图像增强与平滑.ppt

// 取得3×3邻域排序结果的中间值在原图像中的索引， 并给新图赋值 Data = pOldTemp［nLoc［4］］; *pNewTemp++ = (unsigned char) m_pDibObject-GetNearestIndex (pNewPalette［Data］.rgbRed, pNewPalette［Data］.rgbGreen, pNewPalette［Data］.rgbBlue, pNewPalette, nNumColors ); k++; } } 4.7.3 图像平滑的VC++编程实现 1. 设计模板对话框 图像平滑实际上可以看作是卷积运算， 因此图像平滑的关键在于模板窗口的设计。本例首先定制了如图4-39所示的对话框， 并创建了与之对应的CDlgSmooth类。除了可以使用平均模板和高斯模板外， 还可自定义模板， 模板的大小被限制在5×5内。 图4-39 图像平滑模板设置对话框 利用类向导为对话框的相应控件添加成员变量，如模板类型、模板高度、模板宽度、模板中心元素X坐标、模板中心元素Y坐标对应的成员变量分别定义为整型变量m_intType、m_iTempH、m_iTempW、m_iTempMX、m_iTempMY， 而模板系数对应浮点型的变量m_fTempC，另外还定义了一个模板元素数组指针m_fpArray。 为3个单选按钮分别定义一个单击事件的消息映射，在映射函数中给模板元素m_fpArray及其他成员变量赋值。 2. 获取图像数据 对每个像素的邻域用选定的模板作卷积运算， 就可以得到平滑后的图像。下面给出了卷积运算的源代码。 卷积函数中的各参数的含义如下： fpData为被卷积的数组， fpKernel为卷积核数组，fCoef为卷积系数，nSize为卷积尺寸， nResult为卷积结果。 void CAreaPro:: Convolution(float *fpData, float *fpKernel, float fCoef, int nSize, unsigned char *nResult) { int i; float Sum = 0, fResult; //计算卷积 for(i = 0; i nSize; i++) { Sum += fpData［i］ * fpKernel［i］; } //执行卷积后的结果 fResult = Sum / fCoef; //求绝对值 fResult = (float)fabs(fResult); //判断是否超过255 if(fResult 255.0 ) { // 直接赋值为255 fResult = 255.0; } //对卷积结果四舍五入， 并转换成unsigned char类型作为最后返回结果 *nResult = (unsigned char) (fResult + 0.5); } 接着就是对原图像的每个像素作卷积运算，运算后的结果赋予新图像，其中图像边界像素不作处理，代码实现在CAreaPro:: Smoothing()中。 例 设有1×n的数字图像f(i, j)，其各点的灰度如下： …, 0, 0, 0, 1, 2, 3, 4, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 3, 3, 3, 3, 3, 计算 及锐化后的各点灰度值g（设k=1）。 1 首先按式（4-44)计算各点的 。例如： 第3点： 第8点： 各点拉普拉斯算子如下： …, 0, 0, 1, 0, 0, 0, 0, -1, 0, 0, 0, 0, 1, -1, 0, 0, 0, 0, -3, 3, 0, 0, 0, … 2 按式(4-42)计算 g=f- 2 f 。例如： 第3点：  第8点：g=5-(-1)=6 锐化后各点的灰度值如下： …, 0, 0, -1, 1, 2, 3, 4, 6, 5, 5, 5, 5, 4, 7, 6, 6, 6, 6, 9, 0, 3, 3, 3, … … 从上例可以看出，在灰度级斜坡底部（如第3点）和界线的低灰度级侧（如第13、20点）形成下冲。在灰度级斜坡顶部（如第8点）和界线