1、圖像處理與分析課程報告薛福興圖像處理與分析課程報告 院（系）名稱計算機學院 專業班級191132班 姓名薛福興 學號20131000447指 導 老 師徐凱時 間2015年11月8日 目錄一、簡單變換31、需求分析：32、程序設計：32.1、算法基本思想32.2、算法流程圖43、算法主要代碼分析43.1、平移變換43.2、放縮變換44、結果展示：54.1、平移變換54.2、放縮變換6二、典型灰度映射61、需求分析：62、程序設計：72.1、算法基本思想72.2、算法流程圖83、算法主要代碼分析93.1、圖像求反93.2、增強對比度93.3、動態范圍壓縮93.4、灰度切分104、結果展示：104

2、.1、圖像求反104.2、增強對比度114.3、動態范圍壓縮114.4、灰度切分12三、圖像的平滑與銳化121、需求分析122、程序設計122.1、主要算法基本思想122.2、流程圖132.3、算法的詳細說明133、主要的實現代碼144、結果展示16四、用戶手冊20五、參考文獻20六、心得體會20一、簡單變換1、需求分析：基本幾何變換的定義：對于原圖象f(x,y)，坐標變換函數x = a(x,y); y = b(x,y)唯一確定了幾何變換：g(x,y) = f(a(x,y), b(x,y)，其中g(x,y)是目標圖象。圖像的平移和放縮變換都是常見的圖像坐標變換。空間中一個點的坐標可記為（x,y

3、,z），如用齊次坐標，則記為（x,y,z,1）。他們也可以用矢量來表達。2、程序設計：2.1、算法基本思想2.1.1、平移變換設需要平移量（x0,y0）將具有坐標（x,y）的點平移到新的位置（x2,y2）設: a(x,y) = x + x0; b(x,y) = y + y0;用齊次矩陣表示：a(x,y)1 0 x0 xb(x,y)=0 1 y0 y1 0 0 1 12.1.2、放縮變換放縮變換改變點間的距離，對物體來說則改變了物體的尺度，所以放縮變換也稱為尺度變換，放縮變換一般是沿坐標方向進行的，或可分解為沿坐標軸方向進行的變換。當分別用設: a(x,y) = x*c; b(x,y) = y*

4、d;沿x，y軸進行放縮變換時，放縮變換矩陣可寫為：a(x,y)c 0 0 xb(x,y)=0 d 0 y1 0 0 1 12.2、算法流程圖程序開始載入圖片將圖片讀入內存A 平移變換B 放縮變換顯示圖片選擇一種變換程序結束3、算法主要代碼分析3.1、平移變換/彈出對話框Input_Move dlg;dlg.DoModal();UpdateData(true);/將用戶輸入的數據進行平移變換mdr->write_video(image_wid+dlg.level, dlg.vertical, image_wid, image_hei, image);mdr->swap();3.2、放

5、縮變換/彈出對話框SHRINK change;change.DoModal();UpdateData(true);/對dx,dy進行放縮變換int dx = image_wid * change.shrink, dy = image_hei * change.shrink;UINT *buf;if (image = NULL) return;/創建動態數組buf = new UINTdx*dy;/進行放縮變換image_scale(image_wid, image_hei, image, dx, dy, buf);/將圖片讀出mdr->write_video(image_wid, 0,

6、dx, dy, buf);mdr->swap();4、結果展示：4.1、平移變換4.2、放縮變換二、典型灰度映射1、需求分析：圖像是由像素組成的，其視覺效果與每個像素的灰度相關。如果能改變所有或部分像素的灰度，就可以改變圖像的視覺效果。直接灰度映射是一種點操作，即根據原始圖像中每個像素的灰度值，按照某種映射規則，將其轉化為另一灰度值。這樣通過對原始圖像中每一個像素賦一個新的灰度值來達到增強圖像的目的。2、程序設計：2.1、算法基本思想2.1.1、圖像求反對圖像求反是將原圖灰度值翻轉，簡單來說就是使黑變白，使白變黑。將圖像中每個像素的灰度值根據變換曲線進行映射。映射是一一對應的，所以只要讀

7、出原灰度值，變換后得到新灰度值，并賦給原像素。L-1L-102.1.2、增強對比度增強對比度實際上是增強原圖的各部分反差。實際中往往通過增加原圖里某兩個灰度值間的動態范圍來實現，s1,s2,t1,t2可取不同的值進行組合，從而得到不同的效果，如果s1=s2，t1=0,t2=L-1,則增強圖只剩下兩個灰度級，對比度最大但細節全丟失。L-1L-102.1.3、動態范圍壓縮該方法的目標與增強對比度相反。有時原圖的動態范圍太大，超出了某些顯示設備的允許動態范圍，這時如直接使用原圖，則一部分細節可能丟失。解決辦法就是對原圖進行灰度壓縮。一種常用的壓縮方法是借助對數形式t=Clog(1+|s|),其中C為

8、尺度比例常數。L-1L-102.1.4、灰度切分其目的與增強對比度相仿，是要將某個灰度值范圍變得比較突出。L-1L-10程序開始載入圖片將圖片讀入內存A 圖像求反B 增強對比度C 動態范圍壓縮D 灰度切分顯示圖片選擇一種典型映射程序結束2.2、算法流程圖3、算法主要代碼分析3.1、圖像求反for (int i = 0; i < image_wid; i+)for (int j = 0; j < image_hei; j+)bufi*image_hei + j =0xffffffff -new_bufi*image_hei + j;3.2、增強對比度for (int i = 0; i

9、 < image_wid; i+)for (int j = 0; j < image_hei; j+)int B = (new_bufi*image_hei + j & 0x00ff0000) >> 16;if (B <= s1)B = (int)(k1*B);/若B小于s1,則將B帶入直線1中else if (B <= s2)B = (int)(k2*B + b2);/若s1<B<=s2,則將B帶入直線2中elseB = (int)(k3*B + b3);/若B>s2,則將B帶入直線3中3.3、動態范圍壓縮for (int i =

10、 0; i < image_hei; i+)for (int j = 0; j < image_wid; j+)int B = (new_bufi*image_wid + j & 0x00ff0000) >> 16;B = (int)(45.98 * log(1 + abs(B);bufi*image_hei + j = (0xff000000 & new_bufi*image_hei + j) + (0x000000ff & B) + (0x0000ff00 & (B << 8) + (0x00ff0000 & (B

11、 << 16);3.4、灰度切分for (int i = 0; i < image_wid; i+)for (int j = 0; j < image_hei; j+)int B = (new_bufi*image_hei + j & 0x00ff0000) >> 16;/將RGB中的B取出if (B <= s1)B = t1;/若B小于s1,則將t1賦值else if (B <= s2)B = t2;/若s1<B<=s2,則將t2賦值elseB = t1;/若B>s2,則將t1賦值4、結果展示：4.1、圖像求反4.2、

12、增強對比度4.3、動態范圍壓縮4.4、灰度切分三、圖像的平滑與銳化1、需求分析打開一幅位圖，按照不同的模板將位圖信息以平滑與銳化的方式處理，并顯示出來。2、程序設計2.1、主要算法基本思想平滑濾波能減弱或消除圖像中的高頻率分量，但不影響低頻率分量，在實際應用中，平滑濾波還可用于消除噪聲（噪聲的空間相關性較弱，對應較高的空間頻率），或在提取較大的目標前去除太小的細節或將目標內的小間斷連接起來。銳化濾波能減少或消除圖像中的低頻率分量，但不影響高頻率分量。銳化濾波將這些分量濾去可使圖片反差增加，邊緣明顯。實際中，銳化可用于增強被模糊的細節或目標的邊緣。首先需要將任意格式位圖從外存中讀入內存，將圖片格

13、式轉換為8位位圖，將其顯示在屏幕上；將內存中的圖片與不同模板作卷積運算，將運算后的圖片顯示在屏幕上。 2.2、流程圖程序開始打開圖像將圖片信息讀入內存程序結束選擇一種模運算a 平滑模板b 中值濾波模板c 銳化模板顯示圖片2.3、算法的詳細說明2.3.1、模板卷積模板運算的基本思路是將賦予某個像素的值作為它本身灰度值和其相鄰像素灰度值的函數。模板可以看作一幅尺寸為N×N（N一般為奇數，遠小于常見圖像尺寸）的小圖像。當N為奇數時，可以定義模板的半徑r為(N-1)/2。模板卷積在空域實現的主要步驟為：a將模板在圖中漫游，并將模板中心與圖中某個像素位置重合；b將模板上的各個系數與模板下各對應

14、像素的灰度值相乘；c將所有乘積相加（為保持灰度范圍，常對結果再除以模板的系數個 數）；d 將上述運算結果（模板的輸出響應）賦予圖中對應模板中心位置的 像素。2.3.2模板介紹1、平滑模板是各個系數相等，不妨設為一，設模板尺寸為M，M=2r+1，r為模板半徑，這給定像素序列，i=1，2，N，則均值濾波輸出為：式中M為模板系數個數，即對模板對應像素求平均值。當模板尺寸增大時，對噪聲的消除效果有所增強。不過同時所得到的圖像變得更模糊，可視的細節逐步減少。2、中值濾波是一種非線性濾波方式。設模板尺寸為M，M=2r+1，r為模板半徑，這給定像素序列，i=1，2，N，則中值濾波輸出為：式中median代表

15、取中值，即對模板覆蓋的信號序列按數值大小進行排序，并取排序后處在中間位置的值，且有1。3、銳化是是通過增強高頻分量來減少圖象中的模糊，因此又稱為高通濾波（high pass filter）。銳化處理在增強圖象邊緣的同時增加了圖象的噪聲。常用的銳化模板是拉普拉斯(Laplacian)模板:4、拉普拉斯模板的含義，先將自身與周圍的8個像素相減，表示自身與周圍像素的差別，再將這個差別加上自身作為新像素的灰度。可見，如果一片暗區出現了一個亮點，那么銳化處理的結果是這個亮點變得更亮，增加了圖象的噪聲。3、主要的實現代碼（1）平滑3×3模板的主要代碼： for (i = 1; i<imag

16、e_hei-1; i+)for (j = 1; j<image_wid-1; j+)temp = pi*wi + j * 4 + pi*wi + j * 4 - 4 + pi*wi + j * 4 + 4+ pi*wi + j * 4 - wi + pi*wi + j * 4 - wi - 4 + pi*wi + j * 4 - wi + 4+ pi*wi + j * 4 + wi + pi*wi + j * 4 + wi - 4 + pi*wi + j * 4 + wi + 4;qi*wi + j * 4 = qi*wi + j * 4 + 1 = qi*wi + j * 4 + 2

17、= temp / 9;qi*wi + j * 4 + 3 = 255;（2）平滑5×5模板的主要代碼： for (i = 2; i<image_hei - 1; i+)for (j = 2; j<image_wid - 1; j+)temp = pi*wi + j * 4 + pi*wi + j * 4 - 4 + pi*wi + j * 4 - 8 + pi*wi + j * 4 + 4 + pi*wi + j * 4 + 8/3+ pi*wi + j * 4 - wi + pi*wi + j * 4 - wi - 4 + pi*wi + j * 4 - wi - 8

18、+ pi*wi + j * 4 - wi + 4 + pi*wi + j * 4 - wi + 8/2+ pi*wi + j * 4 + wi + pi*wi + j * 4 + wi - 4 + pi*wi + j * 4 + wi - 8 + pi*wi + j * 4 + wi + 4 + pi*wi + j * 4 + wi + 8/4+ pi*wi + j * 4 - wi * 2 + pi*wi + j * 4 - wi * 2 - 4 + pi*wi + j * 4 - wi * 2 - 8 + pi*wi + j * 4 - wi * 2 + 4 + pi*wi + j * 4

19、 - wi * 2 + 8/1+ pi*wi + j * 4 + wi * 2 + pi*wi + j * 4 + wi * 2 - 4 + pi*wi + j * 4 + wi * 2 - 8 + pi*wi + j * 4 + wi * 2 + 4 + pi*wi + j * 4 + wi * 2 + 8;/5qi*wi + j * 4 = qi*wi + j * 4 + 1 = qi*wi + j * 4 + 2 = temp / 25;qi*wi + j * 4 + 3 = 255;（3）中值濾波3×3主要代碼： for (i = 1; i<image_hei - 1;

20、 i+)for (j = 1; j<image_wid - 1; j+)/模板內temp0 = pi*wi + j * 4;temp1 = pi*wi + j * 4 - 4;temp2 = pi*wi + j * 4 + 4;temp3 = pi*wi + j * 4 - wi;temp4 = pi*wi + j * 4 - wi - 4;temp5 = pi*wi + j * 4 - wi + 4;temp6 = pi*wi + j * 4 + wi;temp7 = pi*wi + j * 4 + wi - 4;temp8 = pi*wi + j * 4 + wi + 4;qi*wi

21、 + j * 4 = qi*wi + j * 4 + 1 = qi*wi + j * 4 + 2 = Order_33(temp);qi*wi + j * 4 + 3 = 255;/模板內（3）中值濾波5×5主要代碼： for (i = 2; i<image_hei - 1; i+)for (j = 2; j<image_wid - 1; j+)temp0 = pi*wi + j * 4;temp1 = pi*wi + j * 4 - 4;temp2 = pi*wi + j * 4 - 8;temp3 = pi*wi + j * 4 + 4;temp4 = pi*wi +

22、 j * 4 + 8;temp5 = pi*wi + j * 4 - wi;temp6 = pi*wi + j * 4 - wi - 4;temp7 = pi*wi + j * 4 - wi - 8;temp8 = pi*wi + j * 4 - wi + 4;temp9 = pi*wi + j * 4 - wi + 8;temp10 = pi*wi + j * 4 + wi;temp11 = pi*wi + j * 4 + wi - 4;temp12 = pi*wi + j * 4 + wi - 8;temp13 = pi*wi + j * 4 + wi + 4;temp14 = pi*wi

23、 + j * 4 + wi + 8;temp15 = pi*wi + j * 4 - wi * 2;temp16 = pi*wi + j * 4 - wi * 2 - 4;temp17 = pi*wi + j * 4 - wi * 2 - 8;temp18 = pi*wi + j * 4 - wi * 2 + 4;temp19 = pi*wi + j * 4 - wi * 2 + 8;temp20 = pi*wi + j * 4 + wi * 2;temp21 = pi*wi + j * 4 + wi * 2 - 4;temp22 = pi*wi + j * 4 + wi * 2 - 8;te

24、mp23 = pi*wi + j * 4 + wi * 2 + 4;temp24 = pi*wi + j * 4 + wi * 2 + 8;qi*wi + j * 4 = qi*wi + j * 4 + 1 = qi*wi + j * 4 + 2 = Order_55(temp);qi*wi + j * 4 + 3 = 255;（4）銳化拉普拉斯模板的主要代碼： for (i = 1; i<image_hei; i+)for (j = 1; j<image_wid; j+)temp = 9 * pi*wi + j * 4 - pi*wi + j * 4 - 4 - pi*wi +

25、j * 4 + 4- pi*wi + j * 4 - wi - pi*wi + j * 4 - wi - 4 - pi*wi + j * 4 - wi + 4- pi*wi + j * 4 + wi - pi*wi + j * 4 + wi - 4 - pi*wi + j * 4 + wi + 4; /拉普拉斯算子1if (temp > 255)temp = 255;if (temp < 0)temp = 0;qi*wi + j * 4 = qi*wi + j * 4 + 1 = qi*wi + j * 4 + 2 = temp;qi*wi + j * 4 + 3 = 255;4、結果展示（1）平滑3×3模板（2）平滑5×5模板（3）中值濾波3×3（4）中值濾波5&