好酷屋

图像处理经典算法

好酷屋

发布于2024-09-08

好酷屋教程网小编为您收集和整理了图像处理经典算法的相关教程:图像处理,是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多情况下指数字图像处理。    

  图像处理,是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多情况下指数字图像处理。

  

  本文接下来,简单粗略介绍下数字图像处理领域中的24个经典算法,然后全部算法用vc实现。由于篇幅所限,只给出某一算法的主体代码。

  

  ok,请细看。

  

  一、256色转灰度图

  

  算法介绍(百度百科):

  

  什么叫灰度图?任何颜色都有红、绿、蓝三原色组成,假如原来某点的颜色为RGB(R,G,B),那么,我们可以通过下面几种方法,将其转换为灰度:

  

  1.浮点算法:Gray=R*0.3+G*0.59+B*0.11

  

  2.整数方法:Gray=(R*30+G*59+B*11)/100

  

  3.移位方法:Gray =(R*28+G*151+B*77)>>8;

  

  4.平均值法:Gray=(R+G+B)/3;

  

  5.仅取绿色:Gray=G;

  

  通过上述任一种方法求得Gray后,将原来的RGB(R,G,B)中的R,G,B统一用Gray替换,形成新的颜色RGB(Gray,Gray,Gray),用它替换原来的RGB(R,G,B)就是灰度图了。

  

  灰度分为256阶。所以,用灰度表示的图像称作灰度图。

  

  程序实现:

  

  ok,知道了什么叫灰度图,下面,咱们就来实现此256色灰度图。

  

  这个Convert256toGray(),即是将256色位图转化为灰度图:

  

  void Convert256toGray(HDIB hDIB)

  

  {

  

  LPSTR lpDIB;

  

  // 由DIB句柄得到DIB指针并锁定DIB

  

  lpDIB = (LPSTR) ::GlobalLock((HGLOBAL)hDIB);

  

  // 指向DIB象素数据区的指针

  

  LPSTR lpDIBBits;

  

  // 指向DIB象素的指针

  

  BYTE * lpSrc;

  

  // 图像宽度

  

  LONG lWidth;

  

  // 图像高度

  

  LONG lHeight;

  

  // 图像每行的字节数

  

  LONG lLineBytes;

  

  // 指向BITMAPINFO结构的指针(Win3.0)

  

  LPBITMAPINFO lpbmi;

  

  // 指向BITMAPCOREINFO结构的指针

  

  LPBITMAPCOREINFO lpbmc;

  

  // 获取指向BITMAPINFO结构的指针(Win3.0)

  

  lpbmi = (LPBITMAPINFO)lpDIB;

  

  // 获取指向BITMAPCOREINFO结构的指针

  

  lpbmc = (LPBITMAPCOREINFO)lpDIB;

  

  // 灰度映射表

  

  BYTE bMap[256];

  

  // 计算灰度映射表(保存各个颜色的灰度值),并更新DIB调色板

  

  int i,j;

  

  for (i = 0; i < 256; i ++)

  

  {

  

  // 计算该颜色对应的灰度值

  

  bMap[i] = (BYTE)(0.299 * lpbmi->bmiColors[i].rgbRed +

  

  0.587 * lpbmi->bmiColors[i].rgbGreen +

  

  0.114 * lpbmi->bmiColors[i].rgbBlue + 0.5);

  

  // 更新DIB调色板红色分量

  

  lpbmi->bmiColors[i].rgbRed = i;

  

  // 更新DIB调色板绿色分量

  

  lpbmi->bmiColors[i].rgbGreen = i;

  

  // 更新DIB调色板蓝色分量

  

  lpbmi->bmiColors[i].rgbBlue = i;

  

  // 更新DIB调色板保留位

  

  lpbmi->bmiColors[i].rgbReserved = 0;

  

  }

  

  // 找到DIB图像象素起始位置

  

  lpDIBBits = ::FindDIBBits(lpDIB);

  

  // 获取图像宽度

  

  lWidth = ::DIBWidth(lpDIB);

  

  // 获取图像高度

  

  lHeight = ::DIBHeight(lpDIB);

  

  // 计算图像每行的字节数

  

  lLineBytes = WIDTHBYTES(lWidth * 8);

  

  // 更换每个象素的颜色索引(即按照灰度映射表换成灰度值)

  

  //逐行扫描

  

  for(i = 0; i < lHeight; i++)

  

  {

  

  //逐列扫描

  

  for(j = 0; j < lWidth; j++)

  

  {

  

  // 指向DIB第i行,第j个象素的指针

  

  lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j;

  

  // 变换

  

  *lpSrc = bMap[*lpSrc];

  

  }

  

  }

  

  //解除锁定

  

  ::GlobalUnlock ((HGLOBAL)hDIB);

  

  }

  

  变换效果(以下若无特别说明,图示的右边部分都是为某一算法变换之后的效果):

  

  二、Walsh变换

  

  算法介绍:

  

  有关Walsh变换的深入介绍,请看此论文:http://www.informatics.org.cn/doc/ucit200510/ucit20051005.pdf

  

  程序实现:

  

  函数名称:WALSH()

  

  参数:

  

  double * f - 指向时域值的指针

  

  double * F - 指向频域值的指针

  

  r -2的幂数

  

  返回值:无。

  

  说明:该函数用来实现快速沃尔什-哈达玛变换。

  

  VOID WINAPI WALSH(double *f, double *F, int r)

  

  {

  

  // 沃尔什-哈达玛变换点数

  

  LONG count;

  

  // 循环变量

  

  int i,j,k;

  

  // 中间变量

  

  int bfsize,p;

  

  double *X1,*X2,*X;

  

  // 计算快速沃尔什变换点数

  

  count = 1 << r;

  

  // 分配运算所需的数组

  

  X1 = new double[count];

  

  X2 = new double[count];

  

  // 将时域点写入数组X1

  

  memcpy(X1, f, sizeof(double) * count);

  

  // 蝶形运算

  

  for(k = 0; k < r; k++)

  

  {

  

  for(j = 0; j < 1<<k; j++)

  

  {

  

  bfsize = 1 << (r-k);

  

  for(i = 0; i < bfsize / 2; i++)

  

  {

  

  p = j * bfsize;

  

  X2[i + p] = X1[i + p] + X1[i + p + bfsize / 2];

  

  X2[i + p + bfsize / 2] = X1[i + p] - X1[i + p + bfsize / 2];

  

  }

  

  }

  

  // 互换X1和X2

  

  X = X1;

  

  X1 = X2;

  

  X2 = X;

  

  }

  

  // 调整系数

  

  for(j = 0; j < count; j++)

  

  {

  

  p = 0;

  

  for(i = 0; i < r; i++)

  

  {

  

  if (j & (1<<i))

  

  {

  

  p += 1 << (r-i-1);

  

  }

  

  }

  

  F[j] = X1[p] / count;

  

  }

  

  // 释放内存

  

  delete X1;

  

  delete X2;

  

  }

  

  函数名称:DIBWalsh1()

  

  参数:

  

  LPSTR lpDIBBits - 指向源DIB图像指针

  

  LONG lWidth - 源图像宽度(象素数)

  

  LONG lHeight - 源图像高度(象素数)

  

  返回值:BOOL - 成功返回TRUE,否则返回FALSE。

  

  说明:该函数用来对图像进行沃尔什-哈达玛变换。于上面不同的是,此处是将二维

  

  矩阵转换成一个列向量,然后对该列向量进行一次一维沃尔什-哈达玛变换。

  

  BOOL WINAPI DIBWalsh1(LPSTR lpDIBBits, LONG lWidth, LONG lHeight)

  

  {

  

  // 指向源图像的指针

  

  unsigned char* lpSrc;

  

  // 循环变量

  

  LONG i;

  

  LONG j;

  

  // 进行付立叶变换的宽度和高度(2的整数次方)

  

  LONG w;

  

  LONG h;

  

  // 中间变量

  

  double dTemp;

  

  int wp;

  

  int hp;

  

  // 图像每行的字节数

  

  LONG lLineBytes;

  

  // 计算图像每行的字节数

  

  lLineBytes = WIDTHBYTES(lWidth * 8);

  

  // 赋初值

  

  w = 1;

  

  h = 1;

  

  wp = 0;

  

  hp = 0;

  

  // 计算进行离散余弦变换的宽度和高度(2的整数次方)

  

  while(w * 2 <= lWidth)

  

  {

  

  w *= 2;

  

  wp++;

  

  }

  

  while(h * 2 <= lHeight)

  

  {

  

  h *= 2;

  

  hp++;

  

  }

  

  // 分配内存

  

  double *f = new double[w * h];

  

  double *F = new double[w * h];

  

  // 列

  

  for(i = 0; i < w; i++)

  

  {

  

  // 行

  

  for(j = 0; j < h; j++)

  

  {

  

  // 指向DIB第j行,第i个象素的指针

  

  lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - j) + i;

  

  // 给时域赋值

  

  f[j + i * w] = *(lpSrc);

  

  }

  

  }

  

  // 调用快速沃尔什-哈达玛变换

  

  WALSH(f, F, wp + hp);

  

  // 列

  

  for(i = 0; i < w; i++)

  

  {

  

  // 行

  

  for(j = 0; j < h; j++)

  

  {

  

  // 计算频谱

  

  dTemp = fabs(F[i * w + j] * 1000);

  

  // 判断是否超过255

  

  if (dTemp > 255)

  

  {

  

  // 对于超过的,直接设置为255

  

  dTemp = 255;

  

  }

  

  // 指向DIB第j行,第i个象素的指针

  

  lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - j) + i;

  

  // 更新源图像

  

  * (lpSrc) = (BYTE)(dTemp);

  

  }

  

  }

  

  //释放内存

  

  delete f;

  

  delete F;

  

  // 返回

  

  return TRUE;

  

  }

  

  变换效果:

  

  三、二值化变换

  

  算法描述:

  

  二值化是图像分割的一种方法。在二值化图象的时候把大于某个临界灰度值的像素灰度设为灰度�O大值,把小于这个值的像素灰度设为灰度�O小值,从而实现二值化。

  

  根据阈值选取的不同,二值化的算法分为固定阈值和自适应阈值。 比较常用的二值化方法则有:双峰法、P参数法、迭代法和OTSU法等。

  

  程序实现:

  

  void CMyDIPView::OnDraw(CDC* pDC)

  

  {

  

  CMyDIPDoc* pDoc = GetDocument();

  

  ASSERT_VALID(pDoc);

  

  if(pDoc->m_hDIB == NULL)

  

  return ;

  

  // TODO: add draw code for native data here

  

  int i,j;

  

  unsigned char *lpSrc;

  

  LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDoc->m_hDIB);

  

  int cxDIB = (int) ::DIBWidth(lpDIB); // Size of DIB - x

  

  int cyDIB = (int) ::DIBHeight(lpDIB); // Size of DIB - y

  

  LPSTR lpDIBBits=::FindDIBBits (lpDIB);

  

  // 计算图像每行的字节数

  

  long lLineBytes = WIDTHBYTES(cxDIB * 8);

  

  // 每行

  

  for(i = 0; i < cyDIB; i++)

  

  {

  

  // 每列

  

  for(j = 0; j < cxDIB; j++)

  

  {

  

  // 指向DIB第i行,第j个象素的指针

  

  lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (cyDIB - 1 - i) + j;

  

  // 计算新的灰度值

  

  //*(lpSrc) = BYTE(255-*lpSrc);

  

  }

  

  }

  

  ::GlobalUnlock((HGLOBAL) pDoc->m_hDIB);

  

  CRect rect(0,0,cxDIB,cyDIB), rcDIB(0,0,cxDIB,cyDIB);

  

  ::PaintDIB(pDC->m_hDC, &rect, pDoc->m_hDIB, &rcDIB, pDoc->m_palDIB);

  

  }

  

  void CMyDIPView::OnMenuitem32778()

  

  {

  

  // TODO: Add your command handler code here

  

  int i,j;

  

  unsigned char *lpSrc;

  

  CMyDIPDoc* pDoc = GetDocument();

  

  ASSERT_VALID(pDoc);

  

  if(pDoc->m_hDIB == NULL)

  

  return ;

  

  LPSTR lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDoc->m_hDIB);

  

  LPSTR lpDIBBits=::FindDIBBits (lpDIB);

  

  int cxDIB = (int) ::DIBWidth(lpDIB); // Size of DIB - x

  

  int cyDIB = (int) ::DIBHeight(lpDIB); // Size of DIB - y

  

  long lLineBytes = WIDTHBYTES(cxDIB * 8); // 计算图像每行的字节数

  

  const float c1=150,c2=2.5;

  

  // 每行

  

  for(i = 0; i < cyDIB; i++)

  

  {

  

  // 每列

  

  for(j = 0; j < cxDIB; j++)

  

  {

  

  // 指向DIB第i行,第j个象素的指针

  

  lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (cyDIB - 1 - i) + j;

  

  // 计算新的灰度值

  

  if(*lpSrc<122) *lpSrc=BYTE(0);

  

  else *lpSrc = BYTE(255);

  

  }

  

  }

  

  ::GlobalUnlock((HGLOBAL) pDoc->m_hDIB);

  

  Invalidate(TRUE);

  

  }

  

  变换效果:

  

  四、阈值变换

  

  算法描述:

  

  输入图像像元密度值(灰度、亮度值)按对数函数关系变换为输出图像。

  

  程序实现:

  

  //参数说明:

  

  //LPSTR lpDIBBits:指向源DIB图像指针

  

  //LONG lWidth:源图像宽度(象素数)

  

  //LONG lHeight:源图像高度(象素数)

  

  //BYTE bThre:阈值

  

  //程序说明:

  

  //该函数用来对图像进行阈值变换。对于灰度值小于阈值的象素直接设置

  

  灰度值为0;灰度值大于阈值的象素直接设置为255。

  

  BOOL WINAPI ThresholdTrans(LPSTR lpDIBBits, LONG lWidth, LONG lHeight, BYTE bThre)

  

  {

  

  // 指向源图像的指针

  

  unsigned char* lpSrc;

  

  // 循环变量

  

  LONG i;

  

  LONG j;

  

  // 图像每行的字节数

  

  LONG lLineBytes;

  

  // 计算图像每行的字节数

  

  lLineBytes = WIDTHBYTES(lWidth * 8);

  

  // 每行

  

  for(i = 0; i < lHeight; i++)

  

  {

  

  // 每列

  

  for(j = 0; j < lWidth; j++)

  

  {

  

  // 指向DIB第i行,第j个象素的指针

  

  lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j;

  

  // 判断是否小于阈值

  

  if ((*lpSrc) < bThre)

  

  {

  

  // 直接赋值为0

  

  *lpSrc = 0;

  

  }

  

  else

  

  {

  

  // 直接赋值为255

  

  *lpSrc = 255;

  

  }

  

  }

  

  }

  

  // 返回

  

  return TRUE;

  

  }

  

  五、傅立叶变换

  

  算法描述:

  

  关于此傅里叶变换算法的具体介绍,请参考本BLOG文章:十、从头到尾彻底理解傅里叶变换算法、上。

  

  程序实现:

  

  函数名称:FFT()

  

  参数:

  

  complex * TD - 指向时域数组的指针

  

  complex * FD - 指向频域数组的指针

  

  r -2的幂数,即迭代次数

  

  返回值:无。

  

  说明:该函数用来实现快速付立叶变换。

  

  VOID WINAPI FFT(complex * TD, complex * FD, int r)

  

  {

  

  // 付立叶变换点数

  

  LONG count;

  

  // 循环变量

  

  int i,j,k;

  

  // 中间变量

  

  int bfsize,p;

  

  // 角度

  

  double angle;

  

  complex *W,*X1,*X2,*X;

  

  // 计算付立叶变换点数

  

  count = 1 << r;

  

  // 分配运算所需存储器

  

  W = new complex[count / 2];

  

  X1 = new complex[count];

  

  X2 = new complex[count];

  

  // 计算加权系数

  

  for(i = 0; i < count / 2; i++)

  

  {

  

  angle = -i * PI * 2 / count;

  

  W[i] = complex (cos(angle), sin(angle));

  

  }

  

  // 将时域点写入X1

  

  memcpy(X1, TD, sizeof(complex) * count);

  

  // 采用蝶形算法进行快速付立叶变换

  

  for(k = 0; k < r; k++)

  

  {

  

  for(j = 0; j < 1 << k; j++)

  

  {

  

  bfsize = 1 << (r-k);

  

  for(i = 0; i < bfsize / 2; i++)

  

  {

  

  p = j * bfsize;

  

  X2[i + p] = X1[i + p] + X1[i + p + bfsize / 2];

  

  X2[i + p + bfsize / 2] = (X1[i + p] - X1[i + p + bfsize / 2]) * W[i * (1<<k)];

  

  }

  

  }

  

  X = X1;

  

  X1 = X2;

  

  X2 = X;

  

  }

  

  // 重新排序

  

  for(j = 0; j < count; j++)

  

  {

  

  p = 0;

  

  for(i = 0; i < r; i++)

  

  {

  

  if (j&(1<<i))

  

  {

  

  p+=1<<(r-i-1);

  

  }

  

  }

  

  FD[j]=X1[p];

  

  }

  

  // 释放内存

  

  delete W;

  

  delete X1;

  

  delete X2;

  

  }

以上就是好酷屋教程网小编为您收集和整理的图像处理,算法,百科,标签相关内容,如果对您有帮助,请帮忙分享这篇文章^_^

本文来源: https://www.haoku5.com/shenghuo/66dd12053d0084a1cb01fd7d.html

相关推荐

    热门专题