后处理
锐化¶
锐化算法用于增强图像中的细节和边缘的技术，即增强边缘上的差异，来突出边缘周围像素间颜色亮度值
边缘检测¶
- 为了识别数字图像中亮度变化明显的点 有以下常见的方式
- 一阶导数法：基于亮度的一阶导数进行检测
- 在亮度梯度中寻找峰值
- 用一维卷积可以表示为
|-1/2|0|1/2|
- 二阶导数法：
- 基于亮度的二阶导数进行检测，检测二阶导数中过零点的位置
- 表示为
|1|-2|1|（泰勒展开）
- 计算出到术后，设置一个阈值来确定哪里是边缘位置即可
锐化算子¶
- 拉普拉斯算子
- \(\left(\begin{array}{ccc}-1&-1&-1\\-1&9&-1\\-1&-1&-1\end{array}\right)\)
- 对整个图片中每个像素做上麦那的卷积，将结果加回到原始的图像即可实现锐化
- 对噪声敏感，可能会导致图像噪声的增加
- 高斯-拉普拉斯算子锐化（LoG）
- 更好的对边缘进行检测，先用高斯核对图像进行平滑降噪，再用拉普拉斯核对图像进行边缘检测锐化
- 提升了对噪声的抑制能力
- Roberts 算子锐化
- 最为简易锐化核之一
- \(\left(\begin{array}{ccc}-1&0\\0&-1\end{array}\right)\)\(\left(\begin{array}{ccc}0&-1\\-1&0\end{array}\right)\)
- 不具备抗噪声的能力，适用于边缘陡峭但是噪声较少的图像
- sobel 算子锐化
- 可以增强图像中的水平和垂直边缘
- \(\left(\begin{array}{ccc}-1&-2&-1\\0&0&0\\1&2&1\end{array}\right)\)\(\left(\begin{array}{ccc}-1&0&1\\-2&0&2\\-1&0&1\end{array}\right)\)