图像处理之图像的平滑与锐化

素颜马尾好姑娘i 2023-08-17 15:57 157阅读 0赞

图像处理之图像的平滑与锐化  
概念：  
锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。  
平滑与锐化相反，就是滤掉高频分量，从而达到减少图象噪声，使图片变得有些模糊。  
一、灰度化  
灰度化，也就是黑白化，就是将图像进行黑白处理，使其失去色彩。而从像素点出发，就是使各个像素点的三种颜色分量R、G、B的值相同。

常用的黑白化的方法有三种：

第一种是最大值法(Maximum)：  
                   R=G=B=Max(R,G,B)，这种方法处理后灰度图象的亮度会偏高，不建议采用。

第二种就是平均值法(Average)：  
                   R=G=B=(R+G+B)/3，这种方法处理后灰度图象的亮度较柔和，本人就是采用的这种方法。

第三种是加权平均值法(Weighted Average)：  
                   R=G=B=wr\*R+wg\*G+wb\*B，wr、wg、wb分别为R、G、B的权值。

鉴于本人只使用了第二种，所以就先贴上第二种的代码：  
src=imread('background.bmp');  
\[m,n,channel\]=size(src);  
desc=zeros(m,n);  
desc=double(desc);  
for i=1:m  
for j=1:n  
for k=1:channel  
desc(i,j)=desc(i,j)+src(i,j,k);  
end  
desc(i,j)=desc(i,j)/3;  
end  
end  
imshow(uint8(desc));

二、锐化  
锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。

常用的锐化模板是拉普拉斯(Laplacian)模板，而本人也是采用的拉普拉斯模板进行的锐化处理。

\[-1,-1,-1\]

\[-1,9,-1\]

\[-1,-1,-1\]

三、平滑  
平滑与锐化相反，就是滤掉高频分量，从而达到减少图象噪声，使图片变得有些模糊。

常用的平滑处理方法有三种：

Box模板去噪平滑处理，也就是均一化处理。  
                     Box模板是\{1,1,1,1,1,1,1,1,1\}

高斯模板去噪平滑处理，就是在Box模板的基础上加入了加权系数，考虑了距离某点位置越近影响越大的因素。相比Box模板，较为清晰一些。  
                     高斯模板是\{1,2,1,2,4,2,1,2,1\}

中值滤波去噪平滑处理，就是将该点左右邻近的两个点的rgb值与该点自身进行比较，选择其中最中间的值赋给该点。

最终代码：  
Img1=imread('Fig4.jpg');subplot(3,3,1);imshow(Img1);title('Fig4.jpg');  
w1=\[1,1,1;1,1,1;1,1,1\];w2=\[1,2,1;2,4,2;1,2,1\];  
w3=\[-1,-2,-1;0,0,0;1,2,1\];w4=\[-1,0,1;-2,0,2;-1,0,1\];  
k1=1/sum(sum(w1));k2=1/sum(sum(w2));  
variance=225;  
\[m,n\]=size(Img1);  
I1=uint8(double(Img1)+randn(m,n).\*sqrt(variance)+5);  
subplot(3,3,2);imshow(I1);title('gs.png');  
  
II1=double(I1);  
II11=double(I1);  
II111=double(I1);  
for i=2:m-1  
for j=2:n-1  
p=\[II1(i-1,j-1),II1(i-1,j),II1(i-1,j+1);II1(i,j-1),II1(i,j),II1(i,j+1);II1(i+1,j-1),II1(i+1,j),II1(i+1,j+1)\];  
II1(i,j)=sum(sum((p.\*w1)\*k1));  
a=(p.\*w1);  
pp=sort(reshape(a,1,9));  
II11(i,j)=pp(5);  
II111(i,j)=abs(sum(sum(p.\*w3)))+abs(sum(sum(p.\*w4)));  
end  
end  
subplot(3,3,5);imshow(uint8(II1));title('normal 均值滤波 gs.png');  
subplot(3,3,8);imshow(uint8(II11));title('normal 中值滤波 gs.png');  
subplot(3,3,7);imshow(uint8(II11));title('normal 锐化 gs.png');  
I2=Img1;  
a=rand(m,n);  
for i=1:m  
for j=1:n  
if(a(i,j)>0.975)  
I2(i,j)=255;  
elseif(a(i,j)<0.05)  
I2(i,j)=0;  
end  
end  
end  
subplot(3,3,3);imshow(I2);title('jyzs.png');  
II2=double(I2);  
II22=double(I2);  
for i=2:m-1  
for j=2:n-1  
p=\[II2(i-1,j-1),II2(i-1,j),II2(i-1,j+1);II2(i,j-1),II2(i,j),II2(i,j+1);II2(i+1,j-1),II2(i+1,j),II2(i+1,j+1)\];  
II2(i,j)=sum(sum((p.\*w2)\*k2));  
a=(p.\*w1);  
pp=sort(reshape(a,1,9));  
II22(i,j)=pp(5);  
end  
end  
subplot(3,3,6);imshow(uint8(II2));title('normal jyzs.png');  
subplot(3,3,9);imshow(uint8(II22));title('normal 中值滤波 jyzs.png');

原文：https://blog.csdn.net/qq\_26399665/article/details/53496958

转载于:https://www.cnblogs.com/Ph-one/p/11567650.html