图象锐化图象经转换或传输后，质量可能下降，难免有些模糊。图象锐化目的：加强图象轮廓，使图象看起来比较清晰。图象轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。把高频分量相对突出，显然可使轮廓清晰。高频加强滤波器使高频分量相对突出，而低频分量和甚高频分量则相对抑制。最常用的微分方法是梯度法。设图象函数为f(x,y)，它的梯度(Gradient)是一个向量，定义为：在(x,y)点处的梯度，方向是f(x,y)在这点变化率最大的方向，而其长度（记G[f(x,y)]）则等于f(x,y)的最大变化率，即对数字图象，用差分来近似微分。两种常用差分算法（1）典型梯度算法（2）罗伯茨（Roberts）梯度算法上述二算法运算较费时。为更适合计算机实现，采用绝对差分算法：Robert交叉梯度算子注：对NxN数字图象，不可能在最后一行(x=N)和最后一列(y=N)象素上计算梯度值。一种补救办法：用前一行(x=N-1)和前一列(y=N-1)对应象素的梯度值。某象素上的梯度值是该象素与相邻象素的灰度差值的单调递增函数。图象轮廓上，象素灰度有陡然变化，梯度值很大。图象灰度变化平缓区域，梯度值很小。等灰度区域，梯度值为零。一旦计算梯度的算法确定，有许多方法使图象轮廓突出。微分法微分法微分法微分法基于二阶微分的图像增强——拉普拉斯算子4.3反锐化掩模法反锐化掩模法反锐化掩模法反锐化掩模法实例USMUSMUSMUSMUSM查找边缘查找边缘查找边缘查找边缘查找边缘照亮边缘照亮边缘照亮边缘照亮边缘照亮边缘小结梯度边缘检测方法利用梯度幅值在边缘处达到极值检测边缘。该法不受施加运算方向限制，同时能获得边缘方向信息，定位精度高，但对噪声较为敏感。Roberts算子：采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。Sobel算子：根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。Prewitt算子：利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘。对噪声具有平滑作用，定位精度不够高。Laplace算子：是二阶微分算子，利用边缘点处二阶导函数出现零交叉原理检测边缘。不具方向性，对灰度突变敏感，定位精度高，同时对噪声敏感，且不能获得边缘方向等信息。