銳化

影像銳化是讓模糊的影像變得清晰,讓細節更明顯,可以直接使用讓我們的輸出圖像銳化,或者在後續的邊緣偵測時,能得到較佳的結果,銳化主要用於增強影像的強度變化,目的和平滑對於強度的跳變抑制相反,這兩者的運算子也能看出這點,線性平滑基於鄰域的加權求和,而銳化則用微分的概念來實現。

銳化大致上可以劃分為兩類:

  • 基於一階微分:較知名的有Prewitt算子、Sobel算子等
  • 基於二階微分:有拉普拉斯(Laplace)算子等。

以下為假設的強度分布圖,橫坐標為像素位置,總共有19個點,縱坐標為這些點相對應的像素強度,我們由這些點類比雜訊、細節和邊緣在影像上的情形,並討論一階和二階微分在這些地方產生的結果。

邊緣

緩坡邊緣:一階微分都具有非零值,而二階微分則在起點和終點非零,中間強度變化恆定處為零,因此一階微分通常有較粗的邊緣,二階微分邊緣較細,不過容易出現出雙邊緣的現象。

雜訊:二階微分的值較一階微分大很多,二階微分對雜訊的響應較明顯。

細節:二階微分對細節強化的效果明顯。

結論:一階微分通常有較寬的邊緣,二階微分則有雙邊緣的現象。 二階微分對強度變化的增強效果較明顯,像細節或是雜訊。

由於雜訊也是一種強度變化,也可能會被增強效果,所以圖像銳化時要注意雜訊對品質的影響,二階微分對細節的響應較強,所以通常用於圖像銳化,而一階微分通常用於後續的邊緣檢測,當然,要依實際狀況選擇適當算子和參數。

回到首頁

回到OpenCV教學