數(shù)字圖像基本處理算法小結(jié)

初學(xué)圖像處理，在常用算法方面，二白實(shí)在是有些頭疼。就在昨天，親愛(ài)的小白師兄，對(duì)迷茫的二白伸出了援手，為二白送來(lái)了一大份干貨——圖像處理常用算法總結(jié)。二白仔細(xì)閱讀了這些干貨，并將其中的代碼跑了幾遍，覺(jué)得受益匪淺。在這里，二白將干貨分享給大家。

1.二值化：

圖1 二值化（閾值：140）處理效果

所謂二值化簡(jiǎn)單一點(diǎn)講，就是將圖像劃分成黑和白，通過(guò)設(shè)定一個(gè)標(biāo)準(zhǔn)如果大于這個(gè)標(biāo)準(zhǔn)就設(shè)為白，如果小于這個(gè)標(biāo)準(zhǔn)，就設(shè)為黑，而這個(gè)標(biāo)準(zhǔn)，就叫做閾值。

具體定義如下所示：

下面給出實(shí)現(xiàn)的代碼：

//二值化
//函數(shù)的參數(shù)iTR為閾值
voidCBMPSampleDlg::ThresholdProcess(intiTR)
{
//讀取BMP文件
 m_Dib.AttachMapFile("1.bmp", TRUE);
 m_Dib.CopyToMapFile("二值化.bmp");
//將像素指針定位到圖像數(shù)據(jù)的開(kāi)始
 RGBTRIPLE *rgbtri = (RGBTRIPLE *)m_Dib.m_lpImage;
//獲得圖像的大小
intiSize = m_Dib.GetSizeImage();
//BMP文件頭指針
 BITMAPINFOHEADER * pBmiHeader = (BITMAPINFOHEADER *)m_Dib.m_lpBMIH;
//遍歷每一個(gè)像素，并判斷每一個(gè)像素的分量（RGB），將其與閾值比較，然后進(jìn)行賦值
for(inti =0; i < iSize/( pBmiHeader->biBitCount /8); i++)
 {
if( (rgbtri[i].rgbtRed < iTR )| (rgbtri[i].rgbtGreen < iTR) | (rgbtri[i].rgbtBlue < iTR) )
?????????????????? {
??????????????????????????? rgbtri[i].rgbtRed?? = (BYTE)?0;
??????????????????????????? rgbtri[i].rgbtGreen = (BYTE)?0;
??????????????????????????? rgbtri[i].rgbtBlue? = (BYTE)?0;
?????????????????? }
???????????????????else
?????????????????? {
??????????????????????????? rgbtri[i].rgbtRed?? = (BYTE)?255;
??????????????????????????? rgbtri[i].rgbtGreen = (BYTE)?255;
??????????????????????????? rgbtri[i].rgbtBlue? = (BYTE)?255;
?????????????????? }
??????? }
?????????//顯示圖像
???????? DrawPic();
}

在讀取圖像之后，會(huì)將指針定位到圖像像素?cái)?shù)據(jù)的開(kāi)始位置，然后獲得圖像的大小，然后通過(guò)BMP文件頭獲得圖像的一個(gè)像素所占據(jù)的二進(jìn)制的位數(shù)，這樣就知道一個(gè)像素由幾個(gè)字節(jié)組成的了，需要注意的是，一個(gè)像素不一定是由三個(gè)字節(jié)組成的，比如是灰度圖像其只需要一個(gè)字節(jié)來(lái)存儲(chǔ)一個(gè)像素究竟是灰到什么程度其范圍在0-255 之間，而彩色圖像卻是由三種顏色組成的也就是所說(shuō)的三原色RGB分別為Red、Green、Blue三種顏色組成，這三種顏色每個(gè)分量各占一個(gè)字節(jié)，所以這里需要三個(gè)字節(jié)，另外在BMP圖像中還一個(gè)結(jié)構(gòu)為RGBQUAD的結(jié)構(gòu)體，這里一個(gè)像素占據(jù)的是4個(gè)字節(jié)，其實(shí)，這里就涉及到了8位圖像24位圖像以及32位圖像的問(wèn)題了，所謂的8位圖像其實(shí)，每一個(gè)像素占一個(gè)字節(jié)，24位圖像，每一個(gè)像素占據(jù)3個(gè)字節(jié)、而32位圖像每一個(gè)像素占據(jù)4個(gè)字節(jié)就是這么來(lái)的。代碼中，首先會(huì)讀取原始圖像文件，文件的格式為BMP的，關(guān)于BMP圖像的存儲(chǔ)結(jié)構(gòu)，在接下來(lái)的文章中會(huì)講到。

2.海報(bào)化

圖2 海報(bào)化處理效果

所謂的海報(bào)化其實(shí)就是將每一個(gè)像素的分量與224進(jìn)行與運(yùn)算，而244的16進(jìn)制表示可以表示成0xe0，前面介紹了一個(gè)像素的分量的范圍在0-255范圍內(nèi)，所以只需要將這兩個(gè)數(shù)值的二進(jìn)制位相與即可完成海報(bào)化的處理效果。

下面為實(shí)現(xiàn)的具體代碼：

//海報(bào)化
voidCBMPSampleDlg::Posterize()
{
 m_Dib.AttachMapFile("1.bmp", TRUE);
 m_Dib.CopyToMapFile("海報(bào)化.bmp");
 RGBTRIPLE *rgbtri = (RGBTRIPLE *)m_Dib.m_lpImage;
intiSize = m_Dib.GetSizeImage();
 BITMAPINFOHEADER * pBmiHeader = (BITMAPINFOHEADER *)m_Dib.m_lpBMIH;
for(inti =0; i < iSize/( pBmiHeader->biBitCount /8); i++)
 {
 rgbtri[i].rgbtRed = (BYTE) (rgbtri[i].rgbtRed &0xe0);
 rgbtri[i].rgbtGreen = (BYTE) (rgbtri[i].rgbtGreen &0xe0);
 rgbtri[i].rgbtBlue = (BYTE) (rgbtri[i].rgbtBlue &0xe0);
 }
 DrawPic();
}

上面的這段代碼是參考DirectShow里面的ezrgb24濾鏡這個(gè)例子改寫的，另外下面的灰度化也是采用里面的改寫的。

3.灰度化

圖3 灰度化處理效果

灰度化有很多種處理方法，有分量法、最大值法、平均值法以及加權(quán)平均值法。

1)分量法

將彩色圖像中的三分量的亮度作為三個(gè)灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。

f1(i,j)=R(i,j) f2(i,j)=G(i,j)f3(i,j)=B(i,j)

其中fk(i,j)(k=1,2,3)為轉(zhuǎn)換后的灰度圖像在（i,j）處的灰度值。

2)最大值法

將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。

f(i,j)=max(R(i,j),G(i,j),B(i,j))

3) 平均值法

將彩色圖像中的三分量亮度求平均得到一個(gè)灰度圖。

f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3

4) 加權(quán)平均法

根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，按下式對(duì)RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))

在我們的程序中，我們采用的是加權(quán)平均法進(jìn)行灰度化。

下面為實(shí)現(xiàn)的代碼：

//灰度化
voidCBMPSampleDlg::ConvertToGray()
{
 m_Dib.AttachMapFile("1.bmp", TRUE);
 m_Dib.CopyToMapFile("灰度化.bmp");
 RGBTRIPLE *rgbtri = (RGBTRIPLE *)m_Dib.m_lpImage;
intiSize = m_Dib.GetSizeImage();
 BITMAPINFOHEADER * pBmiHeader = (BITMAPINFOHEADER *)m_Dib.m_lpBMIH;
intiGrayvalue =0;
//遍歷每一個(gè)像素
for(inti =0; i < iSize/( pBmiHeader->biBitCount /8); i++)
 {
 iGrayvalue =int( rgbtri[i].rgbtBlue *0.11+ rgbtri[i].rgbtGreen *0.59+ rgbtri[i].rgbtRed *0.3);
 rgbtri[i].rgbtRed = (BYTE) iGrayvalue;
 rgbtri[i].rgbtGreen = (BYTE) iGrayvalue;
 rgbtri[i].rgbtBlue = (BYTE) iGrayvalue;
 }
 DrawPic();
}

在上述代碼中，通過(guò)遍歷每一個(gè)像素，然后計(jì)算該像素的三個(gè)分量的加權(quán)平均值，將三個(gè)分量設(shè)置成同一個(gè)值，這樣就實(shí)現(xiàn)了對(duì)圖像的灰度化處理。

4.模糊化

圖4 模糊化處理效果

其實(shí)所謂的模糊化，就是將各個(gè)像素的相鄰的像素的各個(gè)分量的值相加，然后除以2就可以實(shí)現(xiàn)對(duì)圖像的模糊處理。

下面給出代碼：

//模糊化
void CBMPSampleDlg::Blur()
{
 m_Dib.AttachMapFile("1.bmp",TRUE);
 m_Dib.CopyToMapFile("模糊化.bmp");
 RGBTRIPLE *rgbtri = (RGBTRIPLE *)m_Dib.m_lpImage;
 int iSize = m_Dib.GetSizeImage();
 BITMAPINFOHEADER * pBmiHeader = (BITMAPINFOHEADER *)m_Dib.m_lpBMIH;
 LONG lHeight = pBmiHeader->biHeight;
 LONG lWidth = pBmiHeader->biWidth;
for(int y =0; y < lHeight; y++) {
???????????????????for?(int x =?2?; x < lWidth; x++, rgbtri ++) {
??????????????????????????? rgbtri->rgbtRed = (BYTE) ((rgbtri->rgbtRed + rgbtri[2].rgbtRed) >>1);
 rgbtri->rgbtGreen = (BYTE) ((rgbtri->rgbtGreen + rgbtri[2].rgbtGreen) >>1);
 rgbtri->rgbtBlue = (BYTE) ((rgbtri->rgbtBlue + rgbtri[2].rgbtBlue) >>1);
 }
 rgbtri +=2;
 }
 DrawPic();
}

上面的代碼同樣是遍歷每一個(gè)像素將前一個(gè)像素和后一個(gè)像素相加，然后將獲得的值右移一位，這樣就能實(shí)現(xiàn)除以2的效果，之所以做位運(yùn)算，是因?yàn)槲贿\(yùn)算的速度比除法運(yùn)算要快很多。