2024年6月2日发(作者：)

第一章 概述

1.1 图像锐化

图像在传输和变换过程中会受到各种干扰而退化，比较典型的就是图像模

糊。图像锐化的目的就是使边缘和轮廓线模糊的图像变得清晰，并使其细节清晰。

锐化技术可以在空间域进行，常用的方法是对图像进行微分处理，也可以在频域

中运用高通滤波技术处理。

1.1.1 图像模糊机理及处理方法

图像模糊是常见的图像降质问题。在图像提取、传输及处理过程中有许多因

素可以使图像变模糊。如光的衍射、聚焦不良、景物和取像装置的相对运动都会

使图像变模糊，电子系统高频性能不好也会损失图像高频分量，而使图像不清晰。

在对图像进行数字化时，实际取样点总是有一定的面积，所得的样本是这个具有

一定面积的区域的亮度平均值，若取样点正好在边界上，则使样本值降低，从而

使数字图像的边界变得不清楚。

大量的研究表明，图像的模糊实质上就是受到了平均或积分运算，因此对其

进行逆运算如微分运算、梯度运算，就可以使图像清晰。从频谱角度来分析，图

像模糊的实质是其高频分量被衰减，因而可以用高频加重来使图像清晰。但要注

意，能够进行锐化处理的图像必须要求有较高的信噪比，否则，图像锐化后，信

噪比更低。因为锐化将使噪声受到比信号还强的增强，故必须小心处理。一般是

先去除或减轻干扰噪声后，才能进行锐化处理。

1.1.2 常用的锐化处理方法

常用的锐化处理方法有微分法和高通滤波法。

微分法：从数学上看，图像模糊的实质就是图像受到平均或者积分运算，因

此对其进行逆运算就可以使图像清晰，因为微分运算是求信号的变化率，有加强

高频分量的作用，从而使图像轮廓清晰。由于图像模糊的特征(如边缘的走向等)

各不相同，为了把图像中间任何方向伸展的边缘和轮廓的模糊变清晰，那么要采

用各向同性的、具有旋转不变的线性微分算子来锐化它们，梯度算子和拉普拉斯

算子就是满足要求的线性微分算子，它们是常用的图像锐化运算方法。

高通滤波：图像中的边缘或线条等细节部分与图像频谱中的高频成分相对

应，因此采用高通滤波的方法让高频分量顺利通过，使低频分量受到抑制，就可

以增强高频的成分，是图像的边缘或线条变得清晰，实现图像的锐化。高通滤波

可用空间域或频域法来实现。

1.2 图像平滑

在图像的获取和传输过程中原始图像会受到各种噪声的干扰，使图像质量下

降。为了抑制噪声、改善图像质量，要对图像进行平滑处理。抑制或消除这些噪

声而改善图像质量的过程称为图像的平滑。

图像平滑的目的是为了消除噪声。噪声消除的方法又可以分为空间域或频率

域，亦可以分为全局处理或局部处理，亦可以按线性平滑、非线性平滑和自适应

平滑来区别。图像的平滑是一种实用的数字图像处理技术，一个较好的平滑处理

方法应该既能消除图像噪声，又不使图像边缘轮廓和线条变模糊，这就是研究数

字图像平滑处理要追求的目标。一般情况下，减少噪声的方法可以在空间域或频

率域进行处理，主要有邻域平均法、中值滤波法、低通滤波法等。

1.2.1 邻域平均

邻域平均法是一种局部空间域处理的方法，就是对含有噪声的原始图像

f(x,y)的 每个像素点取一个邻域S，计算S中所有像素灰度级的平均值，作为

空间域平均处理后图像g(x,y)的像素值，即

g(x,y)1/M

(m,n)s

f(m,n)

式中f(x,y)为N×N的阵列；x,y=0,1,2,…，N-1,；S是以(x,y)点为中心的邻域

的集合，M为邻域S中的像素点数，S邻域可取四点邻域、八点邻域(如图1.1)。