【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理

  • 一、DIP课程课业打卡九
  • 二、知识巩固
    • 1、图像锐化的概念
    • 2、图像锐化方法
    • 3、图像细节的灰度变化特性
    • 4、一阶微分锐化
    • 5、二阶微分锐化—— Laplacian 算法
    • 6、二阶微分锐化—— Laplacian变形算法锐化边缘提取
    • 7、二阶微分锐化—— Wallis算法
    • 8、一阶与二阶微分的边缘提取效果比较
    • 9、关于梯度-简答题【重要】

叮嘟!这里是小啊呜的学习课程资料整理。好记性不如烂笔头,今天也是努力进步的一天。一起加油进阶吧!
在这里插入图片描述

一、DIP课程课业打卡九

一.填空题
1、对图像进行Laplacian锐化,Laplacian锐化的系数矩阵为H=[0 -1 0; -1 4 -1; 0 -1 0]。某3*3的图像块如图所示,该图像块的中心点进行Laplacian锐化后,结果为:__________ 。
在这里插入图片描述

正确答案:
5

解析:(-1)*2+(-1)*6+4*6+(-1)*4+(-1)*7=24-19=5

2、Laplacian算子是_____阶微分算子。

正确答案:
二

3、Wallis算子是 _____ 阶微分算子。

正确答案:
二

4、图像分割方法依照分割时所依据的图像特性不同,大致可以分为三大类:_____方法、_____分割方法、 _____ 提取方法。

正确答案:
阈值;边界;区域

5、均匀性度量法的设计思想认为,属于“同一类别”的对象具有较大的一致性。因此“同一类别”的所有像素的_____比较小。

正确答案:
方差

二、知识巩固

1、图像锐化的概念

图像锐化的 目的 是加强图像中景物的细节边缘和轮廓
 锐化的作用是使 灰度反差增强
 因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于 微分 作用。

2、图像锐化方法

 一阶微分锐化方法;
 二阶锐化微分方法 ;

3、图像细节的灰度变化特性

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第1张图片

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第2张图片

4、一阶微分锐化

对于一元函数f(t),一阶微分算子可以定义如下:

 ▽ f(t)= f(t+1)- f(t)
 对于二元图像(函数)f(x,y),一阶微分的定义是通过梯度实现的。

5、二阶微分锐化—— Laplacian 算法

从图像的景物细节的灰度分布特性可知,有些灰度变化特性一阶微分的描述不是很明确,为此,采用二阶微分能够更加获得更丰富的景物细节

二阶微分锐化—— 景物细节对应关系

1)对于突变形的细节,通过一阶微分的极大值点,二阶微分的过0点均可以检测出来。
2)对于细线形的细节,通过一阶微分的过0点,二阶微分的极小值点均可以检测出来。
3)对于渐变的细节,一般情况下很难检测,但二阶微分的信息比一阶微分的信息略多。

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第3张图片
由前面的推导,写成模板系数形式形式即为
Laplacian算子:
【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第4张图片
【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第5张图片

6、二阶微分锐化—— Laplacian变形算法锐化边缘提取

为了改善锐化效果,可以脱离微分的计算原理,在原有的算子基础上,对模板系数进行改变,获得Laplacian变形算子如下所示。

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第6张图片
【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第7张图片

7、二阶微分锐化—— Wallis算法

考虑到人的视觉特性中包含一个对数环节,因此在锐化时,加入对数处理的方法来改进。

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第8张图片

在前面的算法公式中注意以下几点:
1)为了防止对0取对数,计算时实际上是用log(f(i,j)+1);
2)因为对数值很小log(256)=5.45,所以计算时用46*log(f(i,j)+1)。
(46=255/log(256)

算法特点:

Wallis算法考虑了人眼视觉特性,因此,与Laplacian等其他算法相比,可以对 暗区的细节进行比较好的锐化
【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第9张图片

8、一阶与二阶微分的边缘提取效果比较

以Sobel及Laplacian算法为例进行比较。

 Sobel算子获得的边界是比较粗略的边界,反映的边界信息较少,但是所反映的边界比较清晰;
 Laplacian算子获得的边界是比较细致的边界。
反映的边界信息包括了许多的细节信息,但是所反映的边界不是太清晰。

9、关于梯度-简答题【重要】

对于一张灰度图像,其梯度是如何定义的?图像梯度的物理意义是什么?

【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第10张图片
【20200513】数字图像处理DIP课程课业打卡九之图像的锐化处理_第11张图片

Ending!
更多课程知识学习记录随后再来吧!

就酱,嘎啦!

在这里插入图片描述

注:
人生在勤,不索何获。

你可能感兴趣的:(#,DM+DIP)