【正文】 圖 310 加入降噪算法處理結(jié)果（椒鹽噪聲） 可以觀察到，該算法對椒鹽噪聲的去除效果非常好。但是，由于高斯噪點的特性不同，這種算法移除高斯噪點的效果很小。 抑制圖像中的高斯噪聲 對加入高斯噪聲的圖像用四方向 Sobel 算子進(jìn)行邊緣檢測，得到二值圖像，發(fā)現(xiàn)因噪點所 數(shù)字圖像邊緣增強 20 帶來的偽邊緣多數(shù)呈現(xiàn)離線的白點，因此先判斷像素點的值是否等于 1，再用如下條件進(jìn)行判斷： L(i1,j)+L(i+1,j)+L(i,j1)+L(i,j+1)2 即如果該像素點周圍相鄰的四 個像素點值之和 2,該點被判斷為因噪點所產(chǎn)生的偽邊緣，并將該點去除，即 L(i,j)=0。但是這個算法過于簡單，同樣也會帶來一些問題。這是因為什么呢？因為該判斷條件也會把孤立的線條移去。amp。amp。amp。在原算法中加入上述部分后，再對圖像 ： 圖 313 加入保護(hù)邊緣的降噪算法處理結(jié)果（高斯噪聲） 可以觀察到，該算法已經(jīng)對細(xì)小邊緣已經(jīng)起到保護(hù)作用。所有預(yù)期效果目的都很好地達(dá)到了。其中最常用的濾鏡是 USM 銳化和智能銳化 ,因為其他三個都是軟件默認(rèn)的參數(shù)的濾鏡 ,銳化數(shù)據(jù)不可以根據(jù)不同數(shù)字圖像的需要來調(diào)控的 ,僅僅是給不太了解圖像邊緣增強的新手使用，這對于我們研究各種銳化方式并沒有太大意義。但 USM 銳化也會有其局限性， USM 銳化會對圖像的全局進(jìn)行均勻的銳化，因為無法保護(hù)圖像中脆弱的部分或者是噪點偏多的區(qū)域。下面我們將會探索 USM 銳化。或許你會疑惑，明明是一種圖像銳化處理技術(shù)，為什么卻偏偏叫做不清晰蒙版呢？原因是這個名字源自于濕版暗房的一項技術(shù)。 Photoshop 中的 USM 銳化濾鏡正是模仿這種技術(shù)，只是它可以控制得更加精準(zhǔn)方便。 鑒于 USM 銳化濾鏡的局限性 ,最合適的使用方式是將 USM 銳化濾鏡，作為專業(yè)銳化的組成部分和技術(shù)手段之一。 數(shù)量 打開 USM 銳化濾鏡，會發(fā)現(xiàn) USM 銳化濾鏡包含了三項設(shè)置參數(shù)，數(shù)量，半徑和閥值。 半徑 滑塊將會決定銳化從邊緣開始向外影響到多少像素，也就是用來控制邊緣暈輪的寬度。 下面我們將會探索分析它們的具體功能和意義。 圖 41 2).對該圖像執(zhí)行以下幾種不同參數(shù)的銳化，并觀察圖像邊緣所發(fā)生的變化 ,將原圖放大到200%并截圖： 數(shù)字圖像邊緣增強 24 圖 42 圖 43 對圖像執(zhí)行數(shù)量 50，半徑 像素， 對圖像執(zhí)行數(shù)量 100，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 25 圖 44 圖 45 對圖像執(zhí)行數(shù)量 200，半徑 像素， 對圖像執(zhí)行數(shù)量 400，半徑 像素， 閥值 3 色階的銳化 閥值 3 色階的銳化 由以上四種不同數(shù)量的銳化可以得出結(jié)論，銳化的數(shù)量值越高，圖像邊緣的反差（暈輪）會越明顯。 但真的是銳化的數(shù)量越大越好嗎？由上面四張對比圖片可以看出，當(dāng)銳化數(shù)量過大時，圖片會產(chǎn)生不自然的暈輪，最終導(dǎo)致的結(jié)果將會是，圖像看起來像是一張生硬的砂紙。 實例測試： 對一張拍攝于康有為廣場的圖片進(jìn)行上述四種不同數(shù)量的銳化。 數(shù)字圖像邊緣增強 26 圖 46 執(zhí)行不同數(shù)量的 USM 銳化 可以觀察到，當(dāng)銳化數(shù)量達(dá)到 200 的時候，圖像已經(jīng)開始變得生硬，出現(xiàn)白色和黑色暈輪；當(dāng)銳化數(shù)量達(dá)到 400 的時候，圖像已經(jīng)開始劣質(zhì)化，而且這個過程是不可逆轉(zhuǎn)的。 數(shù)字圖像邊緣增強 27 半徑 對該圖 62 執(zhí)行以下幾種不同參數(shù)的銳化，并觀察圖像邊緣所發(fā) 生的變化 ,將原圖放大到 200%并截圖。當(dāng)半徑設(shè)置數(shù)值越大時，銳化所產(chǎn)生的暈輪會越大。那么，不同的圖像，應(yīng)該選擇怎么的銳化半徑呢？ 很明顯，銳化半徑不能設(shè)置過大。因此，半徑的參數(shù)選擇應(yīng)該點到即止。對于邊緣輪廓比較大，細(xì)節(jié)不夠清晰或者細(xì)節(jié)較少的圖片，半徑數(shù)值應(yīng)該設(shè)置大一些，這樣才能起到增強邊緣輪廓的效果。 圖 411 執(zhí)行不同半徑的 USM 銳化 可以觀察到，當(dāng)銳化半徑達(dá)到 的時候，圖像已經(jīng)開始變得生硬，出現(xiàn)白色和黑色暈輪 ,圖像細(xì)節(jié)開始互相干擾，細(xì)節(jié)豐富的區(qū)域開始模糊，邊緣輪廓大的區(qū)域周邊也開始出現(xiàn)白邊黑邊（注意到康有為雕像周圍已經(jīng)被白色暈輪所包圍）；當(dāng)銳化半徑 達(dá)到 像素的時候，圖像已經(jīng)開始劣質(zhì)化，圖像觀感會讓人嚴(yán)重不適，而且這個過程是不可逆轉(zhuǎn)的。 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。這是什么原因呢？ 實例測試：同樣對該圖執(zhí)行數(shù)量 200，半徑 像素，閥值色階分別是 0,5， 15,30,60，五種不同參數(shù)的銳化，并觀察圖像邊緣所發(fā)生的變化 ,將原圖放大到 100%并截取圖像中心部分進(jìn)行對比。這是為什么呢？為什么其他區(qū)域就沒有保護(hù)起來呢？ 可以注意到，該圖像的中心的這條邊緣的特性是，灰階對比度由兩邊向中心減弱，中心區(qū)域的邊緣反差偏小。如果低于 15 個色階，該區(qū)域不會被識別為邊緣，既然不是邊緣，算法自然不會對該區(qū)域進(jìn)行銳化。得到以下對比圖 413： 圖 413 純色區(qū)域放大對比 很明顯看出，左圖已經(jīng)開始劣質(zhì)化，毛躁，不平滑，原本是灰階圖像的，現(xiàn)在甚至已經(jīng)出現(xiàn)了色彩噪點。 因此，閥值這個參數(shù)是用來保護(hù)圖像中平滑過渡的區(qū)域 或者純色區(qū)域。雖然圖像的邊緣在一張圖片中起到關(guān)鍵信息的作用，但邊緣區(qū)域在一張圖片中所占的面積卻很小，而平滑過渡區(qū)域或者純色區(qū)域卻往往會在一張圖片中占有絕大部分的面積。而閥值功能的出現(xiàn)終于可以讓這種兩難有一個雙贏的選擇。因為人的皮膚便是平滑過渡的區(qū)域，人們一般傾向于追求順滑沒有毛躁的皮膚。 有關(guān)數(shù)量 、半徑、閥值的總結(jié) 通過上面的檢測和分析，我們了解了數(shù)量 、半徑、閥值這三個參數(shù)在 USM 銳化中所起到的不同功能。那么，這三者要如何協(xié)作才能使得 USM 銳化發(fā)揮它的最大作用呢？ 數(shù)字圖像邊緣增強 32 當(dāng)圖像的分辨率較大的時，它的邊緣也會相應(yīng)地顯得更大，因此，在銳化大尺寸的圖像時，需要設(shè)置較大的半徑參數(shù)才能達(dá)到 銳化效果，而在銳化較小尺寸的圖像時，需要設(shè)置較小的半徑參數(shù)才避免銳化過于粗糙。當(dāng)然也可以根據(jù)具體要求重新設(shè)置。 數(shù)字圖像邊緣增強 33 附錄 附錄一： 各算子邊緣檢測對比（固定閥值）： I=imread(39。)。roberts39。 B2=edge(I,39。,)。prewitt39。 B4=edge(I,39。,)。canny39。 subplot(2,3,1)。title(39。)。 imshow(B1)。roberts 算子檢測 39。 subplot(2,3,3)。title(39。)。 imshow(B3)。prewitt 算子檢測 39。 subplot(2,3,5)。title(39。) subplot(2,3,6)。title(39。)。C:\Users\Administrator\Desktop\39。 I=imnoise(I1,39。)。roberts39。 B2=edge(I,39。,)。prewitt39。 B4=edge(I,39。,)。canny39。 subplot(2,3,1)。title(39。)。 imshow(B1)。roberts 算子檢測 39。 subplot(2,3,3)。title(39。)。 imshow(B3)。prewitt 算子檢測 39。 數(shù)字圖像邊緣增強 34 subplot(2,3,5)。title(39。) subplot(2,3,6)。title(39。)。C:\Users\Administrator\Desktop\39。 I=imnoise(I1,39。 pepper39。 B1=edge(I,39。,)。sobel39。 B3=edge(I,39。,)。log39。 B5=edge(I,39。,)。 imshow(I)。原圖 39。 subplot(2,3,2)。title(39。)。 imshow(B2)。sobel 算子檢測 39。 subplot(2,3,4)。title(39。)。 imshow(B4)。Laplacian 算子檢測 39。 imshow(B5)。canny 算 子檢測 39。 附錄四： 八方向的 Sobel 算子與四方向的 Sobel 算子對比： I=imread(39。)。 M=double(I)。 K=M。 for i=2:H1 數(shù)字圖像邊緣增強 35 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)))。 else N(i,j)=0。 K(i,j)=max(abs(M(i1,j)M(i,j1)+2*M(i1,j+1)2*M(i+1,j1)+M(i,j+1)M(i+1,j)),abs(M(i1,j)M(i,j+1)+2*M(i1,j1)2*M(i+1,j+1)+M(i,j1)M(i+1,j)))。 if(J(i,j)200) K(i,j)=255。 end。 end。imshow(I)。原圖 39。 subplot(1,3,2)。title(39。)。imshow(uint8(K))。八方向 Sobel算子處理后 39。 數(shù)字圖像邊緣增強 36 附錄五： 除去椒鹽噪聲的算法： I1=imread(39。)。salt amp。)。 M=double(I)。 K=M。 if(J(i,j)100 amp。 abs(M(i1,j)M(i,j))20 amp。 abs(M(i+1,j)M(i,j))20 amp。 abs(M(i,j1)M(i,j))20 amp。 abs(M(i,j+1)M(i,j))20) ab=[M(i1,j),M(i+1,j),M(i,j1),M(i,j+1)]。 end。 end。imshow(I)。原圖 39。 subplot(1,2,2)。title(39。)。C:\Users\Administrator\Desktop\39。 I=imnoise(I1,39。)。 M=double(I)。 K=M。 if(J(i,j)200) K(i,j)=255。 end。 end。 for i=2:H2 for j=2:W2 if(L(i,j)==1 amp。 L(i1,j)+L(i+1,j)+L(i,j1)+L(i,j+1)2 amp。 (L(i,j)+L(i,j+1)+L(i,j+2))3 amp。 (L(i,j)+L(i+1,j)+L(i+2,j))3 amp。 (L(i,j)+L(i+1,j+1)+L(i+2,j+2))3 amp。 (L(i,j)+L(i+1,j+1)+L(i+2,j+2))3) L(i,j)=0。 end。 subplot(1,3,1)。title(39。)。imshow(uint8(N))。四方向 Sobel 處理后 39。 subplot(1,3,3)。title(39。)。在論文的寫作過程中，遇到了很多困難和迷惑，但都在同學(xué)和指導(dǎo)老師的幫助和指引下解決了。 感謝大學(xué)里的教過我每一位老師，正是因為你們的辛勤勞動讓我從對計算機技術(shù)一無所知到現(xiàn)在對信息技術(shù)充滿好奇與向往的，能獨立思考的一個成熟青年。 感謝我身邊的同學(xué)，你們的支持和關(guān)心溫暖給了我很大幫助，也給了我前進(jìn)的動力。 雖然本人很努力花費了很多精力來完成此次論文，但由于本人學(xué)術(shù)水平有限， 所寫論文難免會有不足之處，懇請各位老師和學(xué)友批評和指正。