1、“.....最简单的方法就是用该点的梯度幅度代替该点的灰度。此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法。图像锐化的功能实现由于设计要求原因，本次设计主要只研究运用梯度算子来实现图像的锐化处理。首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出,方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了......”。

2、“.....反而会使图像变得模糊。因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。本次设计则只研究区域生长的图像分割方法。图像分割算法般给予图像灰度只的不连续性或其相似性。不连续性是给予图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测边界跟踪等算法相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割区域生长等。图像分割在科学研究和工程技术领域有着广泛的应用。在工业上，应用于矿藏分析无接触式检测产品的精度和纯度分析等在生物医学上，应用于计算机断层图像光透视核磁共振病毒细胞的自动检测和识别等交通上，应用于车辆检测车种识别车辆跟踪等另外，在机器人视觉神经网络身份鉴定图像传输等各个领域都有着广泛的应用。区域生长区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程。其基本思想是从组生长点开始生长点可以是单个像素，也可以为个小区域......”。

3、“.....形成新的生长点，重复此过程直到不能生长为止。生长点和相邻区域的相似性判据可以是灰度值纹理颜色等多种图像信息。区域生长般有个步骤。选择合适的生长点。确定相似性准则即生长准则。确定生长停止条件。般来说，在无像素或者区域满足加入生长区域条件时，区域生长就会停止。图给出个区域生长的实例图为原图像，数字表示像素的灰度。以灰度为的像素为初始的生长点，记为,。在领域内，生长准则是待测点灰度值与生长带你灰度值相差为或者。那么，图所示，第次区域生长后,,与中心点灰度值相差都为，因而被合并。第二次生长后，如图所示被合并。第三次生长后，如图所示,被合并，至此，已经不存在满足生长准的的像素点，生长停止。原图像灰度矩阵生长点第次区域生长结果第二次区域生长结果第三次区域生长结果区域生长的优势和劣势优势区域生长通常能将具有相同特征的联通区域分割出来。区域生长能提供很好的边界信息和分割结果。区域生长的思想很简单......”。

4、“.....在生长过程中的生长准则可以自由的指定。可以在同时刻挑选多个准则。劣势计算代价大。噪声和灰度不均可能会导致空洞和过分割。对图像中的阴影效果往往不是很好。区域生长的实现首先绘制出区域生长实现的流程图，如图所示子程序开始图像预处理锐化选择种子点迭代判断区域产生二值化图像返回图区域生长流程图根据上述流程图，可编程实现区域生长功能。在读入图片点击区域生长功能键以后，系统会自动弹出个名为的对话框，如图所示图点击区域生长按键后弹出的对话框此时，操作人员可以方便快捷的在该对话框中的图片上选择个所需点作为种子点进行区域生长功能的实现。种子点选择过后，程序会自动关闭该对话框回到主界面显示区域生长后的图片。图像区域生长后效果图如图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图当阈值为时的区域生长图图图像区域生长后效果图区域生长是经过在图像上选取个点作为第个种子点，并设定个阈值。然后将种子点的像素与周围点的灰度值相比较，他们的差值小于设定的阈值时就将其作为另个种子点这样循环比较下去，直到种子点周围点灰度差值大于阈值才停止......”。

5、“.....从而得到如图的区域生长后的图形。由图对比可见，当阈值为时得到的区域生长后的图形最接近完整的肝脏，所以在后面提取区域时运用阈值为的区域生长图进行提取，以便得到更好的肝脏提取效果图。但此区域生长方法有个缺陷，会使得到的图形产生很多小孔，这将由下个提取区域功能中加入个图像腐蚀功能来改善这缺陷。在编写区域生长的程序时需注意阈值的选择，如果阈值太大，容易导致溢出，使程序不能正常运行如果阈值太小，则无法得到所需的图像。提取区域提取区域的功能是在图像进行过区域生长以后，将区域生长后的二值图作为掩码，在原图中提取并显示出来，从而提取出了原图腹腔中的肝脏部分。提取区域后的图像如图所示图提取区域后的图像上图是未经过腐蚀直接进行提取区域后得到的图像，由于直接进行提取区域,,,附录系统实现主程序读入图像生成对象，即打开选择图片对话框,选择图片后返回程序获得图片地址自带字符操作类转化为字符串读入图片图片备份读入图片标志显示图片判断是否有图片,生成类型对话框对象生成尺寸对话框对象,获取平滑类型,获取尺寸并判断平滑显示平滑后图像图像显示函数获取句柄获取图像框大小尺寸......”。

6、“.....利用经遥感影像纠正的提取河网，并取得了预期的效果。但是，准确度难以达到现实应用的要求。为了提高准确度未来可以从以下几点来弥补由于遥感数据的不确定性以及水系自身的特点，应对水系信息提取应综合运用多种知识和手段，探索更合理的水系提取方法。用本文所用方法生成的河网存在定的不连续性，主要是由面究区域的状况，不同的研究区域相同级别的沟谷需要的阈值也是不同的。所以，在设定阈值时，应充分对研究区域和研究对象进行分析，通过不断的实验和利用现有地形图等其它数据辅助检验的方法来确定能满足研究需要并且符合研究区域地形地貌条件的合适的阈值。图为黄水河流域阈值为左和右的所得出的水系图。图阈值为左和右的黄水河流域水系图将基于提取的流域水系与黄水河流域水系图比较，可以看出在丘陵山地和高山区由提取的流域水网与实际的流域水网基本吻合，但在水库与山谷平原区，山东师范大学学士学位论文则差别较大，其中最主要的是主干河道位置偏离自然河道的位置过大这是因为本身可能就存在平坦的区域，另外还有凹陷点填充后形成的平均区域，直接利用算法，在平坦区域内部无法生成河道......”。

7、“.....处于平坦区的河流流动的随机性比较大，自然水系往往是弯曲的，有些河流的形状则呈辫状或不规则环状汇合形态，这就意味着有些栅格点的水流方向是多方向的，而算法是单流向算法，这在计算栅格点的水流方向时是无法实现的。在下生成黄水河流域地形坡度图，与由中提取的流域自然水网相叠加图就可以看出，模拟生成的河网与实际河网不符的河流大都处在平均地形坡度不大于的区域。由此，当平均坡度大于时，由提取的流域自然水网是与实际河网基本致当坡度小于时，由中提取的流域自然水网与实际的水系有误差，需要进行纠正处理。图黄水河流域地形坡度图与水相叠加图基于遥感影像纠正流域水系提取由于本身存在的缺陷，由方法生成的河网水系会出现系列与自然水系偏山东师范大学学士学位论文差颇大的情况，尤其是在平坦的平原与洼地区，仅仅经过填平垫高处理的河网与自然水系的偏差明显，其中最重要的就是平坦区主干河流及湖泊位置偏离过大的问题。为了加强对平坦区域湖泊水库的处理能力，解决位置偏差过大问题，本文在原理的基础上，利用遥感影像提取的水体信息修正，从而消除平行河道等伪河道，生成比较符合实际的连续的数字流域水系......”。

8、“.....其分辨率为，而影像的分辨率为，为了与未修正所生成的河网对比，将影像重采样，转为分辨率为的影像。具体做法是在下通过功能，将与山东师范大学学士学位论文影像融合。这样，得到的新影像既将分辨率提高到又不损失其多波段特点。图为融合后图像。图与影像融合图基于修正水系提取经上文比较发现，当坡度小于时，由中提取的流域自然水网与实际的水系有误差。为了纠正误差，本文采用算法对坡度小于的进行纠正。算法是由提出，其原理是是将要修改的河道所在的栅格单元高程值不变，将其垂片。最简单的方法就是用该点的梯度幅度代替该点的灰度。此方法的缺点就是增强的图像仅仅是灰度变换比较陡峭的边缘轮廓，而灰度变化比较平缓或者比较均匀的地方则呈现黑色。为了突出物体的边缘，常常采用梯度值的改进算法，将图像各个点的梯度值与阈值作比较，如果大于阈值，该像素点的灰度值用其梯度值表示，否则用个固定的灰度值表示。综上所述，图像锐化算法主要包括三方面内容算取合适的梯度算子如拉普拉斯算子根据所选用的梯度算子计算图像各点的灰度值，得出各像素点的梯度值根据个像素点的梯度值选取合适的处理方法......”。

9、“.....本次设计主要只研究运用梯度算子来实现图像的锐化处理。首先绘制出梯度锐化实现的流程图，流程图如图子程序开始复制图像利用算子求出,方向上梯度求出图像梯度模值利用梯度模值与原图灰度值按比例相加得到锐化图像返回图梯度锐化流程图根据上述流程图，编程实现图像锐化功能。图像锐化前后效果图对比如图平均平滑第次梯度锐化第二次梯度锐化第三次梯度锐化图图像锐化前后对比图由上图可清晰的看到图像经过锐化处理后的变化。图像锐化使原本经过图像平滑后变得模糊的边界轮廓得到了改善，是图像的边缘变得清晰了。但是图像如果经过过度锐化图后两图以后，反而会使图像变得模糊。因此进行图像锐化时需进行适度锐化图像，从而更好的得到所需图像。区域生长图像分割概述图像分割的方法和种类非常多，有些分割算法可以直接用于大多数图像，而另些则只适用于特殊类别的图像。般采用的方法有边缘检测边界跟踪区域生长区域分离和聚合等。本次设计则只研究区域生长的图像分割方法。图像分割算法般给予图像灰度只的不连续性或其相似性。不连续性是给予图像灰度的不连续变化分割图像......”。