C程序设计梯度锐化.docVIP

学 号： 0120809310425 图像处理程序设计 大作业 题 目 图像的梯度锐化 学 院 信息学院 专 业 电子信息工程 班 级 电信0804班 姓 名 龙 辉 指导教师 黄 朝 兵 2011 年 6 月 13 日 2设计方案及功能描述 图像锐化的主要目的有两个：一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分析奠定基础。图像锐化一般有两种方法：一是微分法，二是高通滤波法。高通滤波法的工作原理和低通滤波相似，这里不再赘述。下面主要介绍一下两种常用的微分锐化方法：梯度锐化和拉普拉斯锐化。但由于锐化使噪声受到比信号还要强的增强，所以要求锐化处理的图像有较高的信噪比；否则，锐化后图像的信噪比更低。 2.1基本理论 邻域平均法或加权平均法可以平滑图像，反过来利用对应的微分方法可以锐化图像。微分运算是求信号的变化率，有加强高频率分量的作用，从而使图像轮廓清晰。 由于图像模糊的实质是图像受到平均或积分运算造成的，所以为了把图像中任何方向伸展的边缘和模糊的轮廓变得清晰，可以对图像进行逆运算如微分运算，从而使图像清晰化。 在图像处理中，一阶微分是通过梯度法来实现的。对于一幅图像用函数f(x,f)表示，定义 f(x,f)在点(x,f)处的梯度是一个矢量，定义为： 牋 （2-1） 梯度的方向在函数f(x,f)最大变化率的方向上，梯度的幅度G[f(x,f)] 可由下式算出： ? （2-2） 由上式可知，梯度的数值就是f(x,f)在其最大变化率方向上的单位距离所增加的量。对于数字图像而言，微分 和 可用差分来近似。式（2-2）按差分运算近似后的梯度表达式为： ? （2-3） 为便于编程和提高运算速度，在计算精度允许的情况下，可采用绝对差算法近似为： ? （2-4） 这种梯度法又称为水平垂直差分法，另一种梯度法是交叉地进行差分计算，称为罗伯特梯度法（Robert Gradient），表示为： ? （2-5） 同样，可以采用绝对差算法近似为： ? （2-6） 运用以上两种梯度近似算法，在图像的最后一行或最后一列无法计算像素的梯度时，一般用前一行或前一列的梯度值近似代替。为了在不破坏图像背景的前提下更好地增强边缘，也可以对上述直接用梯度值代替灰度值的方法进行改进，即利用门限判断来改进梯度锐化方法。具体公式如下： ?的计算方法可以采用式（2-5）或式（2-6）。对于图像而言，物体和物体之间、背景和背景之间的梯度变化很小，灰度变化较大的地方一般集中在图像的边缘上，也就是物体和背景交接的地方。当我们设定一个阈值时，大于阈值就认为该像素点处于图像的边缘，对结果加上常数C，以使边缘变亮；而对于 不大于阈值就认为该像素点是同类像素，即为物体或背景，常数C的选取可以根据具体的图像特点。这样，即增亮了物体的边界，同时又保留了图像背景原来的状态，比传统的梯度锐化方法具有更好的增强效果和适用性。 3实现步骤 第一步：生成一个单文档的工程，所有的选项都取默认值。 第二步：在CMyDIPView::OnDraw(CDC* pDC)中添加如下代码： 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