
可以通过图6所示的模板和图像作卷积一次完成。同时可以看出,图4所示的模板是图6所示的模板在$l和$2分别为l时的特例,因此,图6所示的模板(对应式(4))是基于Lapia-cian算子的图像增强的通用表达形式。图7给出了固定$2而变化$l时的图像增强结果。图8给出了固定$l而变化$2时的增强结果。可以看出,当$2固定为l时,适当增大$l,增强图像的对比度有所增加,同时保持纹理结构清楚可见,可取得较好的视觉效果;但$l不能过分增大,否则,过强的背景会遮盖纹理结构,使图像重新模糊起来。当$l固定为l时,如果$过小,图像纹理没有清楚地显示出来,如果$过大,图像会2 基于Laplacian算子的图像增强
利用Lapiacian模板可以有效提取图像的边缘纹理等细节信息,实现图像高频分量与低频分量的分离。图像增强不但要求保留并增强高频分量,还要求保留低频分量,即图像的背景。因此,叠加Lapiacian模板检测出的边缘信息和原始图像,就可以达到图像增强的目的。图l(D)的Lapiacian模板可写为
V2(
!",#)=(!"-l,#-l)+(!"-l,#)+(!"-l,#+l)+(!",#+l)+(!"+l,#+l)+(!"+l,#)+(!"+l,#-l)+(!",#-l)-8(!",#)(l)
则基于Lapiacian算子的增强图像可写为
!E(",#)=(!",#)-V2(!",#)
(2)
(!",#)为原始图像,V2
(
!",#)为Lapiacian算子检测出的边缘纹理图像,把式(l)代入式(2)中可得增强图像为:
!E=9(!",#)-(!"-l,#-l)-(!"-l,#)-(!"-l,#+l)-(!",#-l)-(!",#+l)-(!"+l,#-l)-(!"+l,#)-(!"+l,#+l)(3)
图4给出了基于Lapiacian算子的图像增强试验。为便于比较,原始图像也同时给出,可见,基于Lapiacian算子的增强方法在保持图像背景的同时使图像的边缘纹理更加清晰。式3)对应图5所示的模板。可见基于Lapiacian算子的图像增强方法可以先检测出边缘纹理,然后叠加上原始图像,从而获得增强图像,也可以通过图5所示的模板一次完成,这正体现了Lapiacian算子的线性性质。仔细观察原始图像,可知影响其纹理结构清晰显示的主要因素,正是叠加在图像上面的云雾状气体,可以将其看作高斯型随机噪声。由图2(D)可以看出,Lapiacian模板图l(D)有一定的噪声抑制能力,因此它能在增强图像边缘纹理的同时抑制噪声,从而使图像的纹理结构清晰可见,这也是选择图l(D)的Lapiacian

模板的原因之一。
由式(2)可以看出,如果对原始图像和边缘细节信息按一定比例进行线性叠加,就有可能获得更好的图像增强效果。此时,基于Lapiacian算子的增强图像可写为
!E(",#)=$l(!",#)-$2V2(!",#)
(4)
$l和$2均为线性叠加系数,它们分别代表背景和边缘细节信息在增强图像中的比重。把式(l)代入式(4)中,按照上面相同的讨论方法可得到如图6所示的模板,即图像增强过程
22对高频噪声有过强响应,重新淹没纹理结构。只有选择合适的$l和$2,图像背景和纹理结构才可达到最佳平衡。对于本文的特定图像,$l和$2分别选择2和l时会取得最好的增强效

果。
为了证明基于Lapiacian算子的增强方法的实用性,图9给出了不同增强方法的比较。对于本文的特定图像,基于Lapiacian算子的增强方法明显优于其他两种方法,可以取得

最佳的视觉效果。
3 总结
本文利用Lapiacian算子检测图像的边缘细节信息,然后以适当的比例线性叠加原始图像和边缘细节信息,从而获得增强的图像。线性组合系数$l和$2的选择直接影响增强结果,如果$l过小,图像的背景(低频部分)就会被忽略,如果$l过大,过强的背景又会覆盖图像的边缘纹理;如果$2过小,图像边界不突出,如果$2过大,图像就会对噪声有较强的响应。因此,只有合适的值,才能取得最好的增强效果。不同增强方法的实验结果表明,本文提出的基于Lapiacian算子的增强方法是图像增强的有效方法,它计算简单,非常适合图像的在线处理。对于背景和目标灰度相差较大的图像,这种方法可以取得最佳的视觉效果。所有的微分算子都对噪声有较强的响应,Lapiacian算子也不例外,为了减小这种响应,本文选用图l(D)
所示的模板,它具有一定的噪声抑制能力。当然,噪声的消除需要专门的降噪处理,并且噪声的消除往往与边缘细节信息的保留相矛盾,如何在增强图像的同时尽量消除噪声是下一步要研究的问题。(下转第240页)
(
利用laplacian 算子对图像 进行锐化操作人机交互实验报告 班级:计 0905 姓名:车雨欣 学号: 20091221018 利用 laplacian 算子对图像进行锐化操作 Laplacian 算子定义 ...
成绩 批阅 日期 大学测绘工程系 实验课程: 数字图像处理 实验名称:图像的锐化(laplacian 算子) 班学姓级: 号: 名: 实验日期: 年月 日 8、图像的锐化实验 (...
基于Laplacian算子的图像... 3页 1下载券 图像边缘检测与提取算法... 37页...3 噪声的消除因为微分是一种高通运算, 所以二阶微分会增强噪声对 图像的影响,...
为进一步加强对X光图像的处理,本文通过对Laplacian算子检测图像的边缘、纹理等细节信息的分析,将改进后的Laplacian增强算子应用X光图像处理中去,有效地提取了图像的...
基于Laplacian算子的图像边缘检测方法研究_信息与通信_工程科技_专业资料。信息通信维普资讯 http://www.cqvip.com 万 军等: 基于Lpc ali 篡圣 国堡 堡 aa ...
首先对原有的Laplacian增强算子做改进,使其在增强图像高频成分的同时能够适当地抑制其低频成分,再将改进后的Laplacian增强算子同图像函数作卷积,快速实现空域内的滤波...
*** 基于 TI DM642 的图像边缘检测实现——采用 Laplacian 算子 第 3 页共 33 页 2 基本原理 2.1 图像边缘检测算法原理及方法 图像边缘检测算法原理及方法...
(a) 经典 Laplacian算子 (b) 新增 Laplacia n算子 图1拉普拉斯算子 2.2边缘的提取方向 拉普 拉斯 (Laplacian) 算子 是基 于 图像 f(x, )在 ,j,方 ...
基于数学形态学的图像噪声... 32页 免费 毕业论文致谢词 11页 10财富值 二... 本文运用Leray-Schauder度理论研究类p-Laplacian算子型非线性边值问题解的...
热门文档