【正文】 格式轉(zhuǎn)換可以完成，但是僅僅只是針對灰度圖像，主要是因為如果Raw文件為真彩色圖像，則還要考慮Raw文件的存儲方式：BSQ（逐波段存儲）、BIL（逐行存儲）和BIP（逐像素存儲）。這一段沒有能夠最終實現(xiàn)。3) 圖像點運算：灰度線性變換 效果分析：在曝光不足或過度的情況下，圖像灰度可能會局限在一個很小的范圍內(nèi)。這時在顯示器上看到的將是一個模糊不清、灰度層次少的圖像。對曝光不足的圖像采用線性變換，即對圖像每一個像素灰度作線性拉伸，可有效地改善圖像視覺效果。線性灰度變換函數(shù)是一個一維線性函數(shù)：y=ax+b。當(dāng)a1時，輸出的圖像的對比度增大；當(dāng)a1時，輸出圖像的對比度將減小；當(dāng)a=1且b！=0時，操作僅僅使所有像素的灰度值上移或下移，其效果是使整個圖像更亮或更暗；特殊情況下，如果a=1，fB=0時，輸出圖像和輸入圖像相同；當(dāng)a=1，b=255時，輸出圖像的灰度正好反轉(zhuǎn) 算法評價： 基本的Raw to Bmp的格式轉(zhuǎn)換可以完成，但是僅僅只是針對灰度圖像主要是因為如果Raw文件為真彩色圖像，則還要考慮Raw文件的存儲方式：BSQ（逐波段存儲）、BIL（逐行存儲）和BIP（逐像素存儲）。這一段沒有能夠最終實現(xiàn)。 改進方向：為了突出感興趣目標(biāo)所在的灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間，可采用分段線性變換。即不同的灰度范圍有不同的a和b，就有不同的變換效果。用戶可以自己選擇不同的灰度區(qū)間和變換方式。還可以進行非線性變換。4) 圖像局部處理：高通濾波和低通濾波 效果分析：①低通濾波：為了抑制噪聲改善圖像質(zhì)量。降低噪聲的同時使圖像產(chǎn)生模糊。效果如下：②高通濾波：增強圖像的邊緣或輪廓，使圖像邊緣突出、清晰。效果如下： 算法優(yōu)點：處理簡單方便，不需要輸入模板信息即可進行處理，并達到簡單的效果。 算法缺點：僅僅使用了3*3的模板，模板沒有選擇性；處理效果沒有5*5以及以上的模板效果好。5) 中值濾波效果分析：中值濾波法是常用的非線性濾波方法，對消除椒鹽噪音非常有效，常用于用來保護邊緣信息，是經(jīng)典的平滑噪聲的方法。在平滑脈沖噪聲方面非常有效,同時它可以保護圖像尖銳的邊緣。程序中值濾波效果如下： 算法評價：運用簡單方便，點擊即可完成處、且對細節(jié)保護較好6) 圖像幾何變換：旋轉(zhuǎn)、縮放、平移 效果分析：旋轉(zhuǎn)：輸入旋轉(zhuǎn)角度，即可對圖像進行旋轉(zhuǎn)?？s放：可以通過設(shè)置x和y方向不同的縮放比例來進行縮小和放大。平移：按下鼠標(biāo)左鍵開始平移，鼠標(biāo)移動的距離即為平移的距離，放下鼠標(biāo)左鍵就完成了平移。轉(zhuǎn)置：點擊轉(zhuǎn)置按鈕就可以實現(xiàn)功能。算法優(yōu)點：平移運用了橡皮筋技術(shù)，可以避免輸入移動距離的盲目性來實現(xiàn)平移，使用方便；縮放、旋轉(zhuǎn)只要輸入?yún)?shù)即可實現(xiàn)功能；4個算法的總體思路的一樣的，首尾的代碼是相同的，只是中間循環(huán)部分要根據(jù)實現(xiàn)的不同功能來進行編程；添加了滾動條，如果變換后寬度和高度超過了窗口，可以用滾動條來瀏覽全部圖像。在此次實習(xí)中，熟悉了圖像的局部處理。在對圖象進行局部處理時，應(yīng)先開辟臨時空間將原圖象進行拷貝，然后用模板卷積臨時圖象，修改原圖象的灰度值。在循環(huán)時，把當(dāng)前循環(huán)的像素看作是摸板的中心。超過邊界的像素應(yīng)賦0或255。值得注意的是最后應(yīng)刷新一遍滾動條，一開始我沒有意識到這個問題，總是找不見圖了7) 邊緣檢測效果分析：②Prewitt算子y方向：③Sobel算子X方向：從上面的處理可以明顯的看出來，x和y方向的檢測有不同；Prewitt比Sobel算子的邊緣寬一些。 算法優(yōu)點：將3種算子以及x和y方向的都分了類，使檢測的目的更加明確；添加了自定義算子，拓寬了邊緣檢測的方法；算法的整體思路大致相同，都是用模板與圖像的灰度值進行了卷積運算，只是表示模板信息的數(shù)組的值不同，算法簡單； 改進方向：程序提供一些低通和高通的算子供用戶選擇，當(dāng)然用戶也可以選擇自定義模板。及模板可以由自己選擇模板大小，如3*3或5*5等8) 直方圖均衡化效果分析：直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同。 用來增加許多圖像的局部對比度，尤其是當(dāng)圖像的有用數(shù)據(jù)的對比度相當(dāng)接近的時候。通過這種方法，亮度可以更好地在直方圖上分布。：1）變換后圖像的灰度級減少，某些細節(jié)消失；2）某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強。程序處理效果如下：算法優(yōu)缺點：直接運用了公式進行代碼編寫，直接點擊即可進行變換，簡單方便。9) 圖像二值化效果分析：①狀態(tài)法 ②判斷分析法 判斷分析法使一些細節(jié)會消失。 算法評價：首先，模板匹配要找到最大的相似性測度，計算量很大，加上算法本身可能不是很優(yōu)化，運行速度相對較慢，但是不管怎樣，最終都是可以實現(xiàn)的。值得一提的是，我開始寫程序的時候是先看了一下老師給的編程所需的圖片的，因此潛意識里認為是有匹配區(qū)域的，因此程序未考慮假若模板與圖片不匹配怎樣。后來也想了一下，認為應(yīng)該設(shè)定一個閾值，若最小的累加和仍超過該值，則認為兩圖不匹配。經(jīng)過這樣的補充，程序看起來完整實際多了。10) 模板匹配 效果分析由處理后的結(jié)果可以看到，搜索到得模板在圖上用黑線辨識了出來。 算法評價：由于算法沒有進行優(yōu)化，并且處理的數(shù)據(jù)量也較大，因此實現(xiàn)的比較慢，尤其對于很大的圖像，也有可能出現(xiàn)程序死掉的情況，有待改進。五、 實習(xí)總結(jié)與體會這兩周的“數(shù)字圖像處理”實習(xí)，讓我收獲頗多?；厥走@兩周，那些失敗與成功的交匯讓我深深領(lǐng)會到我們課程的樂趣。首先在本次實習(xí)中讓我對圖像處理的原理有了一個更加深我們對數(shù)字圖形處理課程理論知識的認識和理解，使我找到了理論與實踐的最佳結(jié)合點。以前可能只是簡單的了解記住課本一些原理，通過自己編寫程序?qū)⒗碚摳吨T實踐后。那些知識更加使我真正明白并深記著，尤其能找到一些以前會忽略的細節(jié)。這為我們以后做有關(guān)圖像處理方面的工作打下了一個很好的基礎(chǔ)。其次是我的編程能力的提高是顯著的。也加強了我對整個VC結(jié)構(gòu)的理解。督促自己看些VC的書。對C++的封裝性有了更加深刻的理解，將圖像的信息和所有對圖像的處理函數(shù)都封裝在了這個類中，由于對話框、傳參數(shù)等操作進行得比較多，對一些消息響應(yīng)更加的了解些。學(xué)會了如何調(diào)用對話框以及如何傳遞對話框的參數(shù)。實習(xí)出錯是難免的，出錯以后往往就得自己調(diào)試，學(xué)會了進行調(diào)試用處非常大，老師說過其實一個大型的程序往往并不是靠編算法，而是調(diào)試找出錯誤。程序邊運行，邊調(diào)試，看數(shù)值變量是否正確，從而找到出錯的地方，再分析出錯原因，但每一次改錯的過程都是在對所學(xué)內(nèi)容進行一種印象加深。最后想說的是一種態(tài)度那就是嚴(yán)密。其實實習(xí)過程錯誤很多都是打錯了或粗心造成的，多為語句錯誤。所以細心與嚴(yán)謹(jǐn)對于編程十分重要，當(dāng)然這次實習(xí)也發(fā)現(xiàn)了自己許多的不足。首先自己的圖像處理的基礎(chǔ)知識不扎實，只知道其一些效果而用離原理去想算法還有些距離，如剛開始在做二值化中狀態(tài)法時,知道原理是尋找峰谷,剛開始便錯誤的認為,只是找最低點就好，導(dǎo)致算法錯誤。通過實習(xí)，從而發(fā)現(xiàn)自己的不足，從而反饋到學(xué)習(xí)中去，達到提高的效果。在充分磨煉自己, 這些都是在傳統(tǒng)課堂上學(xué)不到的。成績評定項目得分文字正確、語句通順，內(nèi)容充實、詳略得當(dāng)（10分）原理敘述清楚（10分）算法設(shè)計正確（20分）過程清楚、步驟詳細（20分）對實驗結(jié)果分析恰當(dāng)、能分析算法的優(yōu)點和不足，并敘述正確（20分）成果驗收答辯講敘清楚、回答問題正確（20分）發(fā)現(xiàn)有拷貝、雷同、抄襲（視情況扣大于30