【正文】 最后，衷心感謝所有閱覽這邊文章，對學術追求孜孜不倦的每個人。尤其是專業(yè)里那幾位很喜歡鉆研計算機技術的同學，每次我遇到困難，總是很熱心去為我講解，正是在你們的幫助下，我得以很好地完成了畢業(yè)論文。你們的諄諄教導讓我懂得了很多為人為事的道理，我的每一個進步每一個成長都和你們對我的教育密不可分。尤其是要感謝我的指導老師蔡妍，每當我遇到苦難和不解，都很有耐心地為我講解給我指導意見。 數(shù)字圖像邊緣增強 38 參考文獻 [1] Bruce Fraser，陳紅軍 .Photoshop 圖像銳化深度探索 [M].人民郵電出版社， 2021： 102108 [2] Scott CS4 數(shù)碼照片專業(yè)處理技法 [M].人民郵電出版社， 2021:344350 [3] 劉寬新 .數(shù)碼影像專業(yè)銳化 [M].北京：人民郵電出版社， 2021:8198 [4] 劉直芳 ,王運瓊 ,朱敏 .數(shù)字圖像處理與分析 [M]. 清華大學出版社 , 2021:8388. [5] SNixon M, SAguado 與圖像處理 [M]. 第二版 . 電子工業(yè)出版社 , 2021:92102. [6] CGonzalez R, EWoods R. 數(shù)字圖像處理的 MATLABS 實現(xiàn) [M]. 第二版 . 清華大學出版社 , 2021:374381. 數(shù)字圖像邊緣增強 39 致謝 歷時兩個多月，終于將這篇畢業(yè)論文完成。去噪處理后 39。imshow(L)。)。title(39。 subplot(1,3,2)。原圖 39。imshow(I)。 end。 end。amp。amp。amp。amp。amp。 L=logical(K)。 end。 else K(i,j)=0。 for i=2:H1 for j=2:W1 J(i,j)=max(abs(M(i1,j+1)M(i1,j1)+2*M(i,j+1)2*M(i,j1)+M(i+1,j+1)M(i+1,j1)),abs(M(i1,j1)M(i+1,j1)+2*M(i1,j)2*M(i+1,j)+M(i1,j+1)M(i+1,j+1)))。 J=M。 [H,W]=size(I)。gaussian39。)。 數(shù)字圖像邊緣增強 37 附錄六： 保護邊緣的高斯噪點去除算法： I1=imread(39。降噪處理后 39。imshow(uint8(K))。)。title(39。 subplot(1,2,1)。 end。 K(i,j)=median(ab)。amp。amp。amp。amp。 for i=2:H1 for 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))。 J=M。 [H,W]=size(I)。 pepper39。 I=imnoise(I1,39。C:\Users\Administrator\Desktop\39。)。title(39。 subplot(1,3,3)。四方向 Sobel算子處理后 39。imshow(uint8(N))。)。title(39。 subplot(1,3,1)。 end。 else K(i,j)=0。 J(i,j)=max(J(i,j),K(i,j))。 end。 if(J(i,j)200) N(i,j)=255。 N=M。 J=M。 [H,W]=size(I)。C:\Users\Administrator\Desktop\39。)。title(39。) subplot(2,3,6)。title(39。 subplot(2,3,5)。prewitt 算子檢測 39。 imshow(B3)。)。title(39。 subplot(2,3,3)。roberts 算子檢測 39。 imshow(B1)。)。title(39。 subplot(2,3,1)。canny39。,)。 B4=edge(I,39。prewitt39。,)。 B2=edge(I,39。roberts39。)。salt amp。)。 附錄三： 各算子對加入椒鹽噪聲的圖像處理對比： I1=imread(39。canny 算子檢測 39。 imshow(B5)。Laplacian 算子檢測 39。 imshow(B4)。)。title(39。 subplot(2,3,4)。sobel 算子檢測 39。 imshow(B2)。)。title(39。 subplot(2,3,2)。原圖 39。 imshow(I)。,)。 B5=edge(I,39。log39。,)。 B3=edge(I,39。sobel39。,)。 B1=edge(I,39。gaussian39。)。 附錄二： 各算子對加入高斯噪聲的圖像處理對比： I1=imread(39。canny 算子檢測 39。 imshow(B5)。Laplacian 算子檢測 39。 imshow(B4)。)。title(39。 subplot(2,3,4)。sobel 算子檢測 39。 imshow(B2)。)。title(39。 subplot(2,3,2)。原圖 39。 imshow(I)。,)。 B5=edge(I,39。log39。,)。 B3=edge(I,39。sobel39。,)。 B1=edge(I,39。C:\Users\Administrator\Desktop\39。 綜上，當銳化一張圖片的時候，首先要做的事情就是確定圖片的分辨率，然后根據(jù)尺寸大小選擇合適的銳化半徑，再觀察圖像中需要保護區(qū)域的情況，確定合適的閥值，最后嘗試設置銳化數(shù)量，確定圖片能承受的銳化量，完成銳化。至于閥值，由以上的檢測可以發(fā)現(xiàn)，當閥值大于5 色階的時候，圖像的平滑過渡區(qū)域已經(jīng)很好地被保護起來了（純色區(qū)域就更加不成問題），所以一般將閥值設置為 5 色階以下是合理的。數(shù)量滑塊控制邊緣像素的反差強度，半徑滑塊控制銳化影響邊緣附近多少個像素或者說決定產(chǎn)生的暈輪有多大，而閥值則控制像素之間灰階要相差多大才能被識別為邊緣，從而起到保護圖像的平滑過渡區(qū)域。如果沒有閥值的保護，皮膚上哪怕是細小的毛孔和瑕疵，都會在 USM 銳化濾鏡的作用下原形畢露。 閥值滑塊的保護作用，在人像圖片中邊緣增強中顯得更為重要。如果為了增強圖像邊緣，卻又破壞了圖像的平滑區(qū)域，可謂顧此失彼。這在圖像邊緣增強處理中是非常有意義的功能。而右圖，雖然也進行了相同數(shù)量的銳化，但圖像平滑過渡的區(qū)域卻沒有出現(xiàn)破壞，保留完好。 數(shù)字圖像邊緣增強 31 為什么要設置成這樣呢？我們先來做個測試觀察，將該圖像做上面的第一次和第二次銳化（閥值分別為 0 和 5）后對圖像的某相同的平滑過渡區(qū)域放大至 400%進行觀察。例如，閥值 15 色階，含義是只有邊緣像素相差 15 個色階以上，該邊緣才會被識別為邊緣。 圖 412 不同閥值的銳化對比 分析對比以上實例檢測所得的不同結果，可以觀察到，隨著閥值數(shù)值的增大，該圖像的邊緣增強強度由中心向兩邊減弱，或者換種說法，中心區(qū)域的圖像的邊緣被保護起來了， 銳化算法不再對此區(qū)域進行銳化。 數(shù)字圖像邊緣增強 30 閥值 閥值可能就不是一個很好理解的一個概念，與我們的主觀意識相反，當閥值的數(shù)值設置得越大的時候，銳化效果反而會越小。因此控制合適的銳化半徑同樣尤為重要。 數(shù)字圖像邊緣增強 29 實例測試 ：對拍攝于康有為廣場的圖片分別執(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，觀察圖片的變化，并且截取康有為像的細節(jié)進行對比，得到 47。對于邊緣豐富細節(jié)密集的圖片，半徑數(shù)值應該設置小一些，使得銳化更加細致，防 止因邊緣距離過于小而導致銳化互相干擾的情況。為什么呢？因為圖像邊緣增強的本意就是加強圖像邊緣的灰度對比，如果設置過大半徑，就會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，反而會被巨大的黑白暈輪喧賓奪主。當設置半徑為 甚至更高的時候，銳化的作用已經(jīng)嚴重損壞了原本圖像的觀感，因此正確選 USM 銳化半徑，顯得尤為的重要。 圖 47 圖 48 對圖像執(zhí)行數(shù)量 200，半徑 像素， 對圖像執(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 28 圖 49 圖 410 對圖像執(zhí)行數(shù)量 200，半徑 像素， 對圖像執(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 由以上實例檢測不難看出半徑在數(shù)字圖像邊緣增強中所包含的意思。因此，這張圖片的合適銳化量是數(shù)量 100，半徑 像素，閥值 3 色階。觀察圖片的變化，并且截取康有為像的細節(jié)進行對比，得到圖 46。你確定那是你想要的？因此，數(shù)量參數(shù)的設置建議是，在盡量不損害圖像平 滑度的前提下，提高圖像邊緣的反差。圖像銳化的原理便是通過增加圖像邊緣的反差，來使得圖像看起來更加清晰，細節(jié)豐富。 數(shù)字圖像邊緣增強 23 1).打開 photoshop，新建如下圖像。 閥值 滑塊 決定一個像素與在被當成一個邊界像素并被濾鏡銳化之前其周圍區(qū)域必須具有的差別。三項銳化參數(shù)在圖像邊緣增強中，到底分別起到什么作用呢？ 數(shù)量 滑塊將會決定應用到數(shù) 字圖像的銳化量，也就是用來控制邊緣增強的強度大小?？偟膩碚f ,USM 銳化善于邊緣高對比度的銳化 ,對于中間層次效果不佳 ,一旦銳化過度 ,容易出現(xiàn)輪廓白邊。 簡單直接地使用 USM 銳化濾鏡進行銳化 ,其實并不能取得很好的效果。這項技術運用翻拍負片來做蒙版，正是這種因失焦而不清晰的蒙版提高了以負片印放照片的清晰度。 USM 銳化濾鏡探索 所謂 USM 銳化，也就是 Unsharp mask。在這種情況下，智能銳化濾鏡很好地發(fā)揮到自己的作用，保護圖像中的高光和暗部區(qū)域。 USM銳化 USM銳化可能是 Photoshop使用者用得最多的銳化方式 ,這種銳化方法既可控 ,又相對簡單。 數(shù)字圖像邊緣增強 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 ,分別是 USM 銳化、進一步銳化、銳化、銳化邊緣和智能銳化。 總結：通過擴展 Sobel算子的方向來進一步提高邊緣檢測的精度，同時在 Sobel算子中加入能夠抑制或者移除高斯噪聲或者椒鹽噪聲的機制，并且不同的情況用不同的方法應對。(L(i,j)+L(i+1,j+1)+L(i+2,j+2))3 數(shù)字圖像邊緣增強 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 像素是否都為白點，如果是，即這三個點連成了一條線，這很可能是正確的邊緣，則該點不能再被判斷為高斯噪點，以此達到保護邊緣的目的。 (L(i,j)+L(i+1,j+1)+L(i+2,j+2))3amp。(L(i,j)+L(i+1,j)+L(i+2,j))3amp。因此，要再在算法中加入保護細小邊緣的部分，即再在判斷條件中加入并列條件： (L(i,j)+L(i,j+1)+L(i,j+2))3amp。對圖像臺階處的進行截取，再進行觀察： 圖 312 加入降噪算法處理結果（高斯噪聲） 可以看到，雖然高斯噪聲被移除了，但圖像中很多細小的線邊緣也被錯誤地去除了。 算法詳情請參見附錄三，用該算法對 ，得到結果圖： 圖 311 加入降噪算法處理結果（高斯噪聲）