CVIP课程末大作业.docVIP

简易图像处理平台 ——CVIP课程期末大作业 彭勃通信与信息工程 系统简介 本次作业利用Visual C++6.0编写了一个多文档的MFC程序，该程序能实现所要求的图像信息显示和图像处理功能。主要功能包括：打开保存位图图像；显示图像的大小，位数等信息；显示直方图分布，如是彩色图像则给出三基色各自的直方图分布；彩色图像的边缘检测；二值图像骨架化；自适应平滑滤波；LoG滤波。 主要功能算法说明 彩色图像边缘检测 边缘检测算法采用Canny算子，在进行检测之前先将彩色图像变为灰度图像，变换公式为： 之后对灰度图像Gray进行Canny边缘检测，主要步骤为： 第一步 高斯平滑 选择如下的模板进行高斯平滑滤波，去除噪声。 第二步 利用梯度搜寻边缘 利用Sobel算子计算每一点的梯度值。两个卷积核如下： 第三步 计算方向角并规范化 水平方向和垂直方向的梯度都已求出，则通过求出方向角。再将方向角按就近原则规范到0度（水平方向）、45度（对角线方向）、-45度（负对角线方向）和90度（垂直方向）四个方向上。 第四步 非最大化抑制 遍历所有边缘点，若某点的梯度值在梯度方向上和相邻点相比不是最大值，则将其从边缘点集是删去。 第五步 双阈值化 设定一个高阈值和一个低阈值。对梯度值小于低阈值的点从边缘点集中去除，大于高阈值的确定为边缘点。对于梯度值介于两个阈值之间的点，如其邻点中有边缘点，则将其加入加缘点集，否则去除。在程序中，这两个阈值可以手工输入。 利用Canny算子进行完边缘检测之后，将原彩色图像与检测生成的二值图像T(i,j)进行比较，采用如下原则对原图像进行处理： 即对于二值图像中为0的像素，将原彩色图像中相应的像素置为白色。 骨架化 骨架化就是中轴变换，中轴变换可用火烧草地来比拟：火相遇的点就是中轴。更严谨的定义，对于一个区域R，若边界为B，对区域中每一点P，我们B上搜索与它最近的点，若能找到多于一个同样距离的最近点，则P属于R的中轴或称骨架。在R内作与边界有两个以上切点的内切圆，则所有这些圆的圆心的集合就是中轴。 骨架化（中轴变换）算法是通过逐次消去边界点来完成。变换过程中有如下三个限制条件：不消去线段端点；不破坏原连通性；不过多侵蚀区域，即只有一非目标点为邻点，有7个邻点为目标点的点不被删除。 二值图像骨架化的快速算法如下： 第一步：如果下列条件均满足，则将边界点P1标记为删除： 这里是点的非零相邻点的数目（如下图），即 是序列从0到1的变化次数。 第二步：将第一步标记为删除的边界像素置为0。 第三步：如果下列条件均满足，则将边界点P1标记为删除： 第四步：将第三步标记为删除的边界像素置为0。 反复执行以上各步，直到没有再可删除的边界点。此时算法结束，生成了区域的骨架。 自适应平滑滤波 若对图像平滑，每次都在目标内部进行，不造成边缘的模糊，则经多次平滑后，目标内部细节将被平滑掉，但目标间的边缘得以保留，便于边缘检测。 算法描述如下： 第一步，计算梯度 第二步，计算连续性函数： 第三步，对进行加权平均 式中t为迭代次数。2n+1是滤波窗口的宽度，不能太大，一般可取n=1。连续性函数是一个梯度幅度的单调下降函数，在梯度幅度为零的地方，图像平坦，w(x,y)=1。随着梯度幅度的增加，w(x,y)减小，从而对边缘处的像素的加权系数较小。式中σ决定了要保留的边缘的强弱，梯度幅度大于σ的边缘将被保留，小于σ的边缘将被平滑掉。 LoG滤波 LoG（Laplacian of a Gaussian）即为高斯型拉普拉斯算子。由于拉普拉斯算子对噪声敏感，为了减少噪声影响，可对图像先进行高斯滤波。高斯函数卷积模板形式如下 卷积后的拉普拉斯算子为 我们只关心过零点，上式中的系数及正负可以不作考虑，改写如下 ， 此即为LoG算子模板 实验结果 直方图统计 彩色图像边缘检测 骨架化 自适应平滑滤波 取 LoG滤波 取，模板大小为 参考文献 John Canny, “A Computational Approach to Edge Detection” 数字图像处理（第二版）冈萨雷斯著 阮秋琦等译