1.簡(jiǎn)述

? ? ???學(xué)習(xí)目標(biāo)：一個(gè)圖像處理的經(jīng)典綜合案例

一、圖像銳化的原理
??圖像銳化的目的是凸顯物體的細(xì)節(jié)輪廓，通?？梢杂锰荻取aplace算子和高通濾波來(lái)實(shí)現(xiàn)，下面一一說(shuō)明：

1、梯度法
梯度計(jì)算可以參考 小白學(xué)習(xí)圖像處理——canny邊緣檢測(cè)算法 ，假設(shè)Gx為x方向的方向?qū)?shù)，Gy為y方向的方向?qū)?shù)，那么梯度就是Gx和Gy的平方和開(kāi)根號(hào)：
G = [ G x 2 + G y 2 ] 2 G = [Gx^2 + Gy^2]^2
G=[Gx?
2
?+Gy?
2
?]?
2
?

其中，計(jì)算Gx和Gy的過(guò)程就是用一個(gè)預(yù)先定義的矩陣和圖像做一次二維卷積，我們把這個(gè)預(yù)先定義的矩陣成為模板算子，計(jì)算Gx和Gy的算子有很多種。

二、邊緣檢測(cè)
??在matlab中預(yù)置了一些算子，如：roberts、sobel、prewitt、log 和 canny 算子等

1、圖像的線段檢測(cè)
??首先談?wù)剤D像線段的檢測(cè)，線段檢測(cè)的原理類似梯度，線段通常具有這樣的特點(diǎn)，線段上的灰度與左右兩側(cè)的灰度相比更加突出，因?yàn)樗幕叶纫幢葍蛇叾即?，要么比兩邊都小，我們可以將像素點(diǎn)的灰度同時(shí)和兩邊灰度進(jìn)行對(duì)比，判斷它是否屬于某一條邊。

?

2.代碼

clear;clc;close all
%% ? 讀取圖像
I=imread('1.jpg');
try
? ? I=rgb2gray(I); ? ?%如果是RGB圖像，則轉(zhuǎn)化為灰度圖
end

%% ? ?添加噪聲
I=imnoise(I,'salt & pepper',0.04); ? ? % 疊加密度為0.04的椒鹽噪聲
figure
imshow(I)
title('原圖')

%% ? 圖像去噪
I=medfilt2(I,[2 4]); ? %采用二維中值濾波函數(shù)對(duì)圖像濾波
figure
imshow(I)
title('去噪之后的圖像')

%% ? 圖像銳化
[M,N]=size(I); ? % 計(jì)算圖像尺寸
f=double(I); ? ? % 數(shù)據(jù)類型轉(zhuǎn)換，MATLAB不支持圖像的無(wú)符號(hào)整型的計(jì)算
g=fft2(f); ? ? ? % 二維傅立葉變換，得到頻域信息
g=fftshift(g); ? % 0頻率移到(M/2,N/2)處

n=2; ? ? ? ? ? ? % 二階巴特沃斯濾波器
D0=3; ? ? ? ? ? ?% 巴特沃斯濾波器的D0，D0越大，保留的高頻信號(hào)就越少（對(duì)于不同的圖片，可以自行調(diào)節(jié)，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); ? %計(jì)算離0頻率(M/2,N/2)的距離
? ? ? ? h=1/(1+(D0/D)^(2*n)); ? ? ? ? ?%計(jì)算傳遞函數(shù)的值
? ? ? ? output(i,j)=h*g(i,j); ? ? ? ? ?%高通濾波之后(i,j)處的值
? ? end
end
result=ifftshift(output); ? ? ? ? ? ? ?%與g=fftshift(g)對(duì)應(yīng)，還原回去
I=ifft2(result); ? ? ? ? ? ? ? ? ? ? ? %傅里葉反變換
I=uint8(real(I)); ? ? ? ? ? ? ? ? ? ? ?%得到濾波之后的圖像（銳化之后的圖像）
figure
imshow(I) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? %濾波后圖像顯示
title('銳化之后的圖像')

%% ? 直方圖均衡化處理
I=histeq(I); ? ? ? ? ? ? ? ? ? ? ? ? ? ? %得到直方圖均衡化之后的圖像
figure
imshow(I)
title('直方圖均衡之后的圖像')

%% ? 邊緣檢測(cè)
I1=edge(I,'prewitt');
I2=edge(I,'roberts');
I3=edge(I,'sobel');

figure
imshow(I1)
title('prewitt邊緣檢測(cè)之后的圖像')

figure
imshow(I2)
title('roberts邊緣檢測(cè)之后的圖像')

figure
imshow(I3)
title('sobel邊緣檢測(cè)之后的圖像')
?

3.運(yùn)行結(jié)果

?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-522242.html

?

?

?

?

?

?

到了這里，關(guān)于8 圖像去噪 濾波 銳化 邊緣檢測(cè)案例（matlab程序）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！