【正文】 度反差增強(qiáng)，從而使模糊圖像變得更加清晰。 在圖像增強(qiáng)過程中，通常利用各類圖像平滑算法消除噪聲，圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。這將導(dǎo)致原始圖像在平滑處理之后，圖像邊緣和圖像輪廓模糊的情況出現(xiàn)。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因?yàn)閳D像受到了平均或積分運(yùn)算，因此可以對(duì)其進(jìn)行逆運(yùn)算(如微分運(yùn)算)就可以使圖像變得清晰。但要注意能夠進(jìn)行銳化處理的圖像必須有較高的性噪比，否則銳化后圖像性噪比反而更低，從而使得噪聲增加的比信號(hào)還要多，因此一般是先去除或減輕噪聲后再進(jìn)行銳化處理。微分后頻率不變，幅度上升2πa倍。這表明微分是可以加強(qiáng)高頻成分的，從而使圖像輪廓變清晰。但本文主要探究幾種邊緣檢測(cè)算子，Laplace、Prewitt、Sobel算子以下具體介紹。通常圖像和對(duì)他實(shí)施拉式算子后的結(jié)果組合后產(chǎn)生一個(gè)銳化圖像。擴(kuò)散效應(yīng)是成像過程中經(jīng)常發(fā)生的現(xiàn)象。因此，銳化處理可選擇拉普拉斯算子對(duì)原圖像進(jìn)行處理產(chǎn)生描述灰度突變的圖像，再將拉普拉斯圖像與原始圖像疊加而產(chǎn)生銳化圖像。： 拉普拉斯算子是與方向無光的各向同性邊緣檢測(cè)算子,若只關(guān)心邊緣點(diǎn)的位置而不顧其周圍的實(shí)際灰度差時(shí),：各向同性,線性和位移是不變的,對(duì)線性和孤立點(diǎn)檢測(cè)效果好,但邊緣方向信息丟失,常產(chǎn)生雙像素的邊緣,對(duì)噪聲有雙倍的加強(qiáng)作用。但是，圖像顯示清楚的地方，經(jīng)過濾波發(fā)生了失真，這也是拉氏算子增強(qiáng)的一大缺點(diǎn)。Sobel算子是典型的基于一階導(dǎo)數(shù)的邊緣檢測(cè)算子，由于該算子中引入了類似局部平均的運(yùn)算，因此對(duì)噪聲具有平滑作用，能很好的消除噪聲的影響。對(duì)于數(shù)字圖像{ f(i,j) }經(jīng)典算子的定義如下:設(shè)： 則 或 通過定義可以利用兩個(gè)方向模板與圖像進(jìn)行鄰域卷積來完成的算子的邊緣檢測(cè)。算法的基本原理：適當(dāng)選取閾值M ,作如下判斷:若S(i,j) M ,則(i,j)為邊緣點(diǎn)。Sobel 算子也可用模板表示。水平和垂直梯度模板分別為：Sobel算子就是對(duì)當(dāng)前行或列對(duì)應(yīng)的值加權(quán)后，再進(jìn)行平均和差分，也稱為加權(quán)平均差分。Sobel算子和Prewitt算子一樣，都在檢測(cè)邊緣點(diǎn)的同時(shí)具有抑制噪聲的能力，檢測(cè)出的邊緣寬度至少為二像素。sobel算子處理后也只是輪廓，相比Prewitt算子圖像邊緣稍微加寬。水平和垂直梯度模板分別為： 利用檢測(cè)模板可求得水平和垂直方向的梯度，再通過梯度合成和邊緣點(diǎn)判定，就可得到平均差分法的檢測(cè)結(jié)果。缺點(diǎn)：由于它們都是先平均后差分，平均時(shí)會(huì)丟失一些細(xì)節(jié)信息，使邊緣有一定的模糊。Prewitt算子將圖像邊緣拉大，近乎失真。圖像增強(qiáng)可分成兩大類：頻率域法和空間域法。采用低通濾波（即只讓低頻信號(hào)通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號(hào)，使模糊的圖片變得清晰。圖像增強(qiáng)的方法是通過一定手段對(duì)原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類?；诳沼虻乃惴ǚ譃辄c(diǎn)運(yùn)算算法和鄰域去噪算法。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。常用算法有均值濾波、中值濾波、低通濾波、維納濾波。常用算法有拉普拉斯算子、Prewitt算子和Sobel算子等。通過此次畢業(yè)設(shè)計(jì)，我從中學(xué)到了許多課本上沒有的知識(shí)，使我不僅僅在知識(shí)水平和解決實(shí)際問題的能力上有了很大的提高。謝 辭在論文完成之際，我心情無法平靜。對(duì)此我深懷感激。黃老師一絲不茍、嚴(yán)格律己、寬以待人的崇高品質(zhì)對(duì)學(xué)生將是永遠(yuǎn)的鞭策。特別是黃老師不厭其煩的指出設(shè)計(jì)中的不足及問題的解決方向，使我感受到黃老師的淵博學(xué)識(shí)、敏銳思維和民主嚴(yán)謹(jǐn)?shù)淖黠L(fēng)。這里再次對(duì)黃老師的無私付出表示深深的謝意。然后感謝洛陽理工學(xué)院各位老師對(duì)我的培養(yǎng)和關(guān)心，感謝我的家人在本科兩年期間對(duì)我的支持和鼓勵(lì)。北京航天大學(xué)出版社,1994[6]放如明,蔡健榮,1999[7]李介谷等，數(shù)字圖像處理，上海交通大學(xué)出版社，1988[8]阮秋琦，數(shù)字圖像處理學(xué)，電子工業(yè)版社，2001[9]張兆禮，趙春暉，梅曉丹,:人民郵電出版社，2001[10]張志涌,. 北京：北京航空航天大學(xué)出版社，2003[11]郝文化,田蕾,[12]張琨,畢靖,[13]陳楊,陳榮娟,[14]黃賢武等，數(shù)字圖像處理和壓縮編碼技術(shù)，電子科技大學(xué)出版社，2000[15]容觀澳，計(jì)算機(jī)圖像處理，清華大學(xué)出版社，2000[16]Strum, R. D. and Kirk D. E. Contemporary Linear Systems Using MATLAB. PWS Publishing, 1994 (ISBN 0534932738).[17]Biran, A. and Breiner, M. G. MATLAB for Engineers, AddisonWdsley, 1995 (ISBN 0201565242).[18]MalekMadani, R. Advanced Engineering Mathematics with Mathematica and MATLAB, AddisonWesley, 1998 (ISBN 02015988171).[19]Marcus, M. Matrices and MATLAB: A Tutorial. Prentice Hall, 1993 (ISBN 0135629012).[20]Ogata, K. Solving Control Engineering Problems with MATLAB. Prtice Hall, 1993 (ISBN 0130459070).[21]Stang, G. Introduction to Lincar Algebra. WellesleyCambridge Press, 1993 (ISBN 0961408855).[22]Strum, R. D. and Kirk D. E. Contemporary Linear Systems Using MATLAB. PWS Publishing, 1994 (ISBN 0534932738).[23]T .Aach, .Multiscale linear/median hybrid filters for noise reduction in low dose xray images,IEEE Intenrational Conference on Image Processi ng,1997,75( 2):358361[24]Ziaur Rahman , Glenn A. Woodell and Daniel J. Jobson .A Comparison of the Multiscale Retinex With Other Image Enhancement Techniques[25]Alejandro F. Frangi, Wiro J. Niessen, Koen L. Vincken, Max A. Viergever .Multiscale vessel enhancement filtering. 附　錄 本文算法MATLAB程序%%%%灰度變換增強(qiáng)法close allclear allI=imread(39。)。title(39。)。title(39。)。 %subplot(2,2,3),imshow(J)。灰度變換后的圖像39。subplot(2,2,4),imhist(J)。灰度變換后的圖像的直方圖39。%%%直方圖均衡化%%clear all。I=imread(39。)。title(39。)。title(39。)。 %%為直方圖銳化函數(shù)，實(shí)現(xiàn)直方圖銳化具體算法subplot(2,2,3),imshow(J)。直方圖均衡化后的圖像39。subplot(2,2,4),imhist(J)。均衡化后的圖像的直方圖39。%%對(duì)椒鹽噪聲進(jìn)行處理clcclose all。I=imread(39。)。salt amp。,)。title(39。)。title(39。)。K=conv2(J,h)。title(39。)。subplot(2,2,4),imshow(L,[])。中值濾波后的圖像39。%%對(duì)高斯噪聲進(jìn)行處理clcclose all。I=imread(39。)。gaussian39。subplot(2,3,1),imshow(I)。原圖像39。subplot(2,3,2),imshow(J)。疊加零均值高斯噪聲后的圖像39。h=ones(3,3)/9。subplot(2,3,3),imshow(K,[])。低通濾波后的圖像39。L=medfilt2(J)。title(39。)。subplot(2,3,5),imshow(M)。維納濾波后的圖像39。%%% Sobel算子、Prewitt算子和高斯拉普拉斯算子進(jìn)行圖像銳化的源程序。I1=imread(39。)。h1=fspecial(39。)。figure,imshow(I1,[])。Sobel算子銳化39。%%增強(qiáng)圖像為原圖像減去Sobel算子運(yùn)算后的結(jié)果figure,imshow(I3,[])。原圖減Sobel算子結(jié)果39。I1=imread(39。)。h1=fspecial(39。)。figure,imshow(I1,[])。Prewitt算子銳化39。%%增強(qiáng)圖像為原圖像減去Prewitt算子運(yùn)算后的結(jié)果figure,imshow(I3,[])。原圖減Prewitt算子結(jié)果39。I1=imread(39。)。h1=fspecial(39。)。figure,imshow(I1,[])。高斯拉普拉斯算子銳化39。%%增強(qiáng)圖像為原圖像減去高斯拉普拉斯算子運(yùn)算后的結(jié)果figure,imshow(I3,[])。原圖減高斯拉普拉斯算子結(jié)果39。 and processing of image data for storage, transmission, and representation for au tonomous machine perception. An image may be defined as a twodimensional function, f(x, y), where x and y are spatial (plane) coordinates, and the amplitude of f at any pair of coordinates (x, y) is called the intensity or gray level of the image at that point. When x, y, and the amplitude values of f are all finite, discrete quantities, we call the image a digital image. The field of digital image processing refers to processing digital images by means of a digital puter. Note that a digital image is posed of a finite number of elements, each of which has a particular location and value. These elements are referred to as picture elements, image elements, pels, and pixels. Pixel is the term most widely used to denote the elements of a digital image.Vision is the most advanced of our senses, so it is not surprising that images play the single most important role in human perception. However, unlike humans, who are limited to the visual band of the electromagnetic (EM) spec trum, imaging machines cover almost the entire EM spectrum, ranging from gamma to radio waves. They can operate on images generated by sources that humans are not accustomed to associating with images. These include ultra sound, electron microscopy, and putergenerated images. Thus, digital image processing enpasses a wide and varied field of applications.There is no general agreement