图像锐化处理实验报告.doc

图像锐化处理实验报告 一．实验目的 学会用Matlab中的函数对输入图像按实验内容对图像进行锐化，感受各种不同的图像处理方法对最终图像效果的影响，最后进行综合练习。 二．实验内容 1.仔细阅读Matlab帮助文件中有关以下函数的使用说明，主要有imfilter、fspecial、imadjust等。 2.使用imfilter函数分别采用Sobel，Laplacian算子对cameraman.jpg图像作锐化运算，显示运算前后的图像。算子输入方法(两种方法都做)： (1)用fspecial函数产生（fspecial仅能产生垂直方向sobel算子，产生Laplacian算子时alpha参数选择0）。 (2)直接输入 Sobel算子形式为 （水平Sobel） （垂直Sobel） Laplacian算子形式为 。 对于Sobel算子，采用生成图像；对于Laplacian算子，直接采用计算结果作为锐化后图像。 3.将skeleton.jpg图像文件读入Matlab，按照以下步骤对其进行处理： (1)用带对角线的Laplacian对其处理，以增强边缘。 对角线Laplacian算子为。 (2)将（1）结果叠加到原始图像上。可以看出噪声增强了(Laplacian算子对噪声敏感)，应想办法降低。 (3)获取Sobel图像并用imfilter对其进行5×5邻域平均，以减少噪声 (4)获取2)和3)相乘图像，噪声得以减少。 (5)将（4）结果叠加到原始图像上。 (6)最后用imadjust函数对5)结果做幂指数为0.2的灰度变换。 4.编写Roberts梯度锐化函数。Roberts梯度为 锐化图像的形成以下式为准， LG=255，LB=0，门限T适当选择，输入参数为待锐化图像和设定的门限，输出为锐化后图像，读入cell.jpg图像进行验证，显示图像时给出选择的门限值。 三．实验结果与分析 1.采用sobel算子和Laplacian算子对图像锐化 （1）采用sobel算子变换后 间接产生sobel算子 直接产生sobel算子 （2）采用Laplacian算子变换后 间接产生Laplacian算子 间接产生Laplacian算子 2. 综合采用sobel算子和Laplacian算子对图像锐化 （1）Laplacian算子 通过3中（1）（2）中方法处理，可以看出虽然取得一定的效果，图像边缘轮廓加强，增强了灰度变换处的对比度，细节较为突出，但是噪声还是比较多，没有怎么滤除干净。 图一 图二 图三 图四 将原图像通过获取Sobel图像进行5×5邻域平均（如图一），然后获取（2）和（3）相乘图像（如图二），噪声得以减少，将（4）结果叠加到原始图像上（如图三），最后对（5）结果做幂指数为0.2的灰度变换（如图四）。 Sobel算子利用像素的左、右、上、下邻域的灰度加权算法，根据边缘点处达到极值的原理进行边缘检测。根据图像可以看出，该方法产生了较好的检测效果，可以很清晰的看到边缘轮廓的增强。然后再通过叠加和灰度变换，得到更加清晰的图像。 3. 编写Roberts梯度锐化函数 原图 Roberts梯度锐化 门限值为7 用该方法很简单，由图可以看出，该方法对噪声敏感，出来的图像噪声还是很大，但是在一定程度上增强了目标的边界，也保留了图像背景的原有状态，所以一般用于不含噪声的图像边缘点检测。 四．实验结论 通过对数字图像进行锐化处理，可以增强图像的边缘，使模糊的图像变得清晰起来，而以上几种方法都能很好的将图像的边缘变得清晰，但是要在不影响图像整体效果的情况下还是比较困难。综上所述，根据不同的情况可以需要选用不同的方法。例如图像中有噪声时，使用Robel算子比较适合；图像中没有噪声时，用Laplacian算子来达到细节增强的目的，而用Roberts梯度算法来增强目标的边界。这样通过几种方式的优势叠加，就可以更好的处理好图像。