1、 (2)编写程序使用 Laplacian 算子(二阶导数算子)实现图像锐化,进一步理解图像锐化的实质;(3)掌握使用不同梯度算子(一阶导数算子)进行图像边缘检测的原理、方法,根据实验结果分析各种算子的工作效果;(4)总结实验过程(实验报告,左侧装订):方案、编程、调试、结果、分析、结论。2、实验环境(1)Windows XP/7(2)Matlab 7.1/7.143、实验方法本次实验要求对256256大小,256级灰度的数字图像lena.img进行处理。(1)对该图像进行锐化处理,要求采用Laplacian算子进行锐化,分 1和 2 两种情况, 按如下不同情况进行处理: g1 (m, n) f
2、 (m, n) f g 2 (m, n) 4 f (m, n) f (m 1, n) f (m 1, n) f (m, n 1) f (m, n 1) I、要对图像进行处理,要先读取该图像,实验代码如下:close all;clear all;fid=fopen(lena.img,r);image=fread(fid,256,256,uint8fclose(fid);II、读取图像后,对该图像的每一像素(不考虑图像的边界部分)进行遍历,根据公式(公式相当于做差分)对每一灰度进行计算,将所得的结果存入一矩阵g1中(矩阵g1初始化为该图像的矩阵),代码如下(仅以=1为例):g1=image;a=1
3、;x,y=size(image);for i=2:(x-1) for j=2:(y-1) g1(i,j)=(1+4*a)*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1); endendIII、根据公式对图像的每一个像素(不考虑图像的边界部分)进行计算,将所得之存入矩阵g2中(g2初始化值为该图像的矩阵值),具体方法与上一步类似,代码如下(仅以=1为例):g2=image;(y-1) g2(i,j)=4*a*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+
4、image(i,j-1);(2)分别利用 Roberts、Prewitt 和 Sobel 边缘检测算子,对原图像进行边缘检测,显示处理前、后图像。I 、同(1)中I,不再赘述。II、对图像进行边缘检测,要对图像的每一像素(不考虑图像的边界部分)的灰度进行遍历,分别用公式对图像的水平和垂直方向的边缘进行检测,并分别存储,在进行合成。采用不同的算子时,变换的公式有所不同。在合成时可以采用三种算法(街区法、棋盘法、欧式几何法),本次实验中均又采用,所以得到三层图像。代码如下(仅以街区法的Roberts算子为例):gh1=image;gv1=image; gh1(i,j)=image(i,j)-ima
5、ge(i-1,j-1); gv1(i,j)=image(i,j-1)-image(i-1,j); g1(i,j)=abs(gh1(i,j)+abs(gv1(i,j);4、实验结果分析(1)、图像锐化图像锐化结果如图a和图b(注:图a为情况结果;图b为情况结果):图a图b由图a和图b对比可知,图像的锐化实质就是原图像与梯度信息进行叠加,相对于原图像而言,图像的边缘信息得到了加强。由图b中不同值所得图像对比可知,越大,边界越清晰,同时对比图a中不同值所得图像可知,的大小决定梯度信息与原图像叠加时所占的比例。(2)、图像边缘检测街区法、棋盘法、欧式距离法的不同检测算子结果分别入图c、图d和图e:图c
6、图d图e由图c、图d和图e对比可知,采用街区法所得的边界清晰度最高,欧式几何法其次,棋盘法最差。对比同一图中的不同子图可知,Sobel算子的性能更好,Prewitt算子其次,Roberts算子最差。5、实验结论本次实验是对图像进行锐化和边缘检测,通过这次实验,我对数字图像处理中图像的锐化和边缘检测有了更加深刻的了解。加深了图像锐化和边缘检测的原理,掌握了图像边缘检测的不同方法。学会了使用Laplacian算子(二阶导数算子)实现图像锐化的程序编写;掌握了使用不同梯度算子(一阶导数算子)进行图像边缘检测的原理、方法。6、源代码(1)图像锐化(g1)subplot(221);imshow(uint
7、8(image),);title(原图像%采用拉普拉斯算子 g1(i,j)=(1+4*a)*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1);subplot(222);imshow(uint8(g1),);a=1时g1的图像a=2;subplot(223);a=2时g1的图像(2)图像锐化(g2) g2(i,j)=4*a*image(i,j)-a*(image(i+1,j)+image(i-1,j)+image(i,j+1)+image(i,j-1);imshow(uint8(g2),);a=1时g2的图像a=2
8、时g2的图像(3)边缘检测figure(Name街区法NumberTitleoffRoberts算子gh2=image;gv2=image; gh2(i,j)=(image(i+1,j-1)+image(i+1,j)+image(i+1,j+1)/3)-(image(i-1,j-1)+image(i-1,j)+image(i-1,j+1)/3); gv2(i,j)=(image(i-1,j+1)+image(i,j+1)+image(i+1,j+1)/3)-(image(i-1,j-1)+image(i,j-1)+image(i+1,j-1)/3); g2(i,j)=abs(gh2(i,j)+
9、abs(gv2(i,j);Prewitt算子g3=image;gh3=image;gv3=image; gh3(i,j)=(image(i+1,j-1)+2*image(i+1,j)+image(i+1,j+1)-image(i-1,j-1)-2*image(i-1,j)-image(i-1,j+1)/4; gv3(i,j)=(image(i-1,j+1)+2*image(i,j+1)+image(i+1,j+1)-image(i-1,j-1)-2*image(i,j-1)-image(i+1,j-1)/4; g3(i,j)=abs(gh3(i,j)+abs(gv3(i,j);% g3(i,j
10、)=max(gh3(i,j),gv3(i,j);% g3(i,j)=sqrt(gh3(i,j)*gh3(i,j)+gv3(i,j)*gv3(i,j);subplot(224);imshow(uint8(g3),);Sobel算子% subplot(235)% imshow(uint8(gh3),);% title(检测水平边界% subplot(236);% imshow(uint8(gv3),);检测竖直边界棋盘法% g1(i,j)=abs(gh1(i,j)+abs(gv1(i,j); g1(i,j)=max(gh1(i,j),gv1(i,j);% g2(i,j)=abs(gh2(i,j)+
11、abs(gv2(i,j); g2(i,j)=max(gh2(i,j),gv2(i,j); g3(i,j)=max(gh3(i,j),gv3(i,j);欧式几何法% g1(i,j)=max(gh1(i,j),gv1(i,j); g1(i,j)=sqrt(gh1(i,j)*gh1(i,j)+gv1(i,j)*gv1(i,j);% g2(i,j)=max(gh2(i,j),gv2(i,j); g2(i,j)=sqrt(gh2(i,j)*gh2(i,j)+gv2(i,j)*gv2(i,j);% g3(i,j)=abs(gh3(i,j)+abs(gv3(i,j); g3(i,j)=sqrt(gh3(i,j)*gh3(i,j)+gv3(i,j)*gv3(i,j);
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2