【文章內(nèi)容簡介】 NSATE，對應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實現(xiàn)，并在void CFaceDetectView:: OnReadyLightingconpensate()中添加如下代碼：hDIBTemp = (hDIB)。(hDIB)。GlobalUnlock(hDIB)。Invalidate()。光線補償功能實質(zhì)上是用上段代碼中的LightingCompensate（）函數(shù)來進行實現(xiàn)。函數(shù)LightingCompensate（）是類DIB的一個成員函數(shù)。其核心代碼如下所述： //下面的循環(huán)對圖像進行光線補償 for(i =0。iheight。i++) for(int j=0。jwidth。j++) { //獲取像素偏移 lOffset = thisPixelOffset(i,j,wBytesPerLine)。 //得到藍色分量 *(lpData+lOffset) = colorb。 //綠色分量 colorb = *(lpData+lOffset+1)。 colorb *=co。 if(colorb 255) colorb = 255。 *(lpData+lOffset+1) = colorb。 //紅色分量 colorb = *(lpData+lOffset+2)。 colorb *=co。 if(colorb 255) colorb = 255。 *(lpData+lOffset+2) = colorb。 }② 光線補償?shù)男Ч麍D如下所示 ： 圖 41 原圖 圖42 光線補償效果圖 圖像灰度化（1）算法思想① 彩色轉(zhuǎn)換成灰度 將彩色圖像轉(zhuǎn)化為灰階圖像常采用如下的經(jīng)驗式： gray＝R＋G＋B（式3）其中，gray為灰度值，R、G、B分別為紅色、綠色和藍色分量值。② 灰度比例變換灰度比例變換是把原像素的灰度乘以一個縮放因子，并最后截至[0,255]。③ 灰度線性變換當圖像由于成像時曝光不足或曝光過度，會產(chǎn)生對比度不足的弊病，從而使圖像中的細節(jié)分辨不清。將圖像灰度進行線性擴展，常能顯著地改善圖像的外觀?；叶染€性變換的計算式為： g = （式4）f，其他式中，f是原像素的灰度，g為變換后的灰度。該變換把屬于[a,b]的灰度級變換至灰度區(qū)間[c,d]，而沒有在[a,b]區(qū)間的原像素灰度將保持不變。這里a，b，c，d，f，g均為[0,255]之間的整數(shù)值?？梢?，a被映射為c，b被映射為d。④ 灰度線性截斷 灰度線性截斷的思想是：如果原像素的灰度小于a，則該像素的灰度等于c；如果原像素的灰度大于b，則該像素的灰度等于d。（2）具體實現(xiàn)灰度化功能在明白了灰度化的原理之后，就可進行編碼來實現(xiàn)該功能。① 編輯菜單IDR_MAINFRAM，先在其中添加一菜單項，將其命名為”圖像灰度化”,并將其ID號設(shè)為ID_READY_SCALE, 對應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate()實現(xiàn).② 現(xiàn)該模塊的核心代碼如下：獲取藍色分量 ColorB=*(lpData + lOffset)。 獲取綠色分量 ColorG=*(lpData + lOffset+1)。 獲取紅色分量 ColorR=*(lpData + lOffset+2)。 計算灰度值 gray = (ColorG*50+ColorR*39+ColorB*11)/100。 顯示灰度圖像 *(lpData + lOffset)=gray 。 *(lpData + lOffset+1)=gray 。 *(lpData + lOffset+2)=gray 。其中l(wèi)pData是圖片數(shù)據(jù)區(qū)，lOffset是圖片像素的偏移，gray 是圖像的灰度值③ 圖像灰度化效果圖：圖 43 圖像灰度化效果圖高斯平滑（1） 算法思想 在介紹高斯平滑前，先介紹模板操作。模板操作是數(shù)字圖像處理中經(jīng)常用到的一種運算方法，圖像的平滑、銳化以及細化、邊緣檢測都要用到模板操作。例如：有一種常見的平滑算法是將原圖中一個像素的灰度值和它周圍鄰近八個像素的灰度值相加，然后求得的平均值（除以9）作為新圖中該像素的灰度值，用如下方法來表示該操作： 1 1 11/9 1 1 1 1 1 1 上式類似于矩陣，我們通常稱之為模板。中間的黑點表示該元素中心元素，即該個元素是要進行處理的元素。如果模板是：1 1 11/9 1 1 11 1 1則該操作應(yīng)該描述為：將原圖中一個像素的灰度值和它右下鄰近的8個像素的灰度值相加，然后將求得的平均值9（除以9）作為新圖中該像素的灰度值。如果模板為 2． ， 1則表示將自身灰度值的2倍加下邊的元素灰度值作為新值，而 2 則表示將自身 1．灰度值加上邊元素灰度值的2倍作為新灰度值。通常模板不允許移出邊界，所以處理后的圖像會比原圖小，例如：當模板是 1． 0 原圖灰度值矩陣是 1 1 1 1 1 0 2 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 時，經(jīng)過模板操作后的圖像為 5 5 5 5 8 8 8 8 11 11 11 11 “”表示邊界上無法進行模板操作的點，一般的做法是復制原圖的灰度值，不再進行任何其他的處理。模板操作實現(xiàn)了一種領(lǐng)域運算，即某個像素點的結(jié)果不僅和本像素灰度有關(guān)，而且和其領(lǐng)域點的值有關(guān)。下面對平滑的用途和解決方法進行詳細介紹。在圖像的采集過程中,由于各種因素的影響,圖像中往往會出現(xiàn)一些不規(guī)則的隨機噪聲,如數(shù)據(jù)在傳輸、存儲時發(fā)生的數(shù)據(jù)丟失和損壞等,這些都會影響圖像的質(zhì)量。處理噪聲點的過程稱之為平滑,平滑可以降低圖像的視覺噪聲,同時除去圖像中的高頻部分后,那些本來不明顯的低頻成分更容易識別。而噪聲點一般是孤立的點,噪聲點的像素灰度與它們的近鄰像素有顯著的區(qū)別,即灰度變化總在這附近有突變高頻。平滑可用卷積來實現(xiàn),平滑的頻率截止點由卷積核的大小及卷積系數(shù)決定。用于平滑濾波的卷積核叫做低通過濾波器,低通過濾波器具有如下的特征:1卷積核的行、列數(shù)為奇數(shù),通常為33的矩陣。2卷積系數(shù)以中心點為中心對稱分布。3所有的卷積系數(shù)都為正數(shù)。4距離中心較遠的卷積系數(shù)的值較小或保持不變。5卷積后的結(jié)果不改變圖像的亮度。經(jīng)過卷積平滑后給隨后的水平投影、二值化提供了較好的圖像效果。水平投影的曲線顯得比較平滑,二值化后的圖像孤立點比較少。以下是幾個常用的卷積核:1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/161/9 1/9 1/9 1/10 1/5 1/10 2/16 4/16 2/161/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16L P1 LP2 LP3通常的處理是:將中心點周圍八個點的像素值乘于各自矩陣相應(yīng)的系數(shù)后相加得到一個值,然后將這個值乘上中心點的系數(shù),中心點的像素值賦為得到的最后值。一般來說,不同的噪聲有各自針對性的卷積算法。本文使用的卷積算法是高斯卷積核,亦即上面卷積核的LP3。高斯卷積是通過采樣2維高斯函數(shù)得到的。高斯平滑算法的優(yōu)點是平滑后圖像的失真少,算法更具備通用性,能去除不同的噪聲干擾。需要注意的是:在平滑處理時,圖像邊界點無法處理,因此循環(huán)范圍應(yīng)設(shè)定在圖像邊界內(nèi)。（2） 具體實現(xiàn)高斯平滑功能知道高斯平滑原理之后，可進行編碼將其實現(xiàn)：① 編輯菜單IDR_MAINFRAM，在菜單“預(yù)處理”中添加一子菜單項，命名為“高斯平滑”并將其ID設(shè)為ID_READY_Template。② 在類CFaceDetectView中添加“高斯平滑”菜單項的事件處理程序，其代碼如下： //進行模板操作 Template(tem ,3,3, xishu)。 Invalidate(TRUE)。 其中tem是模板參數(shù)，xishu是模板系數(shù)；Template（）函數(shù)是實現(xiàn)高斯平滑的主要函數(shù)，其核心代碼是： for(m=i((tem_h1)/2)。m=i+((tem_h1)/2)。m++) { for(n=j((tem_w1)/2)。n=j+((tem_w1)/2)。n++) 注： 將以點（i，j）為中心，與模板大小相同的范圍內(nèi)的象素與模板對用位置的系數(shù)進行相乘并線形疊加 sum+=Gray[m][n]* tem[(mi+((tem_h1)/2))*tem_w+nj+((tem_w1)/2)]。 } 將結(jié)果乘上總的模板系數(shù) sum=(int)sum*xishu。 計算絕對值 sum = fabs(sum)。 如果小于0，強制賦值為0 if(sum0) sum=0。 如果大于255，強制賦值為255 if(sum255) sum=255。 HeightTemplate[i][j] = sum；③ 高斯平滑效果圖：見下圖 44 圖44 高斯平滑效果圖灰度均衡（1）算法思想灰度均衡也稱直方圖均衡，目的是通過點運算使輸入轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)的輸出圖像（即輸出的直方圖是平的）。這