为啥原图像减去拉普拉斯变换的图像是锐化

Posted 2023-03-19

1图像锐化1.1图像锐化的概念在图像增强过程中,通常利用各类图像平滑算法消除噪声,图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说,图像的能量主要集中在其低频部分,噪声所在的频段主要在高频段,同时图像边缘信息也主要集中在其高频部分[1]。这将导致原始图像在平滑处理之后,图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响,就需要利用图像锐化技术,使图像的边缘变得清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰,经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算,因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。从频率域来考虑,图像模糊的实质是因为其高频分量被衰减,因此可以用高通滤波器来使图像清晰。1.2拉普拉斯算子拉普拉斯算子是一种在图像锐化处理中很重要的算法。拉普拉斯算子是与一个边缘方向无关的边缘点检测算子。它对孤立像素的响应要比对边缘或线的响应更强烈,因此使用该算子进行图像锐化之前需要对图像作平滑处理[2,3]。拉普拉斯算子是一种二阶微分算子。一个连续的二元函数f(x,y),其拉普拉斯运算定义为2f=2f x2+2f 参考技术A 拉普拉斯是2nd-order锐化，求二阶找zero-crossing为边界，效果不好，一般是做完高斯平滑再用拉普拉斯。
一阶的有roberts,
sobel等等，直接用的化效果比拉普拉斯好。

拉普拉斯变换

参考技术A

图像的轮廓往往是像素突变的。要么中间的亮，两边的暗，要么中间暗，两边亮。这种模板就能让这个特性加剧，也就是说让大的值更大，即锐化。举个例子，如果图像很平缓，和拉普拉斯核做卷积之后，得到的值为0。这时候 原图 减去 拉普拉斯变换后的图还是 等于 原图 ，但是如果图像很陡峭，因为拉普拉斯变换之后的图像的值必定是大于零的，那么 原图减去拉普拉斯变换后的图必定会小于原图 。当值变小了之后，相当于给陡峭的地方画上了 粗粗的黑线 。这样就把边缘描绘出来了。因此拉普拉斯变换是一种高通滤波。

https://blog.csdn.net/zxc024000/article/details/51252073
https://blog.csdn.net/majinlei121/article/details/46831769
http://www.cnblogs.com/xfzhang/archive/2011/01/19/1939020.html