南昌大學(xué)數(shù)字圖像處理實(shí)驗(yàn)報(bào)告.doc

實(shí) 驗(yàn) 報(bào) 告實(shí)驗(yàn)課程： 數(shù)字圖像處理 學(xué)生姓名： 涂漢江 學(xué) 號： 6100410181 專業(yè)班級： 數(shù)媒101班 2013年 06月 08日南昌大學(xué)實(shí)驗(yàn)報(bào)告-（1）數(shù)據(jù)圖像顯示的Vc程序設(shè)計(jì)學(xué)生姓名： 涂漢江 學(xué) 號： 6100410181 專業(yè)班級： 數(shù)媒101班 實(shí)驗(yàn)類型：驗(yàn)證 綜合 設(shè)計(jì) 創(chuàng)新 實(shí)驗(yàn)日期： 2013.06.01 實(shí)驗(yàn)成績： 一 實(shí)驗(yàn)?zāi)康奈粓D圖片顯示的C語言實(shí)現(xiàn)。二 實(shí)驗(yàn)要求用C語言編寫簡單的程序用來打開位圖文件。三 實(shí)驗(yàn)環(huán)境PC機(jī)VC6.0四 實(shí)驗(yàn)原理 無五 實(shí)驗(yàn)代碼及結(jié)果/主要代碼部分void CCOpenImageDoc:OnFileOpen() / TODO: Add your command handler code hereCFileDialog dlg(TRUE,0,0,OFN_HIDEREADONLY, _T(位圖文件|*.bmp|所有文件|*.*|);if(dlg.DoModal()=IDOK)FileName=dlg.GetPathName();if(fileheader) delete fileheader;if(infoheader) delete infoheader;if(pal) delete pal;if(BMPData) delete BMPData;if(flag) flag=false;if(!file.Open(FileName,CFile:modeRead)return;fileheader=new BITMAPFILEHEADER1;infoheader=new BITMAPINFOHEADER1;file.Read(fileheader,sizeof(BITMAPFILEHEADER);if(fileheader-bfType!=0x4D42) return;file.Read(infoheader,sizeof(BITMAPINFOHEADER);if(infoheader-biCompression!=0) return;linebytes=WIDTHBYTES(infoheader-biBitCount*infoheader-biWidth);if(infoheader-biBitCount=8)pal=new RGBQUAD256;BMPData=new BYTElinebytes*infoheader-biHeight;file.Read(pal,256*4);file.Read(BMPData,linebytes*infoheader-biHeight);flag=true;else if(infoheader-biBitCount=24)BMPData=new BYTElinebytes*infoheader-biHeight;file.Read(BMPData,linebytes*infoheader-biHeight);flag=true;else return;file.Close();UpdateAllViews(NULL);/結(jié)果截圖六 實(shí)驗(yàn)小結(jié)BMP文件格式比一開始做的DAT文件復(fù)雜，有一個(gè)文件頭來記錄相關(guān)的圖片信息，而且文件里圖片的存儲方式是和正常的掃描順序相反的，也就是說輸出的時(shí)候要倒過來輸出，所以也需要注意。南昌大學(xué)實(shí)驗(yàn)報(bào)告-（2）直方圖均衡化圖像增強(qiáng)學(xué)生姓名： 涂漢江 學(xué) 號： 6100410181 專業(yè)班級： 數(shù)媒101班實(shí)驗(yàn)類型：驗(yàn)證 綜合 設(shè)計(jì) 創(chuàng)新 實(shí)驗(yàn)日期： 2013.06.01 實(shí)驗(yàn)成績： 一 實(shí)驗(yàn)?zāi)康挠肅語言實(shí)現(xiàn)圖像的直方圖均衡化處理。二 實(shí)驗(yàn)要求用C語言實(shí)現(xiàn)圖像的直方圖均衡化處理。三 實(shí)驗(yàn)環(huán)境PC機(jī)VC6.0四 實(shí)驗(yàn)原理 圖像對比度增強(qiáng)的方法可以分成兩類:一類是直接對比度增強(qiáng)方法;另一類是間接對比度增強(qiáng)方法。直方圖拉伸和直方圖均衡化是兩種最常見的間接對比度增強(qiáng)方法。直方圖拉伸是通過對比度拉伸對直方圖進(jìn)行調(diào)整，從而“擴(kuò)大”前景和背景灰度的差別，以達(dá)到增強(qiáng)對比度的目的，這種方法可以利用線性或非線性的方法來實(shí)現(xiàn);直方圖均衡化則通過使用累積函數(shù)對灰度值進(jìn)行“調(diào)整”以實(shí)現(xiàn)對比度的增強(qiáng)。 直方圖均衡化是圖像處理領(lǐng)域中利用圖像直方圖對對比度進(jìn)行調(diào)整的方法。這種方法通常用來增加許多圖像的局部對比度，尤其是當(dāng)圖像的有用數(shù)據(jù)的對比度相當(dāng)接近的時(shí)候。通過這種方法，亮度可以更好地在直方圖上分布。這樣就可以用于增強(qiáng)局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地?cái)U(kuò)展常用的亮度來實(shí)現(xiàn)這種功能。原理： 直方圖均衡化處理的“中心思想”是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。直方圖均衡化就是對圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素?cái)?shù)量大致相同。直方圖均衡化就是把給定圖像的直方圖分布改變成“均勻”分布直方圖分布。 直方圖均衡化的基本思想是把原始圖的直方圖變換為均勻分布的形式，這樣就增加了象素灰度值的動態(tài)范圍從而可達(dá)到增強(qiáng)圖像整體對比度的效果。設(shè)原始圖像在(x，y)處的灰度為f，而改變后的圖像為g，則對圖像增強(qiáng)的方法可表述為將在(x，y)處的灰度f映射為g。在灰度直方圖均衡化處理中對圖像的映射函數(shù)可定義為:g = EQ (f)，這個(gè)映射函數(shù)EQ(f)必須滿足兩個(gè)條件(其中L為圖像的灰度級數(shù)): (1)EQ(f)在0fL-1范圍內(nèi)是一個(gè)單值單增函數(shù)。這是為了保證增強(qiáng)處理沒有打亂原始圖像的灰度排列次序，原圖各灰度級在變換后仍保持從黑到白(或從白到黑)的排列。 (2)對于0fL-1有0gL-1，這個(gè)條件保證了變換前后灰度值動態(tài)范圍的一致性。 累積分布函數(shù)(cumulative distribution function，CDF)即可以滿足上述兩個(gè)條件，并且通過該函數(shù)可以完成將原圖像f的分布轉(zhuǎn)換成g的均勻分布。此時(shí)的直方圖均衡化映射函數(shù)為:= EQ() = (ni/n) = pf() ，(k=0，1，2，L-1)上述求和區(qū)間為0到k，根據(jù)該方程可以由源圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值。在實(shí)際處理變換時(shí)，一般先對原始圖像的灰度情況進(jìn)行統(tǒng)計(jì)分析，并計(jì)算出原始直方圖分布，然后根據(jù)計(jì)算出的累計(jì)直方圖分布求出到的灰度映射關(guān)系。在重復(fù)上述步驟得到源圖像所有灰度級到目標(biāo)圖像灰度級的映射關(guān)系后，按照這個(gè)映射關(guān)系對源圖像各點(diǎn)像素進(jìn)行灰度轉(zhuǎn)換，即可完成對源圖的直方圖均衡化。五 實(shí)驗(yàn)代碼及結(jié)果/主要代碼部分void CImageDoc:OnHistogram() / TODO: Add your command handler code hereint x,y;double *MResult;double *MSource;MResult = new double256;MSource = new double256;for(x=0;x256;x+)MResultx = MSourcex = 0.0;/統(tǒng)計(jì)直方圖for(y = 0; y Height; y+)for(x = 0; x Width; x+) MResultSourcey*Width+x +; for(x=0;x256;x+)for(y=0;yx;y+)MSourcex += MResulty;MSourcex /= Height*Width;/直方圖變換for(y = 0; y Height; y+)for(x = 0; x Width; x+)Resulty*Height+x = (char) (255* MSourceSourcey*Height+x);/灰度計(jì)算for(y = 0; y Height; y+)for(x = 0; x 空域卷積。濾波器就是建立的一個(gè)數(shù)學(xué)模型，通過這個(gè)模型來將圖像數(shù)據(jù)進(jìn)行能量轉(zhuǎn)化，能量低的就排除掉，噪聲就是屬于低能量部分。若使用理想濾波器，會在圖像中產(chǎn)生振鈴現(xiàn)象。采用高斯濾波器的話，系統(tǒng)函數(shù)是平滑的，避免了振鈴現(xiàn)象。高斯模糊是一種圖像濾波器，它使用正態(tài)分布(高斯函數(shù))計(jì)算模糊模板，并使用該模板與原圖像做卷積運(yùn)算，達(dá)到模糊圖像的目的。N維空間正態(tài)分布方程為：其中，是正態(tài)分布的標(biāo)準(zhǔn)差，值越大，圖像越模糊(平滑)。r為模糊半徑，模糊半徑是指模板元素到模板中心的距離。如二維模板大小為m*n，則模板上的元素(x,y)對應(yīng)的高斯計(jì)算公式為：在二維空間中，這個(gè)公式生成的曲面的等高線是從中心開始呈正態(tài)分布的同心圓。分布不為零的像素組成的卷積矩陣與原始圖像做變換。每個(gè)像素的值都是周圍相鄰像素值的加權(quán)平均。原始像素的值有最大的高斯分布值，所以有最大的權(quán)重，相鄰像素隨著距離原始像素越來越遠(yuǎn)，其權(quán)重也越來越小。這樣進(jìn)行模糊處理比其它的均衡模糊濾波器更高地保留了邊緣效果。理論上來講，圖像中每點(diǎn)的分布都不為零，這也就是說每個(gè)像素的計(jì)算都需要包含整幅圖像。在實(shí)際應(yīng)用中，在計(jì)算高斯函數(shù)的離散近似時(shí)，在大概3距離之外的像素都可以看作不起作用，這些像素的計(jì)算也就可以忽略。通常，圖像處理程序只需要計(jì)算(6+1)*(6+1)的矩陣就可以保證相關(guān)像素影響。五 實(shí)驗(yàn)代碼及結(jié)果/主要代碼部分void CImageDoc:Gaussfilter(unsigned char *Source, unsigned char *Result,int Height, int Width, int nR) int k=(int)(3);for(int y=0;yHeight;y+)for(int x=0;xWidth;x+)if(xk|yWidth-k-1|yHeight-k-1)Resulty*Width+x=255;elseResulty*Width+x=0;double sum=0; for(int i=-k;ik+1;i+) for(int j=-k;jk+1;j+)sum+=Source(y+i)*Width+x+j*(1/(2*3.14)*pow(2.718,(-1)*(pow(i-1,2)+pow(j-1,2)/2 );Resulty*Width+x=(int)(sum);void CImageDoc:OnGaussfilter() / TODO: Add your command handler code hereGaussfilter(Source, Result, Height, Width,1); for(int y=0;yHeight;y+)for(int x=0;xWidth;x+)PResult3*y*Width+3*x = Resulty*Width+x;PResult3*y*Width+3*x+1 = Resulty*Width+x;PResult3*y*Width+3*x+2 = Resulty*Width+x; UpdateAllViews(NULL);/結(jié)果截圖六 實(shí)驗(yàn)小結(jié)高斯濾波實(shí)質(zhì)上是一種信號的濾波器，其用途為信號的平滑處理，數(shù)字圖像用于后期應(yīng)用，其噪聲是最大的問題，因?yàn)檎`差會累計(jì)傳遞等原因，大多圖像處理教材會在很早的時(shí)候介紹Gauss濾波器，用于得到信噪比SNR較高的圖像（反應(yīng)真實(shí)信號）。高斯平滑濾波器對于抑制服從正態(tài)分布的噪聲非常有效。 南昌大學(xué)實(shí)驗(yàn)報(bào)告-（4）圖像的梯度算子邊緣提取學(xué)生姓名： 涂漢江 學(xué) 號： 6100410181 專業(yè)班級： 數(shù)媒101班 實(shí)驗(yàn)類型：驗(yàn)證 綜合 設(shè)計(jì) 創(chuàng)新 實(shí)驗(yàn)日期： 2013.06.01 實(shí)驗(yàn)成績： 一 實(shí)驗(yàn)?zāi)康膶?shí)現(xiàn)邊緣提取。二 實(shí)驗(yàn)要求實(shí)現(xiàn)邊緣提取。三 實(shí)驗(yàn)環(huán)境PC機(jī)VC6.0四 實(shí)驗(yàn)原理邊緣檢測是圖像處理和計(jì)算機(jī)視覺中的基本問題，邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點(diǎn)。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。 這些包括（i）深度上的不連續(xù)、（ii）表面方向不連續(xù)、（iii）物質(zhì)屬性變化和（iv）場景照明變化。 邊緣檢測是圖像處理和計(jì)算機(jī)視覺中，尤其是特征提取中的一個(gè)研究領(lǐng)域。如果將邊緣認(rèn)為是一定數(shù)量點(diǎn)亮度發(fā)生變化的地方，那么邊緣檢測大體上就是計(jì)算這個(gè)亮度變化的導(dǎo)數(shù)。為簡化起見，我們可以先在一維空間分析邊緣檢測。在這個(gè)例子中，我們的數(shù)據(jù)是一行不同點(diǎn)亮度的數(shù)據(jù)。例如，在下面的1維數(shù)據(jù)中我們可以直觀地說在第4與第5個(gè)點(diǎn)之間有一個(gè)邊界：除非場景中的物體非常簡單并且照明條件得到了很好的控制，否則確定一個(gè)用來判斷兩個(gè)相鄰點(diǎn)之間有多大的亮度變化才算是有邊界的閾值，并不是一件容易的事。實(shí)際上，這也是為什么邊緣檢測不是一個(gè)微不足道問題的原因之一。檢測方法：有許多用于邊緣檢測的方法, 他們大致可分為兩類：基于搜索和基于零交叉?；谒阉鞯倪吘墮z測方法首先計(jì)算邊緣強(qiáng)度， 通常用一階導(dǎo)數(shù)表示， 例如梯度模，然后，用計(jì)算估計(jì)邊緣的局部方向， 通常采用梯度的方向，并利用此方向找到局部梯度模的最大值?；诹憬徊娴姆椒ㄕ业接蓤D像得到的二階導(dǎo)數(shù)的零交叉點(diǎn)來定位邊緣。 通常用拉普拉斯算子或非線性微分方程的零交叉點(diǎn)。濾波做為邊緣檢測的預(yù)處理通常是必要的，通常采用高斯濾波。已發(fā)表的邊緣檢測方法應(yīng)用計(jì)算邊界強(qiáng)度的度量，這與平滑濾波有本質(zhì)的不同。 正如許多邊緣檢測方法依賴于圖像梯度的計(jì)算，他們用不同種類的濾波器來估計(jì)x-方向和y-方向的梯度。計(jì)算一階導(dǎo)數(shù)：許多邊緣檢測操作都是基于亮度的一階導(dǎo)數(shù)這樣就得到了原始數(shù)據(jù)亮度的梯度。使用這個(gè)信息我們能夠在圖像的亮度梯度中搜尋峰值。如果 I(x) 表示點(diǎn) x 的亮度，I(x) 表示點(diǎn) x 的一階導(dǎo)數(shù)（亮度梯度），這樣我們就會發(fā)現(xiàn)： 對于更高性能的圖像處理來說，一階導(dǎo)數(shù)能夠通過帶有掩碼的原始數(shù)據(jù)（1維）卷積計(jì)算得到。計(jì)算二階導(dǎo)數(shù)：其它一些邊緣檢測操作是基于亮度的二階導(dǎo)數(shù)。這實(shí)質(zhì)上是亮度梯度的變化率。在理想的連續(xù)變化情況下，在二階導(dǎo)數(shù)中檢測過零點(diǎn)將得到梯度中的局部最大值。另一方面，二階導(dǎo)數(shù)中的峰值檢測是邊線檢測，只要圖像操作使用一個(gè)合適的尺度表示。如上所述，邊線是雙重邊緣，這樣我們就可以在邊線的一邊看到一個(gè)亮度梯度，而在另一邊看到相反的梯度。這樣如果圖像中有邊線出現(xiàn)的話我們就能在亮度梯度上看到非常大的變化。為了找到這些邊線，我們可以在圖像亮度梯度的二階導(dǎo)數(shù)中尋找過零點(diǎn)。如果 I(x) 表示點(diǎn) x 的亮度，I(x) 表示點(diǎn) x 亮度的二階導(dǎo)數(shù)，那么： 同樣許多算法也使用卷積掩碼快速處理圖像數(shù)據(jù)：步驟：濾波：邊緣檢測算法主要是基于圖像強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。需要指出，大多數(shù)濾波器在降低噪聲的同時(shí)也導(dǎo)致了邊緣強(qiáng)度的損失，因此，增強(qiáng)邊緣和降低噪聲之間需要折中。增強(qiáng):增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域(或局部)強(qiáng)度值有顯著變化的點(diǎn)突顯出來。邊緣增強(qiáng)一般是通過計(jì)算梯度幅值來完成的。檢測：在圖像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。最簡單的邊緣檢測判據(jù)是梯度幅值閾值判據(jù)。定位：如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計(jì)，邊緣的方位也可以被估計(jì)出來。在邊緣檢測算法中，前三個(gè)步驟用得十分普遍。這是因?yàn)榇蠖鄶?shù)場合下，僅僅需要邊緣檢測器指出邊緣出現(xiàn)在圖像某一像素點(diǎn)的附近，而沒有必要指出邊緣的精確位置或方向。邊緣檢測的實(shí)質(zhì)是采用某種算法來提取出圖像中對象與背景問的交界線。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。經(jīng)典的邊緣檢測方法，是通過對原始圖像中像素的某小鄰域構(gòu)造邊緣檢測算子來達(dá)到檢測邊緣這一目的的。閾值確定：一旦我們計(jì)算出導(dǎo)數(shù)之后，下一步要做的就是給出一個(gè)閾值來確定哪里是邊緣位置。閾值越低，能夠檢測出的邊線越多，結(jié)果也就越容易受到圖片噪聲的影響，并且越容易從圖像中挑出不相關(guān)的特性。與此相反，一個(gè)高的閾值將會遺失細(xì)的或者短的線段。一個(gè)常用的這種方法是帶有滯后作用的閾值選擇。這個(gè)方法使用不同的閾值去尋找邊緣。首先使用一個(gè)閾值上限去尋找邊線開始的地方。一旦找到了一個(gè)開始點(diǎn)，我們在圖像上逐點(diǎn)跟蹤邊緣路徑，當(dāng)大于門檻下限時(shí)一直紀(jì)錄邊緣位置，直到數(shù)值小于下限之后才停止紀(jì)錄。這種方法假設(shè)邊緣是連續(xù)的界線，并且我們能夠跟蹤前面所看到的邊緣的模糊部分，而不會將圖像中的噪聲點(diǎn)標(biāo)記為邊緣。五 實(shí)驗(yàn)代碼及結(jié)果/主要代碼部分void CImageDoc:OnGard() / TODO: Add your command handler code hereGrad(Source, Result,Height,Width); for(int y=