【正文】 t nSrcWidth,int nSrcHeight, CONST VOID*lpvBits,CONST BITMAPINFO *lpbmi, UNIT fuColorUse， DWORD dwrop)。 nWidth: 指定繪制目標矩形的寬度（按邏輯單位）。 lpbmi：指向 BITMAPINFO結構的指針。實現(xiàn)圖像的特效顯示的基本思路是將圖像分成不同的小塊，按一定的方向或次序、分階段地顯示或擦除圖像塊。 效果圖： (a)自上而下掃描 (b)自下而上掃描 (c) 自左向右掃描 (d)自右向左掃描 計算機科學與工程系 29 圖像的特效顯示 ? 圖像的移動 移動是將圖像看作一個整體，顯示時必須按物理順序進行，例如從上向下平移時，必須先顯示下面的圖像，后顯示上面的圖像。 交叉飛入效果圖 計算機科學與工程系 31 圖像的特效顯示 ? 中間擴張 中間擴張是在顯示的時候，先將圖像分成兩部分，將中間分界處顯示在屏幕的中間，并快速向上掃描上半部分的圖像，然后將圖像完整的顯示在屏幕上，這樣人們因為視覺生理的特點就會看到中間擴張的效果。每一次顯示像素灰度值的 n/256倍，圖像的像素點計算一遍后，顯示一次，重復執(zhí)行上述過程，直至每一個屏幕上的像素點的灰度值全部和記錄中的值相同為止。其編程思想是，先將圖像分成大小相同的小區(qū)域，計算出每一塊區(qū)域的首地址，并記錄下來。 坐標原點 tx X ty (x1,y1) Y (x0,y0) 像素平移示意圖 顯然（ x0,y0）和（ x1,y1）的關系如下： x1=x0+tx y1=y0+ty 計算機科學與工程系 39 圖像的鏡像變換 ? 圖像的鏡像變換分為兩種：一種是水平鏡像，另一種是垂直鏡像。由于放大圖像時產(chǎn)生了新的像素，可通過插值算法來近似處理。此時縮小后的圖像中的（ 0， 0）像素對應于原圖中的（ 0， 0）、（ 0， 1）、（ 1，0）、（ 1， 1）像素；以此類推。 即 x1=y0 y1=x0 效果對比圖： 圖像轉置 計算機科學與工程系 45 圖像的旋轉 ? 圖像的旋轉必須指明圖像繞著什么旋轉。 如下圖，點（ x0,y0）經(jīng)過旋轉 α 度后坐標變成（ x1,y1）。一旦灰度變換函數(shù)確定，則確定了一個具體的灰度增強方法。非 0取 1就是對于灰度圖像 f，若某像素灰度值為 0，則其灰度值不變，仍為零；對于灰度值不為零的像素，將其像素值全部變?yōu)?255。 g 255 f 255 0 T 固定閥值法灰度變換函數(shù) 計算機科學與工程系 52 固定閥值法 (a) 原圖 (b) 以 100作為閾值二值化的圖 計算機科學與工程系 53 雙固定閥值法 ? 雙固定閥值法預先設置了兩個閥值 T1和 T2， T1T2，當對圖像進行處理時，如果某個像素的灰度值小于 T1則置 0（或者 255）；如果大于 T1并且小于 T2時，則置 255（或者置 0）；如果大于 T2時，則置 0（或者255）。對于連續(xù)圖像，如果背景與目標物的灰度之差很小，在 [a,b]區(qū)間內(nèi)量化可能進入同一灰度級內(nèi)而不能分辨。這種變換叫灰度的窗口變換。 灰度窗口變換的變換函數(shù)表達式如下： 0 x L f (x) = x L ≤ x ≤ U 255 x U 式中 L表示窗口的下限， U表示窗口的上限。通過有選擇的拉伸某段灰度區(qū)間，能夠更加靈活地控制圖像灰度直方圖的分布，以改善輸出圖像質量。從數(shù)學上來說，它統(tǒng)計一 幅圖像中各個灰度級出現(xiàn)的次數(shù)或概率；從圖形上來說，它是一個二 維圖，橫坐標表示圖像中各個像素點的灰度級，縱坐標為各個灰度級 上圖像像素點的個數(shù)或概率。直方圖的縱坐標也可以用圖像灰度概率密度函數(shù) Pr(r)表示 ,它等于具有 r灰度級的像素個數(shù)與圖像總像素個數(shù)之比。常見的平滑濾波算法有：線性平滑、非線性平滑、自適應平滑。 自適應控制是一種根據(jù)當時、當?shù)厍闆r來進行控制的方法，所以這種算法要有一個適應的目標。點處理是一種輸出像素值僅取決于輸入像素值的圖像處理方法；區(qū)域處理的輸出像素值不僅與輸入的像素值有關，而且與輸入像素在一定的范圍內(nèi)的相鄰像素值有關。 計算機科學與工程系 70 消除孤立黑像素點 2．效果對比圖 從上圖可知， 4連接或 8連接沒有刪除全部噪聲，這是由于這些噪聲并不是孤立的，在放大圖像下可知如此。對于鄰域可以有不同的選取方式，如下所示： 51??????????010111010 81??????????111101111 161??????????121242121 模板 1 模板 2 模板 3 計算機科學與工程系 73 3 3均值濾波 為了保持平滑處理后的圖像的平均值不變，模板內(nèi)各元素之和為 1。 計算機科學與工程系 74 3 3均值濾波 2．效果對比圖 (a)原圖 (b) 鄰域平均法 鄰域平均法 計算機科學與工程系 75 超限鄰域平均法 1．理論基礎 閾值的鄰域平均法以某個灰度值 T作為閾值，如果某個像素的灰度大于其鄰近像素的平均值 ，并超過閾值，才使用平均灰度置換這個像素灰度，它的數(shù)學表達式： f(i， j) 若（ f(i， j)=f(i， j) f(i， j)） T， g(i， j)= （ 51） f(i， j) 其它。但平均是以圖像的模糊為代價的。自適應平滑法是以盡量不模糊邊緣輪廓為目的。 計算機科學與工程系 79 選擇式掩模平滑 (a)周圍 9鄰近 (b)左 7鄰近 (c)上 7鄰近 (d)右 7鄰近 (e) 下 7鄰近 (f) 左上 7鄰近 (g)右上 7鄰近 (h)右下 7鄰近 (i)左下 7鄰近 圖 52 5 5窗口選擇式掩模平滑法 計算機科學與工程系 80 選擇式掩模平滑 計算個掩模的均值（ ai）及方差（ ki）。 計算灰度圖像 f中以像素 f(i， j)為中心的 N N屏蔽窗口 (N=3， 5，7?) 內(nèi)灰度的中值為 u， 無條件作 f(i， j)=u處理， N由用戶給定。 循環(huán)取得各點像素值；取得隨機數(shù)（ rand()/1024）；該點像素值加上隨機數(shù)； 計算機科學與工程系 88 椒鹽噪聲 本程序通過計算機所產(chǎn)生的隨機數(shù)的大小來給圖像加噪聲。 0 0 1 255 255 255 255 1 1 1 254 253 254 254 0 0 0 255 255 253 253 1 1 0 254 254 254 254 為了與 f ( x,y)表示法相一致，圖像 f(i,j)中的 i代表列， j代表行。相減的結果反映了原圖像亮度變化率的大小。該算法的數(shù)學表達式為： G(i,j)=sqrt{[f(i,j)f(i,j1)]*[f(i,j)f(i,j1)]+[f(i,j)f(i 1,j)]* [f(i,j)f(i1,j)]} 對于含小數(shù)的 G ( i , j )可四舍五入。 即 f(i,j)= G[f(i,j)]。 計算機科學與工程系 102 輔以門限判斷 門限判斷梯度銳化的公式如下： G[f(i,j)]={[ f(i,j) f(i1,j)]2+ [ f(i,j) f(i,j1)]2 }1/2 G[f(i,j)]+100。對于圖像而言，物體和物體之間，背景和背景之間的梯度變化一般很小，灰度變化較大的地方一般集中在圖像的邊緣上，也就是物體和背景交接的地方，當設定一個合適的閾值 T， G[f(i,j)]大于 T就認為該像素點處于圖像的邊緣，對結果加 100，以使邊緣變亮，而對于 G[f(i,j)]不大于 T就認為像素點是同類像素（同是物體或同是背景）。 其它 La為一指定的灰度值。 G[f(i,j)]≥T g(i,j)= Lb。由此，我們對數(shù)字圖像f(i,j)的每個像素取它的梯度值 G(i,j)，適當取門限 T作如下判斷：若G(i,j)T則 (i,j)點為階躍狀邊緣點， G(i,j)稱為梯度算子的邊緣圖像 La。梯度方向對應于 F(i,j)最大變化率方向上，即 Q=arctan[ /] 計算機科學與工程系 109 根據(jù)梯度二值化圖像 梯度幅度比例于鄰像素的灰度級，在灰度陡變區(qū)域，梯度值大，在灰度相似區(qū)，梯度值小，在灰度級為常數(shù)區(qū)，梯度為零。 Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子，它由下式給出： Roberts算子： G[i,j]=|f[i,j]f[i+1,j+1]|+|f[i+1,j]f[i,j+1]|。 計算機科學與工程系 113 Roberts邊緣檢測算子 該算法的算子如下： ??????? 0110 ???????1001計算機科學與工程系 114 Roberts邊緣檢測算子 2．效果對比圖 Roberts邊緣檢測效果圖 計算機科學與工程系 115 Sobel邊緣檢測算子 Sobel邊緣檢測算子是先做成加權平均，再微分，然后求梯度。 ?????????? ???121000121 ?????????????101202101 水平邊緣 Sobel算子 垂直邊緣 Sobel算子 f(i1,j1) f(i,j1) f(i+1,j1) f(i1,j) f(i,j) f(i+1,j) f(i1,j+1) f(i,j+1) f(i+1,j+1) 計算機科學與工程系 116 Sobel邊緣檢測算子 有時為了檢測特定方向上的邊緣，也采用特殊的方向算子，如檢測 450或 1350邊緣的 Sobel方向算子 ?????????????012101210 ?????????????210101012 檢測 450 Sobel方向算子 檢測 1350 Sobel方向算子 計算機科學與工程系 117 Sobel邊緣檢測算子 Sobel邊緣檢測 計算機科學與工程系 118 Prewitt邊緣檢測算子 1. 理論基礎 Prewitt邊緣檢測算子為： ?????????? ??111000111 ?????????????101101101 Prewitt邊緣檢測 計算機科學與工程系 119 Krisch邊緣檢測 以下 8個卷積核組成了 Kirsch邊緣檢測算子。 由于拉普拉斯算子是一個二階導數(shù)，它將在邊緣處產(chǎn)生一個陡峭的零交