影象邊緣銳化處理的目的

突出影象的細節，或者增強被模糊的細節，增強影象邊緣，便於提取目標物體的邊界，對影象進行分割、目標區域識別、區域形狀提取等為影象理解和分析打下基礎。

影象邊緣銳化的基本方法

• 微分運算
• 梯度銳化
• 邊緣檢測

影象邊緣型別

通常，邊緣上的灰度變化平緩，而邊緣兩側灰度較快。影象的邊緣一般是指在區域性不連線的影象特徵。一般是區域性亮度變化最顯著的部分，灰度值的變化、顏色分量的突變都可構成邊緣資訊。

微分運算

我們用微分來定義兩個畫素點之間的變化率，兩個畫素點之間差值小，說明不是邊界，差值大，說明是邊界。

1.相減的結果反映了影象亮度變化率的大小。
2.畫素值保持不變的區域，相減的結果為零，即畫素為黑。
3.畫素值變化劇烈的區域，相減後得到較大的變化率，畫素灰度值差別越大，則得到的畫素就越亮，影象的垂直邊緣得到增強。
4.微分運算能夠增強邊緣和其他變化的區域，微分運算元的響應強度與影象再該點的突變程度有關。

單向水平微分運算：下列減上列

單向垂直微分運算：右列減左列

雙向微分運算：兩個方向同時進行微分，同時增強水平方向和垂直方向的邊緣

縱方向的微分平方加上水平方向的微分平方，然後開方。

單向垂直微分運算：下列減上列

單向水平微分運算：右列減左列

雙向微分運算：兩個方向同時進行微分，同時增強水平方向和垂直方向的邊緣。

雙向微分運算程式碼：我們一般要進行雙向計算，影象兩個方向都有邊界。

  
                 for(int i = 1; i < Use_ROWS- 1; i++)   
                 {
                    for(int j = 1; j < Use_Line -1; j++)
                    {
                     Image_Use[i][j] = sqrt((Image_Use[i][j+1] - Image_Use[i][j])*(Image_Use[i][j+1] - Image_Use[i][j])+(Image_Use[i+1][j] - Image_Use[i][j])*(Image_Use[i+1][j] - Image_Use[i][j]));
                     }
                 }

使用大律法進行全域性閾值計算，然後二值化，再做邊緣銳化的結果：

&n