当前课程知识点:现代图像分析 >  第四章 图像增强 >  4.5 图像锐化 >  4.5.1 图像锐化学习视频

返回《现代图像分析》慕课在线视频课程列表

4.5.1 图像锐化学习视频在线视频

下一节:4.6.1 图像彩色增强学习视频

返回《现代图像分析》慕课在线视频列表

4.5.1 图像锐化学习视频课程教案、知识点、字幕

同学们好,今天们给大家介绍图像增强中的锐化处理

我们知道图像在形成和传输的过程中

由于成像系统聚焦不好或者是信道的带宽过窄

都会使图像目标物轮廓变模糊,使得细节不清楚

主要的原因,就是因为图像受到了平均或者是积分的运算

而我们希望能够加重目标物的轮廓,使图像模糊变得清晰

那么这种是目标物轮廓和细节更突出的方法,就是图像的锐化

和图像增强中的平滑处理相同

图像的锐化也可以从空域和频域两个方面来进行处理

对于空域法来说,因为模糊图像

实质上是受到了平均或者是积分的运算

所以,我们可以对他进行逆运算,也就是微分的运算

通过做一个微分的运算就可以使图像变清晰

而从频域的角度来考虑,图像模糊的实质上,是高频分量被衰减

所以,我们可以通过高频提升滤波来使图像变得清晰

微分作为数学中求变化率的一种方法

可以用来求解图像中目标物的轮廓和细节等等突变的部分

对于数字信号,微分常常用差分来表示

常用的一阶和二阶差分,我们给大家在公式中显示出来

这是一阶的差分,这是二阶差分

我们以一维信号的锐化为例

那么,一维模糊信号经过微分及锐化处理之后

我们用g来表示,它有两部分构成,一部分是信号本身f(n)信号本身

另外一部分是相当于我们提取出来的边缘信息

那么这个边缘信息叠加到原始图像上之后

这就是一个锐化之后,锐化增强的结果

在图像增强中我们希望找到的边界检测算子具有各项同性

而使得不同走向边缘都能够达到增强的效果

拉普拉斯算子,就满足这样的条件

屏幕上,我们给了大家拉普拉斯算子的一个表达式

那么锐化公式就是原始图像叠加一个对原始图像

做了拉普拉斯算子处理之后的一个结果,这就是锐化的方法

图中,我们给了大家锐化模板两个

一个,是四邻域的锐化模板,一个是8邻域的

那么所谓的四邻域模板

就是在中心像素点周围上、下、左、右四个点参与了锐化处理

而8邻域模板呢,就是除了上、下、左、右四个点之外

还包括了左上、左下、右上、右下这样的一共是8个点参与了处理

所以叫8邻域模板

当然,我们也可以设计出其它不同形式的锐化模板

但总体来说,锐化模板呢应该都具有这样的一些性质

第一,模板内系数,有正有负表示,我们进行的是差分运算

第二,模板内系数之和是等于1的

它表示,对于常数图像处理前后,是不变的

对于一般的图像来讲,表示处理前后平均亮度不变

处理的方法,通常就是用我们刚才所提到的模板

对原始图像进行卷积运算

屏幕上我们给出了大家用拉普拉斯算子

对月球的北极照片进行锐化的一个结果

左边的这个,是月球的原始图片

中间,是对原始图像进行拉普拉斯算子得到了一个锐化结果

那么最终我们的锐化增强处理的结果

就是原始图像叠加上锐化结果之后,这就是增强后的图像

原始图像和增强后的图像,我们两个进行对比

明显可以看到增强后的图像,在图像的细节和边缘的地方

变得十分的锐化清晰,那么这个就是图像锐化的一个结果

下面,我们给出了不同α取值下,锐化结果的一个对比效果

我们可以看出,随着α的不断增大,那么它的锐化结果

边界越来越清晰,或者说,它的边界是越来越的越来越锐利的

那我们知道图像的边缘反映在频域,对应的是高频分量

因此,我们也可以在频域进行锐化处理

那么,图像的高频提升滤波法的处理过程

我们在屏幕上用流程图的形式显示出来了

也就是说,原始图像经过傅立叶变换转换到频域

在频域里面,我们做了一个高通滤波

然后把这个结果做了傅立叶反变换

这个傅立叶反变换的结果与原始图像f(m,n)叠加在一起

构成了就是我们的高频提升滤波之后的一个结果

这是我们说的在频域里面进行图像的锐化

而我们刚刚介绍的空域模板锐化的方法

实际上就等效于高频提升滤波法

同样,我们可以简单的证明一下

假如,我们在这个地方采用的是4邻域的拉普拉斯模板

这是我们采用的4邻域的拉普拉斯模板

那么系统的频率响应,经过计算我们可以得出来

它的H有这样一个公式来表示

同样,我们把它的系统响应,用图形的形式显示出来

从这个频率响应图上我们可以看到

当我们的频率值都是零的时候,频率响应有一个最小值是1

表示的是所有的频率分量全部通过

那么在其它的频率取其它值的地方,频率响应的值都是大于1的

表示高频分量得到了提升

表中,我们也给大家列出了一些常用的高通滤波器

有理想向高通滤波器、Butterworth高通滤波器

指数高通滤波器以及梯形高通滤波器

那么相应的在这个表的右边,我们给出了相应的传递函数

下面这个图,我们分别给出大家理想高通滤波器

Butterworth高通滤波器、指数高通滤波器的透视图

图像表示以及横截面

那么与理想的低通滤波器相类似

由于理想高通滤波器,它也是突变的

所以由它得到的高频图像中,也会存在较强的振铃效应

我们从这个图,可以看出来

这是原始图像得到了一个高通滤波的结果

那么截止频率,分别是15、30和80可以看到有明显的阵振铃效应

而Butterworth高通滤波器的传递函数由于变化比较平坦

在阶数较低的时候,得到的高频图像中只有轻微的阵铃效应

而且图像,也相对来讲较为清晰

指数型高通滤波器由于具有比Butterworth高通滤波器更平缓的传递函数

所以,得到了高频图像中基本没有振铃现象

但是,通过比较可以发现后者的高频图像更为模糊一些

而梯形高通滤波器的效果介于两者之间

好,今天,我们给大家介绍的锐化处理主要就是这些内容

谢谢大家,再见

现代图像分析课程列表:

第一章 绪论

-1.1 图像及图像的基本概念

--1.1.1 图像处理基本概念学习视频

--1.1.2 图像及图像的基本概念作业

-1.2 数字图像处理的起源

--1.2.1 数字图像处理的起源学习视频

--1.2.2 数字图像处理的起源作业

-1.3 数字图像处理的步骤和方法

--1.3.1 图像处理步骤和方法学习视频

--1.3.2 数字图像处理步骤和方法作业

-1.4 数字图像处理系统的组成

--1.4.1 图像处理系统组成学习视频

--1.4.2 数字图像处理系统的组成作业

-1.5 数字图像处理主要应用领域

--1.5.1 图像处理应用领域学习视频

--1.5.2 数字图像处理主要应用领域作业

第二章 数字图像处理基础

-2.1 色度学基础

--2.1.1 色度学基础学习视频

--2.1.2 颜色模型学习视频

--2.1.3 色度学基础作业

-2.2 人的视觉特性

--2.2.1 人的视觉特性学习视频

--2.2.1 人的视觉特性作业

-2.3 图像数字化

--2.3.1 图像的数字化学习视频

--2.3.2 图像数字化作业

-2.4 数字图像特点

--2.4.1 数字图像特点学习视频

--2.4.2 数字图像特点作业

-第二章讨论题

第三章 图像变换

-3.1 图像变换的基本概念

--3.1.1 图像变换的基本概念学习视频

--3.1.2 图像变换的基本概念作业

-3.2 图像的几何变换

--3.2.1 图像的几何变换学习视频

--3.2.2 图像的几何变换作业

-3.3 图像的离散傅立叶变换

--3.3.1 图像离散傅立叶变换学习视频

--3.3.2 图像的离散傅立叶变换作业

-3.4 图像变换的一般表示形式

--3.4.1 图像变换的一般表示学习视频

--3.4.2 图像变换的一般表示形式作业

-3.5 图像的离散余弦变换

--3.5.1 图像离散余弦变换学习视频

--3.5.2 图像的离散余弦变换作业

-3.6 图像离散沃尔什-哈达玛变换

--3.6.1 沃尔什-哈达玛变换学习视频

--3.6.2 图像离散沃尔什-哈达玛变换作业

-3.7 K-L变换

-- 3.7.1 K-L变换学习视频

--3.7.2 K-L变换作业

-第三章讨论题

第四章 图像增强

-4.1 图像的对比度增强

--4.1.1 图像的对比度增强学习视频

--4.1.2 图像的对比度增强作业

-4.2 直方图修正

--4.2.1 直方图均衡化学习视频

--4.2.2 直方图规定化学习视频

--4.2.3 直方图修正作业

-4.3 图像平滑

--4.3.1 图像空域平滑法学习视频

--4.3.2 图像频域平滑法学习视频

--4.3.3 图像中值滤波学习视频

--4.3.4 图像平滑作业

-4.4 同态滤波

--4.4.1 同态滤波学习视频

--4.4.2 同态滤波作业

-4.5 图像锐化

--4.5.1 图像锐化学习视频

--4.5.2 图像锐化作业

-4.6 图像的彩色增强

--4.6.1 图像彩色增强学习视频

--4.6.2 图像的彩色增强作业

-第四章讨论题

第五章 图像恢复

-5.1 退化模型及常见退化模型

--5.1.1 退化模型学习视频

--5.1.2 退化模型及常见退化模型作业

-5.2 图像的无约束恢复

--5.2.1 图像的无约束恢复学习视频

--5.2.2 图像的无约束恢复作业

-5.3 图像有约束最小二乘恢复

--5.3.1 有约束最小二乘恢复学习视频

--5.3.2 图像有约束最小二乘恢复作业

-第五章讨论题

第六章 图像压缩编码

-6.1 概述

--6.1.1 概述学习视频

--6.1.1 概述作业

-6.2 图像编码基本理论

--6.2.1 图像编码基本理论学习视频

--6.2.2 图像编码基本理论作业

-6.3 无损编码理论

--6.3.1 无损编码原理学习视频

--6.3.2 无损编码理论作业

-6.4 霍夫曼编码

--6.4.1 霍夫曼编码学习视频

--6.4.2 霍夫曼编码作业

-6.5 算数编码

--6.5.1 算术编码学习视频

--6.5.2 算数编码作业

-6.6 预测编码

--6.6.1 预测编码学习视频

--6.6.2 预测编码作业

-6.7 正交变换编码

--6.7.1 正交变换编码学习视频

--6.7.2 正交变换编码作业

-第六章讨论题

第七章 图像分割

-7.1 图像分割的定义及依据

--7.1.1 图像分割定义及依据学习视频

--7.1.2 图像分割的定义及依据作业

-7.2 边缘点检测

--7.2.1 边缘点检测学习视频

--7.2.2 边缘点检测作业

-7.3 边缘线跟踪

--7.3.1 局部边缘连接法及光栅扫描跟踪法学习视频

--7.3.2 Hough变换学习视频

--7.3.3 边缘线跟踪作业

-7.4 门限化分割

--7.4.1 门限化分割学习视频

--7.4.2 门限化分割作业

-7.5 区域分割法

--7.5.1 区域分割法学习视频

--7.5.2 区域分割法作业

-7.6 聚类分割法

--7.6.1 k-means聚类法学习视频

--7.6.2 谱聚类分割法学习视频

--7.6.3 聚类分割法作业

-第七章讨论题

第八章 图像描述

-8.1 像素间的基本关系

--8.1.1 像素间的基本关系学习视频

--8.1.2 像素间的基本关系作业

-8.2 目标物的边界描述

--8.2.1 目标物的边界描述学习视频

--8.2.2 目标物的边界描述作业

-8.3 目标物的区域描述

--8.3.1 目标物的区域描述学习视频

--8.3.2 目标物的区域描述作业

-8.4 图像的几何特征

--8.4.1 图像的几何特征学习视频

--8.4.2 图像的几何特征作业

-8.5 特征描述子

--8.5.1 特征描述子SIFT学习视频

--8.5.2 特征描述子HOG学习视频

--8.5.3 特征描述子BOW学习视频

--8.5.4 特征描述子作业

-第八章讨论题

第九章 图像分类识别

-9.1 图像匹配

--9.1.1 图像匹配学习视频

--9.1.2 图像匹配作业

-9.2 图像分类

--9.2.1 图像分类学习视频

--9.2.2 图像分类作业

-9.3 图像识别

-- 9.3.1 图像识别学习视频

--9.3.2 图像识别作业

-9.4 模式识别分类专题

--9.4.1 经典分类方法学习视频

--9.4.2 SVM分类器学习视频

--9.4.3 神经网络学习视频

--9.4.4 模式识别分类专题作业

课程思政讨论

-中国天网

-中国天网思政讨论题

西电学子实践作品分享(会持续更新)

-谁偷走了尔康的帽子

-指静脉识别

-答题卡识别

-车道检测

-谁是怪盗J

-仙女们的困惑

-身份证号码识别

-基于混合高斯模型的运动目标检测

考试

-期末测试

--期末测试

4.5.1 图像锐化学习视频笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。