1.简述
学习目标:一个图像处理的经典综合案例
一、图像锐化的原理
图像锐化的目的是凸显物体的细节轮廓,通常可以用梯度、Laplace算子和高通滤波来实现,下面一一说明:
1、梯度法
梯度计算可以参考 小白学习图像处理——canny边缘检测算法 ,假设Gx为x方向的方向导数,Gy为y方向的方向导数,那么梯度就是Gx和Gy的平方和开根号:
G = [ G x 2 + G y 2 ] 2 G = [Gx^2 + Gy^2]^2
G=[Gx
2
+Gy
2
]
2
其中,计算Gx和Gy的过程就是用一个预先定义的矩阵和图像做一次二维卷积,我们把这个预先定义的矩阵成为模板算子,计算Gx和Gy的算子有很多种。
二、边缘检测
在matlab中预置了一些算子,如:roberts、sobel、prewitt、log 和 canny 算子等
1、图像的线段检测
首先谈谈图像线段的检测,线段检测的原理类似梯度,线段通常具有这样的特点,线段上的灰度与左右两侧的灰度相比更加突出,因为它的灰度要么比两边都大,要么比两边都小,我们可以将像素点的灰度同时和两边灰度进行对比,判断它是否属于某一条边。
2.代码
clear;clc;close all
%% 读取图像
I=imread('1.jpg');
try
I=rgb2gray(I); %如果是RGB图像,则转化为灰度图
end
%% 添加噪声
I=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声
figure
imshow(I)
title('原图')
%% 图像去噪
I=medfilt2(I,[2 4]); %采用二维中值滤波函数对图像滤波
figure
imshow(I)
title('去噪之后的图像')
%% 图像锐化
[M,N]=size(I); % 计算图像尺寸
f=double(I); % 数据类型转换,MATLAB不支持图像的无符号整型的计算
g=fft2(f); % 二维傅立叶变换,得到频域信息
g=fftshift(g); % 0频率移到(M/2,N/2)处
n=2; % 二阶巴特沃斯滤波器
D0=3; % 巴特沃斯滤波器的D0,D0越大,保留的高频信号就越少(对于不同的图片,可以自行调节,以便得到好的效果)
for i=1:M
for j=1:N
D=sqrt((i-M/2)^2+(j-N/2)^2); %计算离0频率(M/2,N/2)的距离
h=1/(1+(D0/D)^(2*n)); %计算传递函数的值
output(i,j)=h*g(i,j); %高通滤波之后(i,j)处的值
end
end
result=ifftshift(output); %与g=fftshift(g)对应,还原回去
I=ifft2(result); %傅里叶反变换
I=uint8(real(I)); %得到滤波之后的图像(锐化之后的图像)
figure
imshow(I) %滤波后图像显示
title('锐化之后的图像')
%% 直方图均衡化处理
I=histeq(I); %得到直方图均衡化之后的图像
figure
imshow(I)
title('直方图均衡之后的图像')
%% 边缘检测
I1=edge(I,'prewitt');
I2=edge(I,'roberts');
I3=edge(I,'sobel');
figure
imshow(I1)
title('prewitt边缘检测之后的图像')
figure
imshow(I2)
title('roberts边缘检测之后的图像')
figure
imshow(I3)
title('sobel边缘检测之后的图像')
3.运行结果
文章来源地址https://www.toymoban.com/news/detail-522242.html
文章来源:https://www.toymoban.com/news/detail-522242.html
到了这里,关于8 图像去噪 滤波 锐化 边缘检测案例(matlab程序)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!