[转]: 梯度锐化

亦凉 2022-08-04 05:22 185阅读 0赞

摘要：《Visual C++数字图像处理》第5章图像增强处理，这一章将详细讨论图像增强中空域的平滑和锐化处理。本小节为大家介绍梯度锐化。

*  标签：[Visual][][C++][C][图像处理][Link 1][Visual C++数字图像处理][Visual C]
 *  **5.5 图像的锐化**

锐化滤波能减弱或消除图像中的低频率分量，但不影响高频率分量。因为低频分量对应图像中灰度值缓慢变化的区域，因而与图像的整体特性，如整体对比度和平均灰度值等有关。锐化滤波将这些分量滤去可使图像反差增加，边缘明显。在实际应用中，锐化滤波可用于增强被模糊的细节或者低对比度图像的目标边缘。

图像锐化的主要目的有两个：一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分析奠定基础。图像锐化一般有两种方法：一是微分法，二是高通滤波法。高通滤波法的工作原理和低通滤波相似，这里不再赘述。下面主要介绍一下两种常用的微分锐化方法：梯度锐化和拉普拉斯锐化。但由于锐化使噪声受到比信号还要强的增强，所以要求锐化处理的图像有较高的信噪比；否则，锐化后图像的信噪比更低。

**5.5.1 梯度锐化（1）**

**1．基本理论**

邻域平均法或加权平均法可以平滑图像，反过来利用对应的微分方法可以锐化图像。微分运算是求信号的变化率，有加强高频率分量的作用，从而使图像轮廓清晰。

由于图像模糊的实质是图像受到平均或积分运算造成的，所以为了把图像中任何方向伸展的边缘和模糊的轮廓变得清晰，可以对图像进行逆运算如微分运算，从而使图像清晰化。

在图像处理中，一阶微分是通过梯度法来实现的。对于一幅图像用函数*f(x,f)*表示，定义 *f(x,f)*在点*(x,f)*处的梯度是一个矢量，定义为：

梯度的方向在函数*f(x,f)*最大变化率的方向上，梯度的幅度*G\[f(x,f)\]* 可由下式算出：

由上式可知，梯度的数值就是*f(x,f)*在其最大变化率方向上的单位距离所增加的量。对于数字图像而言，微分[![164819596.jpg][]][164819596.jpg] 和[![164840504.jpg][]][164840504.jpg] 可用差分来近似。式（5-6）按差分运算近似后的梯度表达式为：

为便于编程和提高运算速度，在计算精度允许的情况下，可采用绝对差算法近似为：

这种梯度法又称为水平垂直差分法，另一种梯度法是交叉地进行差分计算，称为罗伯特梯度法（Robert Gradient），表示为：

同样，可以采用绝对差算法近似为：

运用以上两种梯度近似算法，在图像的最后一行或最后一列无法计算像素的梯度时，一般用前一行或前一列的梯度值近似代替。

为了在不破坏图像背景的前提下更好地增强边缘，也可以对上述直接用梯度值代替灰度值的方法进行改进，即利用门限判断来改进梯度锐化方法。具体公式如下：[![165055526.jpg][]][165055526.jpg]

[![165124213.jpg][]][165124213.jpg] 的计算方法可以采用式（5-8）或式（5-9）。对于图像而言，物体和物体之间、背景和背景之间的梯度变化很小，灰度变化较大的地方一般集中在图像的边缘上，也就是物体和背景交接的地方。当我们设定一个阈值时，![165124213.jpg][]大于阈值就认为该像素点处于图像的边缘，对结果加上常数C，以使边缘变亮；而对于 ![165124213.jpg][]不大于阈值就认为该像素点是同类像素，即为物体或背景，常数C的选取可以根据具体的图像特点。这样，即增亮了物体的边界，同时又保留了图像背景原来的状态，比传统的梯度锐化方法具有更好的增强效果和适用性。

**2．算法实现**

CImgEnhance类中的成员函数GradSharp()实现梯度锐化操作，本算法程序是根据门限判断的梯度锐化方法编写的，阈值设为20，如果梯度加100大于255，则将其置为255。在对灰度图像进行梯度锐化时直接调用GradSharp()函数即可，以下是GradSharp()函数的代码实现。

<table style="width: 400px;"> 
 <tbody> 
 <tr> 
 <td> <pre>/********************************** *************************************** * 函数名称： *&nbsp;&nbsp;&nbsp;&nbsp; GradSharp() * 参数： *&nbsp;&nbsp;&nbsp;&nbsp; BYTE&nbsp; threshold-阈值 * 返回值： *&nbsp;&nbsp;&nbsp;&nbsp; BOOL - 成功返回TRUE，否则返回FALSE * 说明：该函数用来对图像进行梯度锐化 *&nbsp;&nbsp;&nbsp;&nbsp; /************************************ ************************************/ void CImgEnhance::GradSharp(unsigned char threshold) {
 &nbsp;unsigned char *pSrc, *pDst, *pSrc1, *pSrc2; LONG&nbsp;i,j;&nbsp;&nbsp;&nbsp;&nbsp;//循环变量 int&nbsp; bTemp; if(m_pImgDataOut != NULL) {
 delete []m_pImgDataOut; m_pImgDataOut = NULL; } &nbsp;int lineByte = (m_imgWidth * m_nBitCount / 8 + 3) / 4 * 4; if(m_nBitCount != 8) {
 AfxMessageBox("只能处理8位灰度图像!"); return ; } //创建要复制的图像区域 m_nBitCountOut = m_nBitCount; int lineByteOut = (m_imgWidth * m_nBitCountOut / 8 + 3) / 4 * 4; if (!m_pImgDataOut) {
 m_pImgDataOut = new unsigned char [lineByteOut * m_imgHeight]; } int pixelByte = m_nBitCountOut / 8; for(i = 0; i &lt; m_imgHeight; i++){
 for(j = 0; j &lt; m_imgWidth * pixelByte; j++) *(m_pImgDataOut + i * lineByteOut + j) = *(m_pImgData + i * lineByteOut + j); } for(i = 0; i &lt; m_imgHeight; i++)&nbsp;&nbsp;//每行 {&nbsp;&nbsp; for(j = 0; j &lt; m_imgWidth; j++)&nbsp;&nbsp;//每列 {
 //指向新DIB第i行第j列像素的指针 pDst = m_pImgDataOut + lineByte * (m_imgHeight -1 - i) + j; //进行梯度运算 //指向DIB第i行第j列像素的指针 pSrc&nbsp; = (unsigned char*)m_pImgData + lineByte * (m_imgHeight - 1 - i) + j; //指向DIB第i+1行第j列像素的指针 pSrc1 = (unsigned char*)m_pImgData + lineByte * (m_imgHeight - 2 - i) + j; //指向DIB第i行第j+1列像素的指针 pSrc2 = (unsigned char*)m_pImgData + lineByte * (m_imgHeight - 1 - i) + j + 1; bTemp = abs((*pSrc)-(*pSrc1)) + abs((*pSrc)-(*pSrc2)); //判断是否小于阈值 if ((bTemp+120) &lt; 255) {
 //判断是否大于阈值，对于小于情况，灰度值不变 if (bTemp &gt;= threshold) {
 *pSrc = (bTemp+120); } } else {
 *pSrc = 255; } //生成新的DIB像素值 *pDst = *pSrc; } } }</pre> </td> 
 </tr> 
 </tbody> 
</table>

**3．函数调用**

在视图类CDemoView中映射“梯度锐化”事件的处理函数OnGradesharp()。以下是CDemoView:: OnGradesharp()函数的代码实现。

<table style="width: 400px;"> 
 <tbody> 
 <tr> 
 <td> <pre> void CDemoView::OnGradesharp() {
 CDemoDoc *pDoc=GetDocument(); ImgCenterDib *pDib=pDoc-&gt;GetPDib(); if(pDib-&gt;m_nBitCount!=8&amp;{
 ::MessageBox(0,"只处理灰度图像",MB_OK,0); return ; } CImgEnhance imgnoise(pDib-&gt;GetDimensions(), pDib-&gt;m_nBitCount, pDib-&gt;m_lpColorTable, pDib-&gt;m_pImgData);</pre> &nbsp; unsigned char bThre=30; imgnoise.GradSharp(bThre); &nbsp; CMainFrame* pFrame = (CMainFrame *)(AfxGetApp()-&gt;m_pMainWnd); pFrame-&gt;SendMessage(WM_COMMAND, ID_FILE_NEW); CDemoView* pView=(CDemoView*)pFrame-&gt;MDIGetActive()-&gt;GetActiveView(); CDemoDoc* pDocNew=pView-&gt;GetDocument(); ImgCenterDib *dibNew=pDocNew-&gt;GetPDib(); dibNew-&gt;ReplaceDib(imgnoise.GetDimensions(),imgnoise.m_nBitCountOut,imgnoise.m_lpColorTable, imgnoise.m_pImgDataOut); pDocNew-&gt;SetModifiedFlag(TRUE); pDocNew-&gt;UpdateAllViews(pView); Invalidate();&nbsp; } </td> 
 </tr> 
 </tbody> 
</table>

[Visual]: http://www.51cto.com/php/search.php?keyword=Visual
[C]: http://www.51cto.com/php/search.php?keyword=C%2B%2B
[Link 1]: http://www.51cto.com/php/search.php?keyword=%CD%BC%CF%F1%B4%A6%C0%ED
[Visual C]: http://www.51cto.com/php/search.php?keyword=Visual%20C%2B%2B%CA%FD%D7%D6%CD%BC%CF%F1%B4%A6%C0%ED
[164819596.jpg]: http://new.51cto.com/files/uploadimg/20080810/164819596.jpg
[164840504.jpg]: /images/20220731/e4987da4cc8541a9b0633930fef9bdef.png
[165055526.jpg]: /images/20220731/8b84f4c43f334c57b5918d55297d6aa0.png
[165124213.jpg]: /images/20220731/6290b053d1aa496c84fb98cf8790ac4c.png