222 计算机应用研究2007年
基于Laplacian算子的图像增强*
孙增国,韩崇昭
(西安交通大学电子与信息工程学院,陕西西安710049)
然后以适当比例线性叠加原始图像和细节信息,摘 要:使用Lapiacian算子检测图像的边缘纹理等细节信息,
从而完成图像增强。不同增强方法的比较试验表明,基于Lapiacian算子的图像增强方法既能增强图像的高频分量,又能保持图像的低频分量,是图像增强的有效方法。关键词:Lapiacian算子;图像增强;噪声抑制;细节保持
中图法分类号:TP391 文献标识码:A 文章编号:1001-3695(2007)01-0222-02
ImageEnhancementBasedonLapiacianOperator
SUNZeng-guo,HANChong-zhao
(SchoolofElectronics&InformationEngineering,Xi’anJiaotongUniuersity,Xi’anShanxi710049,China)
Abstract:Lapiacianoperatorisusedtodetectthefinedetaiiofimagesuchasedgeandtexture,andimagewasenhancedby
iinearcombinationoforiginaiimageanditsfinedetaiiinsomeproportion.Variousenhancementmethodsaregiven.ResuitsshowthatthemethodbasedonLapiacianoperatornotoniyenhancesthehigh-freguencycomponentbutaisokeepstheiow-fre-guencycomponent,thereforeitisanefficientmethodofimageenhancement.
Keywords:LapiacianOperator;ImageEnhancement;NoiseSuppression;FineDetaiiPreserving
一幅图像在成像和传输过程中,由于各种因素的影响,往往会损失一些图像细节,使视觉效果降低,或使机器的自动识别发生错误,所以需要突出图像中的细节部分,使人和机器易于理解,这就是图像增强。简而言之,图像增强一要增强高频部分,二要保持低频部分。常用的图像增强方法很多,如灰度级变换和直方图的均衡化等。灰度级变换包括线性变换、对数变换和幂次变换,它对图像各部分进行相同的灰度拉伸或收缩,使灰度分布符合人的视觉习惯;直方图均衡化通过灰度级变换,使图像像素占有全部可能的灰度级并且分布均匀,从而使图像具有较高的对比度和多变的灰度色调。本文使用Lapiacian算子检测图像的高频分量,然后把高频分量和图像背景相叠加,从而获得图像的增强效果。通过与对数变换以及直方图均衡化等增强方法的比较,本文提出的基于Lapiacian算子的增强方法有较好的增强效果,特别是对于背景和目标的灰度级相差较大时,本文方法明显优于前两种方法。
造成高频分量与低频分量的分离不当。因此,基于频率域的边缘纹理信息提取方法不适合图像的在线处理。边缘纹理是图像像素灰度不连续的体现,而灰度的间断性可以用其微分来表示。边缘灰度变化越剧烈,其微分值就越大;边缘灰度变化越平缓,其微分值就越小;当灰度均匀(不发生变化)时,其微分为零。因此,微分可作为边缘纹理信息的表征,对于数字图像,微分可用不同的差分模板来实现。
差分模板或者直接计算相邻像素的灰度差值,如Roberts交叉算子;或者计算不同像素邻域之间的差分,如Prewitt算子、Sobei算子、罗盘算子和Krisch算子;或者先用低通滤波器平滑图像,然后再用上述差分算子提取边缘,如Canny算子。这些算子均属于一阶差分模板,它们一般对阶跃状边缘有较强的响应,但同时会产生较粗的边缘,影响边缘细节的定位精度。与一阶差分模板相比,二阶差分模板对细线和孤立点等细节信息有更强的响应,它对阶跃状边缘产生双响应,并且利用零交叉点来定位边缘,因而定位精度较高。常用的二阶差分模板是Lapiacian模板,它有两种形式。图1(a)为模板满足90 旋转的各向同性,图1(b)为模板满足45 旋转的各向同性;图2给出了它们的频谱。可见Lapiacian算子等效于高通滤波器,因此可以有效地提取图像的边缘纹理等高频分量。图1(a)模板对高频分量的响应强于图1(b)模板,这意味着图1(a)模板对噪声过于敏感,因此本文选用图1(b)模板来实现边缘纹理与背景的分离,同时获得一定的噪声抑制能力。
图3给出了利用Lapiacian模板进行边缘提取的试验。可见Lapiacian算子可以有效地分离出边缘纹理等细节信息,如月球上的环状坑等,同时滤除了灰度缓慢变化的背景信息。
! 基于差分算子的高频分量检测
图像的高频分量对应于边缘纹理等细节信息,图像的低频分量对应于背景,图像的信息量主要体现在边缘纹理中。图像增强的关键是图像细节的增强,而要实现边缘细节的增强,首先就要实现边缘细节与背景的分离。各类高通滤波器可以实现这一目标,但它们的设计较为复杂,如果参数选择不当,就会收稿日期:2005-11-14;修返日期:2005-12-30
基金项目:国家“973”计划资助项目(2001CB309405);国家自然科学基金资助项目(60574033)
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