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。
-
圖像處理
+關(guān)注
關(guān)注
27文章
1272瀏覽量
56494 -
算法
+關(guān)注
關(guān)注
23文章
4575瀏覽量
92335 -
代碼
+關(guān)注
關(guān)注
30文章
4694瀏覽量
68075
原文標(biāo)題:數(shù)字圖像基本處理算法小結(jié)
文章出處:【微信號(hào):vision263com,微信公眾號(hào):新機(jī)器視覺(jué)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論