【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。