【導(dǎo)讀】本文設(shè)計(jì)的可視化圖像處理程序是以WindowXp作為操作平臺(tái),采用。多種程等優(yōu)點(diǎn)的VisualC++作為開(kāi)發(fā)工具。本圖像處理程序?qū)崿F(xiàn)對(duì)灰度圖像的基本操。2值化處理、中值濾波、邊緣檢測(cè)、直方圖、小波變換、傅立葉交換等等。的功能和算法進(jìn)行了詳細(xì)的論述。通過(guò)綜述指出了目前研究中存在的問(wèn)題并指出了今。后的研究方向，著重論述了圖像處理階段的研究特點(diǎn)。升級(jí)為商業(yè)軟件，還需要進(jìn)行很多艱苦工作。

　　

【正文】 設(shè)計(jì)。 第二節(jié) 可行性論證 VC++是 Windows 編程的一個(gè)重要工具，與 Windows 的緊密結(jié)合使它在軟件底層開(kāi)發(fā)上占有非常大的優(yōu)勢(shì)。 Visual C++具有與 Windows 的緊密結(jié)合、強(qiáng)大的類庫(kù)支持和類改造能力、高效率的運(yùn)行速度等優(yōu)點(diǎn)。 Windows 操作系統(tǒng)界面友好，操作簡(jiǎn)便，應(yīng)用最為廣泛。作為面向用戶的 圖像處理系統(tǒng) ，為了方便程序的開(kāi)發(fā)和程序的使用，選擇 Windows 環(huán)境。 由于個(gè)人計(jì)算機(jī)技術(shù)的快速發(fā)展，圖像處理越來(lái)越貼近實(shí)際的生活。以前只有在高級(jí)計(jì)算機(jī)才能 處理的圖像，現(xiàn)在用個(gè)人計(jì)算機(jī)便能處理。 圖像處理技術(shù)發(fā)展至今，第 24 頁(yè) 已經(jīng)非常成熟，而許多成型的圖像處理軟件在軟件市場(chǎng)推出以來(lái)也完全能讓用戶滿意。 本圖像處理系統(tǒng)設(shè)計(jì)是可行的。 ? 第四章 系統(tǒng)設(shè)計(jì) 第一節(jié) 總體設(shè)計(jì) 一、流程分析 圖像處理系統(tǒng)將流程分為三個(gè)階段，首先是圖像處理階段，第二是圖像分析階段，第三是圖像理解階段。圖像處理階段主要是在像素級(jí)上進(jìn)行處理，進(jìn)行圖像的幾何校正，圖像的灰度變換處理，圖像噪聲濾除的平滑處理，目標(biāo)物體邊界的銳化處理等。這些處理很重要，如果這階段處理不好，后面的工作根本無(wú)法展開(kāi)。圖像分析階段 主要對(duì)圖像里感興趣的目標(biāo)進(jìn)行檢測(cè)、分割、特征和測(cè)量，分析的結(jié)果能為用戶提供描述圖像目標(biāo)特點(diǎn)和性質(zhì)的數(shù)據(jù)，把原來(lái)以像素描述的圖像轉(zhuǎn)變成比較簡(jiǎn)潔的非圖像方式的描述。圖像理解階段主要通過(guò)對(duì)圖像里各目標(biāo)的性質(zhì)和它們之間相互關(guān)系的研究，對(duì)描述抽象出來(lái)的符號(hào)進(jìn)行運(yùn)算，了解把握?qǐng)D像內(nèi)容并解釋原來(lái)的客觀場(chǎng)景，提供客觀世界的信息，指導(dǎo)和規(guī)化行為，其處理過(guò)程和方法與人類的思維推理可以有許多類似之處。 由于時(shí)間及能力的原因，本次的程序設(shè)計(jì)只達(dá)到了圖像處理階段，完成了圖像處理中的打開(kāi)、關(guān)閉、保存、直方圖、傅立葉變換、小波交換等處理 ；數(shù)字圖像處理是現(xiàn)代圖像處理的主要方法，具有再現(xiàn)性好、精度高、適用面廣和靈活性大等優(yōu)點(diǎn)。 本文所作圖像處理系統(tǒng)設(shè)計(jì)總體框架流程如圖 41所示： 第 25 頁(yè) 圖 41 二、功能框架結(jié)構(gòu) 系統(tǒng)設(shè)計(jì)總體框架： （ 1） 打開(kāi)圖像 （ 2） 決定處理方式 （ 3） 調(diào)用圖像處理程處理圖像 （ 4） 顯示處理后圖像 （ 5） 結(jié)束 位圖讀取及顯示方法框架如下： （ 1） 開(kāi)始 （ 2） 得到文件完整路徑名 （ 3） 打開(kāi)位圖文件 （ 4） 讀取 BITMAPELEHEADER 結(jié)構(gòu) （ 5） 文件是 BMP 格式嗎？（否則轉(zhuǎn)到（ 9）） （ 6） 得到位圖大小并分配相應(yīng)內(nèi)存空間 （ 7） 讀取 BITMAPELEHEADER 結(jié)構(gòu) （ 8） 計(jì)算像素起始位置，保 存像素?cái)?shù)據(jù)起始位置指針 （ 9） 結(jié)束 圖像顯示框架如下： （ 1） 開(kāi)始 第 26 頁(yè) （ 2） 從 DOC 對(duì)象中得到位圖數(shù)據(jù)起始位置指針，并得到圖像的寬高等信息 （ 3） 是否帶有顏色索引表？（否則轉(zhuǎn)到（ 9）） （ 4） 使用文件中顏色表數(shù)據(jù)創(chuàng)建調(diào)色板 （ 5） 把新創(chuàng)的調(diào)色板作為設(shè)備環(huán)境的調(diào)色板并保留原調(diào)色板 （ 6） 設(shè)定顯示參數(shù)，顯示位圖 （ 7） 恢復(fù)原調(diào)色板 （ 8） 結(jié)束 （ 9） 設(shè)定顯示參數(shù)，顯示位圖 （ 10） 結(jié)束 第二節(jié) 詳細(xì)設(shè)計(jì) 一、圖像的打開(kāi)、關(guān)閉、保存 對(duì)于大多數(shù)人來(lái)說(shuō)，在設(shè)計(jì)圖像處理系統(tǒng)時(shí)，最大的難點(diǎn)就是對(duì)圖像的打開(kāi)、關(guān)閉和保存。由于時(shí)間及能力原因， 對(duì)于現(xiàn)存的所有的圖像文件格式，本文主要介紹 BMP圖像文件格式， BMP 文件里的圖像數(shù)據(jù)是未壓縮的，因?yàn)閳D像的數(shù)字化處理主要是對(duì)圖像中的各個(gè)像素進(jìn)行相應(yīng)的處理，而未壓縮的 BMP 圖像中的像素?cái)?shù)值正好與實(shí)際要處理的數(shù)字圖像相對(duì)應(yīng)，這種格式的文件最合適對(duì)之進(jìn)行數(shù)字化處理。請(qǐng)讀者記住，壓縮過(guò)的圖像是無(wú)法直接進(jìn)行數(shù)字化處理的，如 JPEG、 GIF 等格式的文件，此時(shí)首先要對(duì)圖像文件解壓縮，這就要涉及到一些比較復(fù)雜的壓縮算法。 在第二章 第二節(jié)的位圖文件格式中已給出了位圖的文件格式：位圖文件頭 BITMAPFILEHEADER、位圖信息頭BITMAPFILEHEADER、調(diào)色板 RGBQUAD 等位圖基本信息。因?yàn)?，?duì)于圖像的打開(kāi)、關(guān)閉、保存等操作如下所操作。 （一） 圖像的打開(kāi)、顯示如下： （ 1） 開(kāi)始 （ 2） 得到文件完整路徑名 （ 3） 打開(kāi)位圖文件 （ 4） 讀取 BITMAPELEHEADER 結(jié)構(gòu) （ 5） 文件是 BMP格式嗎？（否則轉(zhuǎn)到（ 14）） （ 6） 是否帶有顏色索引？（否則轉(zhuǎn)到（ 15）） （ 7） 使用文件中顏色表數(shù)據(jù)創(chuàng)建調(diào)色板 （ 8） 把新創(chuàng)的調(diào)色板作為設(shè)備環(huán)境的調(diào)色板并保留原調(diào)色板 （ 9） 設(shè)定顯示參數(shù)，顯示位圖 （ 10） 恢復(fù)原調(diào)色板 （ 11） 得到位圖大小并分配相應(yīng)內(nèi)存空間 第 27 頁(yè) （ 12） 讀取 BITMAPELEHEADER 結(jié)構(gòu) （ 13） 計(jì)算像素起始位置，保存像素?cái)?shù)據(jù)起始位置指針 （ 14） 結(jié)束 （ 15） 設(shè) 定顯示參數(shù)，顯示位圖 并轉(zhuǎn)到（ 11） BMP 位 圖 包 括 位 圖 文 件 頭 結(jié) 構(gòu) BITMAPFILEHEADER 、 位 圖 信 息 頭 結(jié) 構(gòu)BITMAPINFOHEADER、位圖顏色表 RGBQUAD 和位圖像素?cái)?shù)據(jù)四部分。處理位圖時(shí)要根據(jù)文件的這些結(jié)構(gòu)得到位圖文件大小、位圖的寬、高、實(shí)現(xiàn)調(diào)色板、得到位圖像素值等等。這里要注意的一點(diǎn)是在 BMP 位圖中，位圖的每行像素值要填充到一個(gè)四字節(jié)邊界，即位圖每行所占的存儲(chǔ)長(zhǎng)度為四字節(jié)的倍數(shù)，不足時(shí)將多余位用 0填充。 啟動(dòng) Visual C++，生成一個(gè)名為 Imgcx 的單文檔程序。在處理圖像應(yīng)用程序 的文檔類（ ）中聲明如下宏及公有變量： 建立圖像表示用 Dib： EXIMPORT int CreateDispDib(CDC* pDC, int xsize, int ysize)。 消除 Dib： EXIMPORT void DeleteDispDib(void)。 建立參考窗口讀入圖像： EXIMPORT int Load_imagefile_bmp()。 直接輸入文件名讀入圖像： EXIMPORT int Load_original_image(CString filename)。 讀灰度圖像數(shù)據(jù)到設(shè)定內(nèi)存： EXIMPORT int ReadImageData(BYTE *image)。 讀彩色圖像數(shù)據(jù)到設(shè)定內(nèi)存： EXIMPORT int ReadImageDataRGB(BYTE *imageR, BYTE *imageG, BYTE *imageB)。 圖像保存： EXIMPORT BOOL Save_imagefile_bmp()。 圖像另存為： EXIMPORT BOOL SaveAs_imagefile_bmp()。 第 28 頁(yè) 獲得圖像橫向大?。? EXIMPORT int GetXSize()。 獲得圖像縱向大?。? EXIMPORT int GetYSize()。 獲得圖像數(shù)據(jù)指針： EXIMPORT LPBYTE GetImage()。 獲得圖像類型（ 8 = 灰度、 24 = 彩色）： EXIMPORT int GetImageType()。 表示內(nèi)存內(nèi)的灰度圖像： EXIMPORT void Disp_image(BYTE *image)。 表示內(nèi)存內(nèi)的彩色圖像： EXIMPORT void Disp_imageRGB( BYTE *imageR, BYTE *imageG, BYTE *imageB)。 獲得表示圖像的名稱： EXIMPORT void GetImageFileName(char *cFileName)。 設(shè)定表示圖像的名稱： EXIMPORT void PutImageFileName(CString fn)。 獲得表示的 Dib： EXIMPORT CDib* GetDib(void)。 設(shè)定表示的 Dib： EXIMPORT void PutDib(CDib *pDib)。 彩色圖像變灰度圖像 EXIMPORT int Color_to_mono()。 圖像打開(kāi)實(shí)現(xiàn)步驟： 第 29 頁(yè) 讀入位圖文件 設(shè)定圖像窗口大小 更新畫(huà)面 判斷圖像格式 5為新圖像分配內(nèi)存 更新畫(huà)面 （二） 圖像的保存及另存為 圖像保存及另存為流程圖： N Y 圖 42 實(shí)現(xiàn)步驟： 判斷是否讀入圖像（ N則轉(zhuǎn)到 3） 調(diào)用保存語(yǔ)句保存 結(jié)束 二、直方圖設(shè)計(jì) 圖像增強(qiáng)處理技術(shù)一直是圖像處理領(lǐng)域一類非常重要的基本處理技術(shù)。通過(guò)采取適當(dāng)?shù)脑鰪?qiáng)處理可以將原本模糊不清甚至根本無(wú)法分辨的原始圖片處理 成清楚、明晰的富含大量有用信息的可使用圖像，因此此類圖像處理技術(shù)在醫(yī)學(xué)、遙感、微生物、刑偵以及軍事等諸多領(lǐng)域得到廣泛應(yīng)用。 （一） 圖像的灰度直方圖處理技術(shù) 開(kāi)始 有圖像讀入？ 調(diào)用保存語(yǔ)句保存 結(jié)束 第 30 頁(yè) 在空間域?qū)D像進(jìn)行增強(qiáng)處理的方式有許多種，如增強(qiáng)對(duì)比度和動(dòng)態(tài)范圍壓縮等等，但這些處理方式都是針對(duì)原始圖像的每一個(gè)像素直接對(duì)其灰度進(jìn)行處理的，其處理過(guò)程主要是通過(guò)增強(qiáng)函數(shù)對(duì)像素的灰度級(jí)進(jìn)行運(yùn)算并將運(yùn)算結(jié)果作為該像素的新灰度值來(lái)實(shí)現(xiàn)的。通過(guò)改變選用的增強(qiáng)函數(shù)的解析表達(dá)式就可以得到不同的處理效果，這類處理方法比較靈活方便，處理效果也不錯(cuò)，但對(duì)于某些灰度分布很 密集或?qū)Ρ榷群苋醯膱D像，雖然也能起到一定的增強(qiáng)效果但并不明顯。對(duì)于這種情況就可以采用本文提出的灰度直方圖變換方法將原始圖像密集的灰度分布變得比較疏散，從而拉大圖像的對(duì)比度并在視覺(jué)上達(dá)到明顯增強(qiáng)的效果，使一些原本不易觀察到的細(xì)節(jié)能變得清晰可辨。 圖像的灰度變換處理是通過(guò)改變?cè)紙D像各像素在各灰度級(jí)上的概率分布來(lái)實(shí)現(xiàn)的。通過(guò)對(duì)圖像的灰度值進(jìn)行統(tǒng)計(jì)可以得到一個(gè)一維離散的圖像灰度統(tǒng)計(jì)直方圖函數(shù)p(sk)=nk/n(這里 k=0， 1， 2??L 1)，該式表示在第 k 個(gè)灰度級(jí)上的像素個(gè)數(shù) nk 占全部像素總數(shù) n的比例， p(sk)則給出了對(duì) sk 出現(xiàn)概率的一個(gè)估計(jì)。因此該直方圖函數(shù)實(shí)際是圖像的各灰度級(jí)的分布情況的反映，換句話說(shuō)也就是給出了該幅圖像所有灰度值的整體描述。通過(guò)該函數(shù)可以清楚地了解到圖像對(duì)應(yīng)的動(dòng)態(tài)范圍情況，可以了解到圖像灰度的主要集中范圍。因此可以通過(guò)圖像增強(qiáng)程序的干預(yù)來(lái)改變直方圖的灰度分布狀況，使灰度均勻地或是按預(yù)期目標(biāo)分布于整個(gè)灰度范圍空間，從而達(dá)到增強(qiáng)圖像對(duì)比度的效果。這種方法是基于數(shù)理統(tǒng)計(jì)和概率論的，比直接在空間域?qū)υ紙D像采取對(duì)比度增強(qiáng)效果要好得多。在實(shí)際應(yīng)用中直方圖的變換主要有均衡變換和規(guī)定變換兩種，而后者又 可根據(jù)灰度級(jí)映射規(guī)則的不同分單映射規(guī)則和組映射規(guī)則兩種。 （二） 直方圖均衡化處理 直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。 基本思想是對(duì)在圖像中的像素個(gè)數(shù)多的灰度級(jí)進(jìn)行展寬，而對(duì)像素個(gè)數(shù)少的灰度級(jí)進(jìn)行縮減，從而達(dá)到清淅圖像的目的。通過(guò)點(diǎn)運(yùn)算使輸入圖像轉(zhuǎn)換為在每一灰度級(jí)上都有相同的像素點(diǎn)的數(shù)目，即輸出圖像的直方圖是平的。這對(duì)于在進(jìn)行圖像比較和分割之前將圖像轉(zhuǎn)化為一致的格式是十分有益的。 直方圖是用來(lái)表達(dá)一幅圖像灰度級(jí)分布情況的統(tǒng)計(jì)表。直方圖的橫 坐標(biāo)是灰度，一般用 r表示?？v坐標(biāo)灰度值為 的像素個(gè)數(shù)或出現(xiàn)這個(gè)灰度值的概率 。并知： 圖像像素總個(gè)數(shù) 的像素個(gè)數(shù)灰度為 iir rrP ?)( (41) ??? ?10 1)(ki ir rP (42) 式中 Ｋ 為一幅圖像對(duì)應(yīng)的灰度級(jí)數(shù)。 第 31 頁(yè) 圖像灰度的直方圖是反映一幅圖像中的灰度級(jí)與出現(xiàn)這種灰度的概率之間關(guān)系的圖形。設(shè)變量 r 代表圖像中像素的灰度級(jí)，如果對(duì)它做歸一化處理， r的值將在下述范圍內(nèi)： 0= r =1 在灰度級(jí)中， r＝ 0代表黑， r=1 代白，從 r＝ 0到 r=1之間數(shù)值的變化，反映了像素由黑至白的灰度變化。對(duì)于一幅給定的圖像，每一像素取得（０，１）區(qū)間內(nèi)的灰度級(jí)是隨機(jī)的，即可以認(rèn)為它是一個(gè)隨機(jī)變量。假定 r 是連續(xù)的，那么可以用概率密度函數(shù) )(ir rP 來(lái)表示原始圖像的灰度分布。對(duì)于數(shù)字圖來(lái)說(shuō)，灰度級(jí)看成是離散的，歸一化后的 r的取值范圍為： 0= r =1 k=0,1,2,?， L1 這里，Ｌ為灰度級(jí)的數(shù)目。 如前所述，一幅給定的圖像的灰度級(jí)分布在［０，１］區(qū)間內(nèi)的任一個(gè) r 值，都可產(chǎn)生一個(gè) s值，且 任一 r值可按下式變換： )(rTs? (43) T(r)為變換言之函數(shù)。在原始圖像中，每一個(gè)像素灰度值 r 都對(duì)應(yīng)產(chǎn)生一個(gè) s 值。 假定由式４－３給定的變換函數(shù)滿足下面兩個(gè)條件： （１） 在 0= r =1 區(qū)間內(nèi)是單值單調(diào)增加函數(shù)； （２） 在 0= r =1 區(qū)間內(nèi)，有 0= T (r)=1。 條件（１）保證灰度級(jí)從黑到白的次序，條件（２）確保映射后的像素灰度在允許的范圍內(nèi)。反變換關(guān)系為： )(1 sTr ?? (44) 顯然，若 Ｔ 滿足條件（１）和（２），則 )(1 sT? 也滿足條件（１）和（２）。 由概率論理論可知，如果已知隨機(jī)變量 r 的概率密度為 ，而隨機(jī)變量 s是 r的函數(shù)，對(duì)于直方圖均衡化后的連續(xù)圖像，變換函數(shù)Ｔ（ r）與原圖像概率密度函數(shù)之間的關(guān)系為： drrPrTs rr )()( 10??? (45) 假定隨機(jī)變量 s的分布函數(shù)用 )(sPs 表示， )(1 sT? 是單調(diào)增長(zhǎng)函數(shù)，則 s 的概率密度 )(sPs 可以由 )(rPr 求出，變換后的圖像灰度級(jí)的概率密度函數(shù) )(sPs 可由下式得到： )(sPs ＝［ dsdrr rP )( ］ r = T (s) (46) 因?yàn)闅w一化假定： )(sPs ＝ 1 (47) 第 32 頁(yè) 故有 drrPds r )(? (48) 或 drrPrdTds r )()( ?? (49) 取定積分： ??? drrPrTs r )()( (410) 對(duì)于離散圖像，第 i 個(gè)灰度級(jí) ir 出現(xiàn)的頻數(shù) in 用表示，該灰度像素對(duì)應(yīng)的概率值)(ir rP 為： nnrP iir ?)( (411) n 是幀內(nèi)像素總數(shù)， ir 滿足歸一化條件。至此，可寫出離散圖像的變換函數(shù)表達(dá)式： ?? ???? ??? 1010 )()( ki iki irii nnrPrTS (412) 式中， k 為灰度級(jí)數(shù)。 （三）實(shí)現(xiàn)步驟 （ 1） 開(kāi)始； （ 2） 是否讀入圖像（否則轉(zhuǎn)到（ 15））； （ 3） 是否灰度圖像（否則轉(zhuǎn)到（ 15））； （ 4） 描畫(huà)移動(dòng)量 。 （ 5） 用數(shù)據(jù)表示軸； （ 6） 獲得圖像尺寸； （ 7） 分配內(nèi)存； （ 8） 讀 入圖像數(shù)據(jù)； （ 9） 計(jì)算直方圖數(shù)列； （ 10） 直方圖平坦化處理； （ 11） 表示變換后圖像； （ 12） 再次計(jì)算直方圖數(shù)列； （ 13） 全體描畫(huà)直方圖； （ 14） 解放內(nèi)存； 第 33 頁(yè) （ 15） 結(jié)束； 三、傅立葉交換 （一）傅立葉的定義 傅立葉變換在數(shù)學(xué)中的定義非常嚴(yán)格，它的定義如下。 設(shè) f(x)為 x的函數(shù)，如果 f(x)滿足下面的狄里赫萊條件： （１） 具有有限個(gè)間斷點(diǎn)； （２） 具有有限個(gè)極值點(diǎn)； （３） 絕對(duì)可積。 則定義 f(x)的傅立葉變換公式為： ??? ?? 10 )2e xp()(1)( Nx N xjxfNF ??? (413) 它的逆變換為： )2e xp()()( 101N xjFxf NxN ?????? (414) 可以把傅立葉推廣到二維情況。如果 f（ x,y）滿足狄里赫萊條件，那么將可以導(dǎo)出下面的二維傅立葉變換： ? ??? ?? ??? 10 10 )(2),(),( Mx Ny NyMxjeyxfF ????? (415) 二維傅立葉的逆變換為： )(21010 ),(1),( NyMxjM N eFMNyxf ???? ? ???????? ?? (416) （二）快速傅立葉變換的實(shí)現(xiàn) 現(xiàn)在，離散傅立葉已成為數(shù)字信號(hào)處理的重要工具，但是它的計(jì)算量比較大，運(yùn)算時(shí)間長(zhǎng)，在某種程度上限制了它的使用。為了解決這一矛盾，引用了快速傅立葉變換的思想?？焖俑盗⑷~變換并不是一種新的變換方式 ，它是離散傅立葉變換的一種算法，這種方法是建立在分析離散傅立葉里葉變換中的多余運(yùn)算的基礎(chǔ)上，進(jìn)而消除這些重復(fù)工作的思想指導(dǎo)下得到的，從而在運(yùn)算中節(jié)省了大量的計(jì)算時(shí)間，達(dá)到快速運(yùn)算的目的。 快速傅立葉算法 設(shè)計(jì)思想是 : 第 34 頁(yè) 首先，將原函數(shù)分為奇數(shù)項(xiàng)和偶數(shù)項(xiàng)，通過(guò)不斷的一個(gè)奇數(shù)一個(gè)偶數(shù)的相加（減），最終得到需要的結(jié)果。也就是說(shuō) 快速傅立葉算法 是將復(fù)雜的運(yùn)算變成兩個(gè)數(shù)相加（減）的簡(jiǎn)單運(yùn)算的重復(fù) 。令： )2e xp (N xjW xN ??? ?? (417)