1、图像锐化处理实验报告一实验目的学会用 Matlab 中的函数对输入图像按实验内容对图像进行锐化，感受各种不同的图像处理方法对最终图像效果的影响，最后进行综合练习。二实验内容1.仔细阅读 Matlab 帮助文件中有关以下函数的使用说明，主要有imfilter、fspecial、imadjust 等。2.使用 imfilter 函数分别采用 Sobel，Laplacian 算子对 cameraman.jpg 图像作锐化运算，显示运算前后的图像。算子输入方法(两种方法都做)：(1)用 fspecial 函数产生（fspecial 仅能产生垂直方向 sobel 算子，产生Laplacian 算子时 a
2、lpha 参数选择 0） 。(2)直接输入Sobel 算子形式为（水平 Sobel） （垂直 Sobel）120xd120ydLaplacian 算子形式为。140对于 Sobel 算子，采用 生成图像；对于 Laplacian 算子，直接2xyd采用计算结果作为锐化后图像。3.将 skeleton.jpg 图像文件读入 Matlab，按照以下步骤对其进行处理：(1)用带对角线的 Laplacian 对其处理，以增强边缘。对角线 Laplacian 算子为 。18(2)将（1）结果叠加到原始图像上。可以看出噪声增强了(Laplacian 算子对噪声敏感)，应想办法降低。(3)获取 Sobel
3、图像并用 imfilter 对其进行 55 邻域平均，以减少噪声(4)获取 2)和 3)相乘图像，噪声得以减少。(5)将（4）结果叠加到原始图像上。(6)最后用 imadjust 函数对 5)结果做幂指数为 0.2 的灰度变换。4.编写 Roberts 梯度锐化函数。Roberts 梯度为(,)|(,)(1,)|(1,)(,1)|Gfxyffxyfxyfx锐化图像的形成以下式为准， (,)(,) GBLfxyTgxyotherwisLG=255，L B=0，门限 T 适当选择，输入参数为待锐化图像和设定的门限，输出为锐化后图像，读入 cell.jpg 图像进行验证，显示图像时给出选择的门限值。
4、三实验结果与分析1.采用 sobel 算子和 Laplacian 算子对图像锐化（1）采用 sobel 算子变换后间接产生 sobel 算子 直接产生 sobel 算子（2）采用 Laplacian 算子变换后间接产生 Laplacian 算子 间接产生 Laplacian 算子2. 综合采用 sobel 算子和 Laplacian 算子对图像锐化（1）Laplacian 算子通过 3 中（1） （2）中方法处理，可以看出虽然取得一定的效果，图像边缘轮廓加强，增强了灰度变换处的对比度，细节较为突出，但是噪声还是比较多，没有怎么滤除干净。图一 图二 图三 图四将原图像通过获取 Sobel 图像进
5、行 55 邻域平均（如图一） ，然后获取（2）和（3）相乘图像（如图二） ，噪声得以减少，将（4）结果叠加到原始图像上（如图三） ，最后对（5）结果做幂指数为 0.2 的灰度变换（如图四） 。Sobel 算子利用像素的左、右、上、下邻域的灰度加权算法，根据边缘点处达到极值的原理进行边缘检测。根据图像可以看出，该方法产生了较好的检测效果，可以很清晰的看到边缘轮廓的增强。然后再通过叠加和灰度变换，得到更加清晰的图像。3. 编写 Roberts 梯度锐化函数原图 Roberts 梯度锐化 门限值为 7用该方法很简单，由图可以看出，该方法对噪声敏感，出来的图像噪声还是很大，但是在一定程度上增强了目标的边界，也保留了图像背景的原有状态，所以一般用于不含噪声的图像边缘点检测。四实验结论通过对数字图像进行锐化处理，可以增强图像的边缘，使模糊的图像变得清晰起来，而以上几种方法都能很好的将图像的边缘变得清晰，但是要在不影响图像整体效果的情况下还是比较困难。综上所述，根据不同的情况可以需要选用不同的方法。例如图像中有噪声时，使用 Robel 算子比较适合；图像中没有噪声时，用 Laplacian 算子来达到细节增强的目的，而用 Roberts 梯度算法来增强目标的边界。这样通过几种方式的优势叠加，就可以更好的处理好图像。
