灰度圖像--圖像增強(qiáng) 非銳化掩蔽 （Unsharpening Mask）

分類： 數(shù)字圖像處理 岡薩雷斯 2015-01-31 19:53 147人閱讀 評(píng)論(0) 收藏 舉報(bào) 圖像增強(qiáng)圖像處理非銳化掩蔽USM

目錄(?)[+]

開篇廢話

數(shù)學(xué)原理

示意圖

代碼

結(jié)果

總結(jié)

學(xué)習(xí)DIP第35天

轉(zhuǎn)載請(qǐng)標(biāo)明本文出處：http://blog.csdn.net/tonyshengtan，歡迎大家轉(zhuǎn)載，發(fā)現(xiàn)博客被某些論壇轉(zhuǎn)載后，圖像無法正常顯示，無法正常表達(dá)本人觀點(diǎn)，對(duì)此表示很不滿意。有些網(wǎng)站轉(zhuǎn)載了我的博文，很開心的是自己寫的東西被更多人看到了，但不開心的是這段話被去掉了，也沒標(biāo)明轉(zhuǎn)載來源，雖然這并沒有版權(quán)保護(hù)，但感覺還是不太好，出于尊重文章作者的勞動(dòng)，轉(zhuǎn)載請(qǐng)標(biāo)明出處！！！！

文章代碼已托管，歡迎共同開發(fā)：https://github.com/Tony-Tan/DIPpro

開篇廢話

? ? ? ?廢話開始，今天寫了兩篇博客，為了加快學(xué)習(xí)進(jìn)度，而且是周末，相當(dāng)于給自己加個(gè)班，而且理論之前已經(jīng)研究明白了，所以寫起來也比較自如。有人在群里問，學(xué)習(xí)圖像處理，要看書還是要寫代碼還是要作項(xiàng)目，我覺得，看書像是內(nèi)功心法，寫代碼相當(dāng)于招式練習(xí)，項(xiàng)目就像實(shí)戰(zhàn)一樣，所以如果只寫代碼或者一上來就去跟別人做項(xiàng)目而完全不看書研究基礎(chǔ)算法就像空中樓閣，美麗但不牢固，更重要的是容易迷失自己，也就是走火入魔，個(gè)人觀點(diǎn)，本人也在基礎(chǔ)練習(xí)階段，所以說這些沒什么經(jīng)驗(yàn)依據(jù)，只是自己的理解。 ? ? ? ?非銳化掩蔽，一開始感覺這個(gè)詞好難接受，不知道要干嘛，google之發(fā)現(xiàn)線索不多，經(jīng)過一番研究發(fā)現(xiàn)這個(gè)詞這么理解：非銳化--銳化的相反的操作是平滑，所以非銳化就是平滑操作；掩蔽--字面意思是隱藏，其實(shí)我們可以把它理解成為減去除去，所以這個(gè)過程就是減去平滑后的圖像得到的結(jié)果。而實(shí)際算法的思路是，原圖減去平滑后的圖像，得到被削弱的邊緣部分，然后按照一定比例和原圖相加，如果比例為1，那么就是非銳化掩蔽，如果大于1就是高提升濾波，和前面頻率域的高提升，高頻強(qiáng)調(diào)思路一致，只是那部分用的是頻率域方法。

數(shù)學(xué)原理

? ? ? ?數(shù)學(xué)原理與前面的銳化原理基本保持一致，只是在確定細(xì)節(jié)的方法上有些不同： 1、生成模板，f上有個(gè)橫的表示f的平滑結(jié)果：
2：鈍化模板按照一定比例與原圖相加：
其中k=1時(shí)為非銳化掩蔽。 k>1時(shí)為高提升濾波。

示意圖

? ? ? ?觀察示意圖：
?算法基本步驟：

平滑圖像，邊緣和突變被消減，而平滑部分不變（此處不適合采用邊緣保持性好的平滑算法，代碼中使用了均值濾波和高斯濾波）。

原圖像與平滑后圖像相減，得到鈍化模板。

鈍化模板的k倍與原圖相加得到銳化結(jié)果。

? ? ? ?值得注意的是，因?yàn)殁g化模板有負(fù)值，所以，如果k選擇過大的時(shí)候有可能圖像產(chǎn)生負(fù)值

代碼

[cpp] view plaincopyprint?

void?UnsharpMasking(double?*src,double?*dst,int?width,int?height,int?smooth_type,int?smooth_mask_width,int?smooth_mask_height,double?gaussian_deta,double?k){??

????switch?(smooth_type)?{??

????????case?SMOOTH_GAUSSIAN:??

????????????GaussianFilter(src,?dst,width,height,?smooth_mask_width,?smooth_mask_height,gaussian_deta);??

????????????break;??

????????case?SMOOTH_MEAN:??

????????????MeanFilter(src,?dst,width,height,?smooth_mask_width,?smooth_mask_height);??

????????????break;??

????????default:??

????????????break;??

????}??

????matrixSub(src,?dst,?dst,?width,?height);??

????matrixMultreal(dst,?dst,?k,?width,?height);??

????matrixAdd(src,?dst,?dst,?width,?height);??

??

??

}??

void UnsharpMasking(double *src,double *dst,int width,int height,int smooth_type,int smooth_mask_width,int smooth_mask_height,double gaussian_deta,double k){switch (smooth_type) {case SMOOTH_GAUSSIAN:GaussianFilter(src, dst,width,height, smooth_mask_width, smooth_mask_height,gaussian_deta);break;case SMOOTH_MEAN:MeanFilter(src, dst,width,height, smooth_mask_width, smooth_mask_height);break;default:break;}matrixSub(src, dst, dst, width, height);matrixMultreal(dst, dst, k, width, height);matrixAdd(src, dst, dst, width, height);}

結(jié)果

? ? ? ? 實(shí)驗(yàn)結(jié)果，分別采用高斯濾波和均值濾波，作為平滑算法。 原圖：
高斯濾波： 5x5，deta=1，k=1： 鈍化模板：
銳化結(jié)果：
5x5，deta=1，k=2：
銳化結(jié)果：

5x5，deta=2，k=1：
鈍化模板：
銳化結(jié)果：
5x5，deta=2，k=2：
銳化結(jié)果：

7x7，deta=1，k=1： 鈍化模板：
銳化結(jié)果：
7x7，deta=1，k=2：
銳化結(jié)果：
7x7，deta=2，k=1：
鈍化模板：
銳化結(jié)果：
7x7，deta=2，k=2： 銳化結(jié)果：

均值 5x5，k=1： 鈍化模板：
銳化結(jié)果：
5x5，k=2： 銳化結(jié)果：

7x7，k=1： 鈍化模板：
銳化結(jié)果：
7x7，k=2： 銳化結(jié)果：

總結(jié)

? ? ? ? 觀察上面結(jié)果，發(fā)現(xiàn)：

k越大對(duì)細(xì)節(jié)增強(qiáng)越明顯。

模板越大會(huì)導(dǎo)致增細(xì)節(jié)被增強(qiáng)的越寬，所以模板大小要適度。

被平滑消除的邊緣越多，銳化后增強(qiáng)的越多。

? ? ? ?下一篇介紹下一階微分算子 

總結(jié)

以上是生活随笔為你收集整理的灰度图像--图像增强 非锐化掩蔽 （Unsharpening Mask） .的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。