【20200513】數字圖像處理DIP課程課業打卡九之圖像的銳化處理

叮嘟！這裏是小啊嗚的學習課程資料整理。好記性不如爛筆頭，今天也是努力進步的一天。一起加油進階吧！

一、DIP課程課業打卡九

一.填空題
1、對圖像進行Laplacian銳化，Laplacian銳化的係數矩陣爲H=[0 -1 0; -1 4 -1; 0 -1 0]。某3*3的圖像塊如圖所示，該圖像塊的中心點進行Laplacian銳化後，結果爲：__________ 。

正確答案：
5

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

2、Laplacian算子是_____階微分算子。

正確答案：
二

3、Wallis算子是 _____ 階微分算子。

正確答案：
二

4、圖像分割方法依照分割時所依據的圖像特性不同，大致可以分爲三大類：_____方法、_____分割方法、 _____ 提取方法。

正確答案：
閾值；邊界；區域

5、均勻性度量法的設計思想認爲，屬於“同一類別”的對象具有較大的一致性。因此“同一類別”的所有像素的_____比較小。

正確答案：
方差

二、知識鞏固

1、圖像銳化的概念

圖像銳化的 目的 是加強圖像中景物的細節邊緣和輪廓 。
 銳化的作用是使 灰度反差增強 。
 因爲邊緣和輪廓都位於灰度突變的地方。所以銳化算法的實現是基於 微分 作用。

2、圖像銳化方法

 一階微分銳化方法；
 二階銳化微分方法 ；

3、圖像細節的灰度變化特性

4、一階微分銳化

對於一元函數f(t)，一階微分算子可以定義如下：

 ▽ f(t)= f(t+1)- f(t)
 對於二元圖像（函數）f(x,y)，一階微分的定義是通過梯度實現的。

5、二階微分銳化—— Laplacian 算法

從圖像的景物細節的灰度分佈特性可知，有些灰度變化特性一階微分的描述不是很明確，爲此，採用二階微分能夠更加獲得更豐富的景物細節。

二階微分銳化—— 景物細節對應關係

1）對於突變形的細節，通過一階微分的極大值點，二階微分的過0點均可以檢測出來。
2）對於細線形的細節，通過一階微分的過0點，二階微分的極小值點均可以檢測出來。
3）對於漸變的細節，一般情況下很難檢測，但二階微分的信息比一階微分的信息略多。

由前面的推導，寫成模板係數形式形式即爲
Laplacian算子：

6、二階微分銳化—— Laplacian變形算法銳化邊緣提取

爲了改善銳化效果，可以脫離微分的計算原理，在原有的算子基礎上，對模板係數進行改變，獲得Laplacian變形算子如下所示。

7、二階微分銳化—— Wallis算法

考慮到人的視覺特性中包含一個對數環節，因此在銳化時，加入對數處理的方法來改進。

在前面的算法公式中注意以下幾點：
1）爲了防止對0取對數，計算時實際上是用log(f(i,j)+1);
2）因爲對數值很小log(256)=5.45,所以計算時用46*log(f(i,j)+1)。
（46=255/log(256)）

算法特點：

Wallis算法考慮了人眼視覺特性，因此，與Laplacian等其他算法相比，可以對 暗區的細節進行比較好的銳化。

8、一階與二階微分的邊緣提取效果比較

以Sobel及Laplacian算法爲例進行比較。

 Sobel算子獲得的邊界是比較粗略的邊界，反映的邊界信息較少，但是所反映的邊界比較清晰；
 Laplacian算子獲得的邊界是比較細緻的邊界。
反映的邊界信息包括了許多的細節信息，但是所反映的邊界不是太清晰。

9、關於梯度-簡答題【重要】

對於一張灰度圖像，其梯度是如何定義的？圖像梯度的物理意義是什麼？

Ending！
更多課程知識學習記錄隨後再來吧！

就醬，嘎啦！

注：
人生在勤，不索何獲。