【文章內(nèi)容簡介】 ] = 1。 mm[0][1] = 1。 mm[0][2] = 1。 mm[2][0] = 1。 mm[2][1] = 1。 mm[2][2] = 1。 MobanEdge3(mm)。 // TODO: 再次添加控件通知處理程序代碼 }（3）PrewittVC算法未處理圖像（4）PrewittVC算法處理后的圖像（1）Laplacian算法介紹Laplacian 算子指的是n維歐幾里德空間里的一個二階微分算子，定義為梯度（）的散度（）。因此如果f是二階可微的實函數(shù)，則f的拉普拉斯算子定義如下：(1) f的拉普拉斯算子是笛卡兒坐標系xi中的所有非混合二階偏導(dǎo)數(shù)； (2) 作為一個二階微分算子，拉普拉斯算子把C函數(shù)映射到C函數(shù)，對于k ≥ 2。表達式(1)（或(2)）定義了一個算子Δ : C(R) → C(R)，或更一般地，定義了一個算子Δ : C(Ω) → C(Ω)，對于任何開集Ω。 對于階躍狀的邊緣，導(dǎo)數(shù)在邊緣點出現(xiàn)零交叉，即邊緣點兩旁二階導(dǎo)數(shù)取異號。據(jù)此，對數(shù)字圖像｛f（i，j）｝的每個像素，取它關(guān)于x軸方向和y軸方向的二階差分之和，表示為運算模板函數(shù)的拉普拉斯算子也是該函數(shù)的黑塞矩陣的軌跡,可以證明，它具有各向同性，即與坐標軸方向是無關(guān)的，坐標軸旋轉(zhuǎn)后梯度結(jié)果不變。如果鄰域系統(tǒng)是4 鄰域，Laplacian 算子的模板為：010141010如果鄰域系統(tǒng)是8 鄰域，Laplacian 算子的模板為：111181111前面提過，Laplacian 算子對噪聲是比較敏感的，所以圖像一般首先是經(jīng)過平滑處理的，因為平滑處理也是運用模板進行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子結(jié)合起來生成一個新的模板。 （2）LaplacianVC算法 void CVidCapDlg::OnBnClickedButton7() { int mm[3][3]。for(int i =0。i3。i++) for(int j=0。j3。j++) mm[i][j] = 0。 mm[0][0] = 1。 mm[0][1] = 1。 mm[0][2] = 1。 mm[2][0] = 1。 mm[2][1] = 1。 mm[2][2] = 1。 MobanEdge3(mm)。 // TODO: 再次添加控件通知處理程序代碼 }（3）LaplacianVC未處理的圖像（4）LaplacianVC處理后的圖像（1）Kirsch算法介紹利用經(jīng)典圖像邊緣檢測模板的算子在8個方向模板之間的內(nèi)在聯(lián)系,提出了一種新的快速Kirsch算法。實驗證明采用快速Kirsch算法可將對圖像處理的速度提高到采用經(jīng)典Kirsch算法所達到的運算速度的三倍以上。（2）KirschVC算法 void CVidCapDlg::OnBnClickedButton8() { int mm[3][3]。 for(int i =0。i3。i++) for(int j=0。j3。j++) mm[i][j] = 3。 mm[0][0] = 5。 mm[0][1] = 5。 mm[0][2] = 5。 mm[1][1] = 0。 MobanEdge3(mm)。 // TODO: 再次添加控件通知處理程序代碼}（3）KirschVC未處理的圖像（4）KirschVC處理后的圖像Hough變換利用圖像空間與Hough參數(shù)空間的點與線的對偶性，把圖像空間中的檢測問題轉(zhuǎn)換到參數(shù)空間中。通過在參數(shù)空間里進行簡單的累加統(tǒng)計，接著在Hough參數(shù)空間尋找累加器峰值的方法檢測直線。即也就是把檢測整體特性轉(zhuǎn)化為檢測局部特性。比如直線、橢圓、圓、弧線等。Hough變換的基本思想為：在原始圖像坐標系中的一個點對應(yīng)參數(shù)坐標系中的一條直線，同樣參數(shù)坐標系中的一條直線對應(yīng)了原始坐標系中的一個點，接下來，原始坐標系下顯示直線上的所有點，他們的斜率和節(jié)距都是相同的，即在參數(shù)坐標系下對應(yīng)著同一個點。將原始坐標系下的各個點投影到參數(shù)坐標系下以后，觀察參數(shù)坐標系下有沒有聚焦點，這樣的聚焦點就對應(yīng)了原始坐標下的直線。* 函數(shù)名稱： * HoughDIB() * 參數(shù): * LPSTR lpDIBBits 指向源DIB圖像指針 * LONG lWidth 源圖像寬度（象素數(shù)，必須是4的倍數(shù)） * LONG lHeight 源圖像高度（象素數(shù)） * 返回值: * BOOL 運算成功返回TRUE，否則返回FALSE。 * 說明: * 該函數(shù)用于對檢測圖像中的平行直線。如果圖像中有兩條平行的直線，則將這兩條平行直線 * 提取出來。 * 要求目標圖像為只有0和255兩個灰度值的灰度圖像。 ************************************************************************BOOL WINAPI HoughDIB(LPSTR lpDIBBits, LONG lWidth, LONG lHeight){ // 指向源圖像的指針 LPSTR lpSrc。 // 指向緩存圖像的指針 LPSTR lpDst。 // 指向變換域的指針 LPSTR lpTrans。 // 圖像每行的字節(jié)數(shù) LONG lLineBytes。 // 指向緩存DIB圖像的指針 LPSTR lpNewDIBBits。 HLOCAL hNewDIBBits。 //指向變換域的指針 LPSTR lpTransArea。 HLOCAL hTransArea。 //變換域的尺寸 int iMaxDist。 int iMaxAngleNumber。 //變換域的坐標 int iDist。 int iAngleNumber。 //循環(huán)變量 long i。 long j。 //像素值 unsigned char pixel。 //存儲變換域中的兩個最大值 MaxValue MaxValue1。 MaxValue MaxValue2。 // 暫時分配內(nèi)存，以保存新圖像 hNewDIBBits = LocalAlloc(LHND, lWidth * lHeight)。 if (hNewDIBBits == NULL) { // 分配內(nèi)存失敗 return FALSE。 } // 鎖定內(nèi)存 lpNewDIBBits = (char * )LocalLock(hNewDIBBits)。 // 初始化新分配的內(nèi)存，設(shè)定初始值為255 lpDst = (char *)lpNewDIBBits。 memset(lpDst, (BYTE)255, lWidth * lHeight)。 //計算變換域的尺寸 //最大距離 iMaxDist = (int) sqrt(lWidth*lWidth + lHeight*lHeight)。 //角度從0－180，每格2度 iMaxAngleNumber = 90。 //為變換域分配內(nèi)存 hTransArea = LocalAlloc(LHND, lWidth * lHeight * sizeof(int))。 if (hNewDIBBits == NULL) { // 分配內(nèi)存失敗 Return FALSE。 } // 鎖定內(nèi)存 lpTransArea = (char * )LocalLock(hTransArea)。 // 初始化新分配的內(nèi)存，設(shè)定初始值為0 lpTrans = (char *)lpTransArea。 memset(lpTrans, 0, lWidth * lHeight * sizeof(int))。 // 計算圖像每行的字節(jié)數(shù) lLineBytes = WIDTHBYTES(lWidth * 8)。 for(j = 0。 j lHeight。 j++) { for(i = 0。i lWidth。 i++) { // 指向源圖像倒數(shù)第j行，第i個象素的指針 lpSrc = (char *)lpDIBBits + lLineBytes * j + i。 //取得當前指針處的像素值，注意要轉(zhuǎn)換為unsigned char型 pixel = (unsigned char)*lpSrc。 //目標圖像中含有0和255外的其它灰度值 if(pixel != 255 amp。amp。 *lpSrc != 0) return FALSE。 //如果是黑點，則在變換域的對應(yīng)各點上加1 if(pixel == 0) { //注意步長是2度 for(iAngleNumber=0。 iAngleNumberiMaxAngleNumber。 iAngleNumber++) { iDist = (int) fabs(i*cos(iAngleNumber*2*pi/) + j*sin(iAngleNumber*2*pi/))。 //變換域的對應(yīng)點上加1 *(lpTransArea+iDist*iMaxAngleNumber+iAngleNumber) = *(lpTransArea+iDist*iMaxAngleNumber+iAngleNumber) +1。 } } } } //找到變換域中的兩個最大值點 =0。 =0。 //找到第一個最大值點 for (iDist=0。 iDistiMaxDist。iDist++) { for(iAngleNumber=0。 iAngleNumberiMaxAngleNumber。 iAngleNumber++) { if((int)*(lpTransArea+iDist*iMaxAngleNumber+iAngleNumber)) { = (int)*(lpTransArea+iDist*iMaxAngleNumber+iAngleNumber)。 = iDist。 = iAngleNumber。 } } } //將第一個最大值點附近清零 for (iDist = 9。iDist 10。iDist++) { for(iAngleNumber=1。 iAngleNumber2。 iAngleNumber++) { if(iDist+=0 amp。amp。 iDist+iMaxDist amp。amp。 iAngleNumber+=0 amp。amp。 iAngleNumber+=iMaxAngleNumber) { *(lpTransArea+(iDist+)*iMaxAngleNumber+ (iAngleNumber+))=0。 } } } //找到第二個最大值點 for (iDist=0。 iDistiMaxDist。iDist++) { for(iAngleNumber=0。 iAngleNumberiMaxAngleNumber。 iAngleNumber++) { if((int)*(lpTransArea+iDist*iMaxAngleNumber+iAngleNu