【文章內(nèi)容簡介】 x = int (Datasie[i])。 x = x*a+b。 if (x 255) x = 255。 if (x 0) x = 0。 Datasie[i] = (char)x。 } 3) 高通濾波和低通濾波對于高通濾波、低通濾波的實現(xiàn)，我分別做了兩個默認的濾波器，及一個自定義由用戶輸入模板中具體的參數(shù)值，這樣，可以利用一個函數(shù)同時實現(xiàn)高通濾波和低通濾波。先是在菜單欄中的“圖像增強”中添加“局部增強”這個子菜單，然后再在“局部增強”后，對話框 ID_DIODLG_ANYPASS然后是自定義濾波器的實現(xiàn)，需要設(shè)計一個濾波器的對話框，作用是輸入自定義的模版。在本程序中設(shè)置的是一個最大為3*3的模版。對話框設(shè)計好了以后，和前面的做法類似，再給對話框創(chuàng)建相應的類CPassDibDlg。再在視圖類的添加頭文件include 。最后再在視圖類中添加相應的消息響應函數(shù)OnPassDib()，實現(xiàn)功能。完成以上操作后，編譯運行即可。 for (int curCol = 1。 curCol col 1。 curCol++) { curIndex = col * curRow + curCol。 x1 = Dat[curIndex col 1]。 x2 = Dat[curIndex col]。 x3 = Dat[curIndex col + 1]。 x4 = Dat[curIndex 1]。 x5 = Dat[curIndex]。 x6 = Dat[curIndex + 1]。 x7 = Dat[curIndex + col 1]。 x8 = Dat[curIndex + col]。 x9 = Dat[curIndex + col + 1]。 x5 = (a1*x1 + a2*x2 + a3*x3 + a4*x4 + a5*x5 + a6*x6 + a7*x7 + a8*x8 + a9*x9)/mu 。 if (x5 255) x5 = 255。 if (x5 0) x5 = 0。 NewDat[curIndex] = (char)x5。 }4) 中值濾波算法中用到的是3*3的模板在“圖像增強”——“局部處理”中添加菜單項：“中值濾波”添加菜單響應函數(shù)在一個雙層循環(huán)體內(nèi)實現(xiàn)：得到模板每個像素的地址，用模板指向?qū)跋竦南袼兀ㄓ脭?shù)組和指針實現(xiàn)） curIndex = col * curRow + curCol。 x[0] = Dat[curIndex col 1]。 x[1] = Dat[curIndex col]?！? x[7] = Dat[curIndex + col]。 x[8] = Dat[curIndex + col + 1]。對x[9]冒泡法排序得到中心對應原位圖的灰度值 NewDat[curIndex] = (char)x[4]。最后刷新和保存更改5) 圖像的幾何變換（旋轉(zhuǎn)、縮放、平移）在“幾何變換”菜單下新建菜單項“旋轉(zhuǎn)、縮放、轉(zhuǎn)置”；添加各自的對話框及類CRotateDlg、CEnlargeDlg、CTranslationdibDlg為每個菜單項添加消息響應函數(shù)；void CDemoDoc::OnRotate()、不同的核心部分（循環(huán)體部分）：1) 旋轉(zhuǎn) double a=**PI/180。 double sina=sin(a),cosa=cos(a)。 double Ox=(cols1)/2,Oy=(rows1)/2。 //原點 double sx1=Ox,sy1=Oy, sx2=Ox,sy2=Oy, sx3=Oy,sy3=Oy, sx4=Ox,sy4=Oy。 double dx1=sx1*cosa+sy1*sina, dy1=sx1*sina+sy1*cosa,…… dx4=sx4*cosa+sy4*sina, dy4=sx4*sina+sy4*cosa。 ………… Ncols=(long)(max(fabs(dx1dx4),fabs(dx3dx2))+)。 Nrows=(long)(max(fabs(dy1dy4),fabs(dy3dy2)+))。 核心： for(i=0。iNrows。i++) for(j=0。jNcols。j++) { y=(int)(sina*j+cosa*i+f2+)。 x=(int)(cosa*j+sina*i+f1+)。 if(y=0amp。amp。yrowsamp。amp。x=0amp。amp。xcols) NewDat[i*Ncols+j]=Dat[y*cols+x]。 else NewDat[i*Ncols+j]=(byte) 255。 }2) 縮放 for ( i=0。 iNrow。 i++) { for ( j=0。 jNcol。 j++ ) { Oldrow=int(i/Fy)。 Oldcol=int(j/Fx)。 if( (Oldcol0) amp。amp。 (Oldcolcol) amp。amp。 (Oldrow0) amp。amp。 (Oldrowrow) ) Blank= Dat[Oldrow*col+Oldcol] 。 NewDat[i*Ncol+j] = Blank 。 } }3) 平移 for ( i=0。 iNrow。 i++) { for ( j=0。 jNcol。 j++ ) { NewDat[i*Ncol+j]=255。 Oldrow=iFy。 Oldcol=jFx。 if( (Oldcol0) amp。amp。 (Oldcolcol) amp。amp。 (Oldrow0) amp。amp。 (Oldrowrow) ) NewDat[i*Ncol+j] = Dat[Oldrow*col+Oldcol] 。 } }6) 直方圖的顯示與均衡化void CZFTDlg::OnPaint() { CPaintDC dc(this)。 // device context for painting (100,200)。 (100,300)。 for(int i=0。i256。i++) { (100+i,300)。 (100+i,300p[i]/80)。 } 在彈出菜單“圖像增強”下添加菜單“直方圖均衡化”，為菜單設(shè)置消息響應函數(shù)，在菜單消息響應函數(shù)，完成對圖像的處理。消息響應函數(shù)如下： 獲取圖像信息（長和寬等） 雙層循環(huán)統(tǒng)計各個灰度級像素的個數(shù) for(i=0。i256。i++) { percentile[i]=。 for(j=0。j=i。j++) percentile[i]+=H[j]。 percentile[i]*=((double)(Rows*Cols))。 }