关于空间域图像增强中的模板算子理解

空间域增强是图像增强的一大利器,说白了就是套各种模板算子的结果。粗浅二分可以划分为平滑型和锐化型,可到底哪个算子属于平滑哪个算子属于锐化,还真是不明了。
看了《冈萨雷斯 数字图像处理》,才晓得:

从数学意义上理解,平滑是积分的结果,锐化是微分后的结果。

均值滤波算子是一阶积分后的产物:

g(x)=(f(x+1)+f(x))/2

拉普拉斯算子是一个二阶微分后的产物:

g(x)=f(x+1)+f(x1)2f(x)

拉普拉斯的应用:将原始图像和拉普拉斯图像进行叠加,能够保护拉普拉斯锐化处理的效果,又能复原原背景信息。同时,这个叠加效果可以用新的算子来描述,即:

g(x)=f(x)[f(x+1)+f(x1)2f(x)]=3f(x)f(x+1)f(x1)

但很多时候,我们对拉普拉斯后图像还需要做个标定工作(亮度拉伸下),所以上述的公式还会进行一定程度的微调
反锐化处理:即将图像进行模糊化,去掉数据锐化信息
反锐化屏蔽:将图像模糊形式从原始图像中去除$
高提升滤波图像:在上述叠加图像的基础上,再叠加一定比例的原始图像,
关于空间域图像增强中的模板算子理解_第1张图片

梯度法是一阶微分后的产物

梯度的公式:

f|Gx|+|Gy|

交叉差分算法:暂时搞不清楚,点击参考文章

混合空间增强法

实验对一幅骨骼图像进行了多次的空间域增强处理,结果使得骨骼图片十分清晰,简直吓哭了。里面一堆使用逻辑,堪称福尔摩斯破案,则嘎调。
翻书去看吧。。。

你可能感兴趣的:(数字图像处理)