数字图像特征提取.docVIP

数字图像的特征提取.txt23让我们挥起沉重的铁锤吧！每一下都砸在最稚嫩的部位，当青春逝去，那些部位将生出厚晒太阳的茧，最终成为坚实的石，支撑起我们不再年轻但一定美丽的生命。呵呵,看了半天，原来你只不过要求进行边缘检测就可以，然后再做阈值化而已，太简单了。按照下面做即可： void RobelEdgeDetect(LPBYTE lpDibTemp, LPBYTE lpDibSave,int width,int height) { int i,j; float R; float RCos,RSin; for(j=1;j height-1;j++) for(i=1;i width-1;i++) { RCos=(float)(lpDibTemp[(j-1)*width+i+1]+2*lpDibTemp[j*width+i+1]+lpDibTemp[(j+1)*width+i+1] -lpDibTemp[(j-1)*width+i-1]-2*lpDibTemp[j*width+i-1]-lpDibTemp[(j+1)*width+i-1]); RSin=(float)(lpDibTemp[(j+1)*width+i-1]+2*lpDibTemp[(j+1)*width+i]+lpDibTemp[(j+1)*width+i+1] -lpDibTemp[(j-1)*width+i-1]-2*lpDibTemp[(j-1)*width+i]-lpDibTemp[(j-1)*width+i+1]); lpDibSave[j*width+i]=(unsigned char)(float)sqrt(RCos*RCos+RSin*RSin); for(i=0;i width;i++)//边缘处理 { lpDibTemp[width*(height-1)+i]=lpDibTemp[width*(height-2)+i]; lpDibTemp[i]=lpDibTemp[256+i]; } for(j=0;j height;j++) { lpDibTemp[width-1+width*j]=lpDibTemp[width*j+width-2]; lpDibTemp[width*j]=lpDibTemp[width*(j+1)]; } for(j=0;j height;j++) for(i=0;i width;i++) { lpDibSave[j*width+i]=255-lpDibSave[j*width+i];//反色 if(lpDibSave[j*width+i] =128) //阈值化 lpDibSave[j*width+i]=255; else lpDibSave[j*width+i]=0; } } ok,一切完成！！！其中，阈值化时，要跟你的图像具体情况而定，当然可以使用自适应阈值最好了。 对我有用[0] 丢个板砖[0] 引用 举报 管理 TOP jluhs 等　级： #11楼 得分：0回复于：2002-05-11 11:57:34补充一句：在使用上面的程序时之前，应该将彩色图像变换为灰度图像，将真彩色图转换为灰度图的公式如下： Y=0.299R+0.587G+0.114B 其中R，G，B为真彩色的三种色彩成分，Y代表灰阶图的亮度。 对真彩色图像中的每一像素作分别这样的转换就可以。 相信这，你会做了！！！！！ 数字图像的特征提取 边缘能勾划出目标物体轮廓，使观察者一目了然，图像识别中抽取的重要属性。通常可以分为阶跃状和屋顶状两种。阶跃状边缘位于两边的像素灰度值有明显不同的地方；屋顶状边缘位于灰度值从增加到减少的转折处。边缘上像素值的一阶导数较大 而阶导数在边缘处值为零 , 边缘或线条是指图像中像素灰度发生急剧变化的区域边境。存在于目标与背景、目标与目标、区域与区域、基元与基元之间。对图像识别和分析有着十分重要的作用。呈现零交叉。 y , 通常一幅图像可以描述成 f x. 灰度变化情况可以用图像的灰度分布的梯度来反映。通常将图像 f x,y 梯度定义为 梯度的模为 导数算子具有突出灰度变化的作用， 通常把梯度的模就叫做图像的梯度。边缘的检测就可借助空域微分算子通过卷积完成。对图像运用导数算子，灰度变化较大的点处算得的值较高，因此可将这些导数值作为相应点的边境强度，通过设置门限的方法，提取边境点集。有了上面的定义后，接下来将具体介绍几种较常用的也可以说是比较经典的边缘提取的算子