效果： 圖 原始圖像 一階梯度提取圖像銳化算法設(shè)計 36