【正文】 效果演示 圖像的分段線性灰度 變換增強(qiáng)的效果如圖 所示。 x++) { byte pixel=(x,y)。 for (int y=0。 [5]將結(jié)果從緩沖區(qū)復(fù)制到源圖像的數(shù)據(jù)區(qū)中。 算法描述 圖像的分段線性灰度變換算法實(shí)現(xiàn)的步驟描述如下： [1]獲得源圖像的首地址及圖像的寬和高。 對(duì)圖像做對(duì)數(shù)函數(shù)非線性變換時(shí)，變換函數(shù)為 cb yxfayxg ln ]1),(ln [),( ? ??? () 通過(guò)調(diào)整參數(shù) a、 b、 c、 d 可以調(diào)整曲線的位置與形狀。//強(qiáng)制調(diào)用 OnDraw 基于 Visual C++的數(shù)字圖像處理 18 效果演示 圖像的分段 線性灰度變換增強(qiáng)的效果如圖 所示。amp。amp。 x++) 基于 Visual C++的數(shù)字圖像處理 17 { byte pixel=(x,y)。*/ for (int y=0。 } //直接修改像素顏色 int m_nHeight=()。 [3]逐個(gè)掃描源圖像中的像素點(diǎn)，如果當(dāng)前點(diǎn)的像素值在 ],0[ a 內(nèi)，則根據(jù)公式（ 42）等號(hào)右邊上式求出目標(biāo)圖像中與當(dāng)前點(diǎn)對(duì)應(yīng)的像素點(diǎn)的灰度值；如果當(dāng)前點(diǎn)的像素值在 ],[ ba 內(nèi)，則根據(jù)公式（ 42）等號(hào)右邊中式求出目標(biāo)圖像中與當(dāng)前點(diǎn)對(duì)應(yīng)的像素點(diǎn)的灰度值；如果當(dāng)前點(diǎn)的像素值在 ],[ Mb 內(nèi)，則根據(jù)公式（ 42）等號(hào)右邊下式求出目標(biāo)圖像中與當(dāng)前點(diǎn)對(duì)應(yīng)的像素 點(diǎn)的灰度值。 a)源圖像 b)線性灰度增強(qiáng)效果圖 圖 線性灰度變換增強(qiáng)效果演示 分段線性灰度增強(qiáng)的算法與實(shí)現(xiàn) 基本原理 假設(shè)輸入圖像 ),( yxf 的灰度為 0~M 級(jí)，增強(qiáng) 后圖像 ),( yxg 的灰度級(jí)為0~N 級(jí)，區(qū)間 ],[ ba 、 ],[ dc 分別為原圖像與增強(qiáng)的某一灰度區(qū)間。 (x,y,RGB(gray,gray,gray))。 y++) { for (int x=0。 //int pit=()。 [5]將結(jié)果從緩沖區(qū)復(fù) 制到源圖像的數(shù)據(jù)區(qū)中。 算法描述 圖像的線性灰度變換算法實(shí)現(xiàn)的步驟描述如下： [1]獲得源圖像的首地址及圖像的寬和高。因?yàn)樘荻纫浑A微分算子會(huì)在較大范圍內(nèi)形成梯度值，差分的結(jié)果不適合精確定位。最簡(jiǎn)單的方法就是令 ),( yx 點(diǎn)上銳化后的圖像函 ),( yxf 數(shù)值等于原始圖像在該點(diǎn)上的梯度值，即： )],([),( yxFGyxg ? () 此法的缺點(diǎn)是處理后的圖像僅顯示出輪廓，灰度平緩變化的部分由于梯度基于 Visual C++的數(shù)字圖像處理 13 值較小而顯得很黑。為了要把圖像中間任何方向伸展的邊緣和輪廓變得清晰，我們希望對(duì)圖像的某種運(yùn)算是各向同性的。設(shè) s 含有 M 個(gè)像素? ?Maaa ,..., 21 ，將其按大小排序，若 M 是奇數(shù)時(shí)，則位于中間的那個(gè)象素值就是修改后圖像 ),( yxg 在點(diǎn) ),( yxf 處的像素值；若 M 是偶數(shù)則取中間兩個(gè)象素的平均值作為修改后圖像 ),( yxg 在點(diǎn) ),( nm 處的像素值。 一般認(rèn)為離對(duì)應(yīng)模板中心像素近的像素對(duì)平滑結(jié)果有較大的影響，所以接近基于 Visual C++的數(shù)字圖像處理 12 模板中心的系數(shù)應(yīng)較大 ，而模板邊界附近的系數(shù)應(yīng)較小。 對(duì)于給定的圖像 ),( yxf 中的每一個(gè)點(diǎn) ),( nm ，取其領(lǐng)域 s 。這些噪聲的存在直接影響著后續(xù)的處理過(guò)程，使圖像失真。圖像中往往包含有各種各樣的噪聲。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。其中（ ）的逆過(guò)程為 )(1 UGz ?? ，則如果用從原始圖像中得到的均勻灰度級(jí) S 來(lái)代替逆過(guò)程中的 u ，其結(jié)果灰度級(jí)將是所要求的概率密度函數(shù) )(zPz 的灰度級(jí)： )()( 11 sGuGz ?? ?? () 根據(jù)以上思路，可以總結(jié)出直方圖規(guī)定化增強(qiáng)處理的步驟如下： 基于 Visual C++的數(shù)字圖像處理 11 （ 1）將原始圖像進(jìn)行均衡化處理； （ 2）規(guī)定希望的灰度概率密度函數(shù)，用（ ）式計(jì)算它的累計(jì)分布函數(shù))(zG ； （ 3）將逆變換函數(shù) )(1 sGz ?? 用到步驟（ 1）中所得的灰度級(jí)。這樣，在 很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對(duì)數(shù)和指數(shù)等，直方圖規(guī)定化可以解決這一問(wèn)題。另外，采用灰度間隔放大理論 的直方圖修正方法也可以減少簡(jiǎn)并現(xiàn)象。由于上述原因，數(shù)字圖像的直方圖均衡只能是近似的。當(dāng) 0??sr 時(shí)，表示黑色；當(dāng) 1??sr 時(shí)，表示白色；當(dāng) r ， s 在 [0,1]之間時(shí)，表示像素灰度在黑白之間變化。這時(shí)可以將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級(jí)變大。它以概率論為基礎(chǔ)，運(yùn)用灰度點(diǎn) 運(yùn)算來(lái)實(shí)現(xiàn)，從而達(dá)到增強(qiáng)的目的。第二個(gè)條件則保證了映射變換后的像素灰度值在允許的范圍內(nèi)。直方圖的動(dòng)態(tài)范圍是由計(jì)算機(jī)圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級(jí)決定。一幅圖像的直方圖等于它各個(gè)部分直方圖的和。 （ 2）直方圖反應(yīng)了圖像的整體灰度。 灰度級(jí)為 ]1,0[ ?L 范圍的數(shù)字圖像的直方圖是離散函數(shù) kk nrh ?)( ，這里 kr 是第 k 級(jí)灰度， kn 是圖像中灰度級(jí)為 kr 的像素個(gè)數(shù)。為了增加變換的動(dòng) 態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，這時(shí)的變換公式為： 0 0 ),( yxg ),( yxg 255 255 255 ),( yxf ),( yxf 基于 Visual C++的數(shù)字圖像處理 8 cb yxfayxg ln ]1),(ln [),( ? ??? () 式中 a ， b ， c 都是可以選擇的參數(shù)，式中 1),( ?yxf 是為了避免對(duì) 0 求對(duì)數(shù)，確保 0]1),(ln[ ??yxf 。為了增加變換的動(dòng)態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，以改變變換曲線的初始位置和曲線的變化速率 。進(jìn)行變換時(shí)，把 0255 整個(gè)灰度值區(qū)間分為若干線段，每一個(gè)直線段都對(duì)應(yīng)一個(gè)局部的線性變換關(guān)系。則對(duì)于圖像中的任一點(diǎn)的灰度值 ),( yxP ，變換后為 ),( yxg ，其數(shù)學(xué)表達(dá)式如下所示 [16]。一旦灰度變換函數(shù)確定，則圖像中每一個(gè)點(diǎn)的運(yùn)算就可以完全確定下來(lái)?？臻g域處理可表示為 )],([),( yxfTyxg ? 其中， ),( yxf 是增強(qiáng)前的圖像； ),( yxg 是增強(qiáng)處理后的圖像； T 是對(duì) f 的一種操作，其定義在 ),( yx 的鄰域上。 圖像增強(qiáng)可分成兩大類： 頻率域法和空間域法。圖像平滑就是針對(duì)圖像噪聲的操作，其主要作用是為了消除噪聲，圖像平滑的常用方法是采用均值濾波或中值濾波，均值濾波是一種線性空間濾波，它用一個(gè)有奇數(shù)點(diǎn)的掩模在圖像上滑動(dòng)，將掩模中心對(duì)應(yīng)像素點(diǎn)的灰度值用掩模內(nèi)所有像素點(diǎn)灰度的平均值代替，如果規(guī)定了在取均值過(guò)程中掩模內(nèi)各像素點(diǎn)所占的權(quán)重，即各像素點(diǎn)所乘系數(shù)，這時(shí)就稱為加權(quán)均值濾波；中值濾波是一種非線性空間濾波，其與均值濾波的區(qū)別是掩模中心對(duì)應(yīng)像素點(diǎn)的灰度值用掩模內(nèi)所有像素點(diǎn)灰度值的中間值代替。 基于 Visual C++的數(shù)字圖像處理 5 (3)平滑噪聲 有些圖像是通過(guò)掃描儀掃描輸入或傳輸通道傳輸過(guò)來(lái)的。 (1)直方圖均衡化 有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。平滑一般用于消除圖像噪聲，但是也容易引起邊緣的模糊 [14]?；诳臻g域的算法處理時(shí)直接對(duì)圖像灰 度級(jí)做運(yùn)算；基于頻率域的算法是在圖像的某種變換域內(nèi)對(duì)圖像的變換系數(shù)值進(jìn)行某種修正，是一種間接增強(qiáng)的算法。具有代表性的空間域算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。這樣對(duì)應(yīng)于某些局部區(qū)域的細(xì)節(jié)在計(jì)算整幅圖的變換時(shí)其影響因?yàn)槠渲递^小而常常被忽略掉，從而局部區(qū)域的增強(qiáng)效果常常不夠理想，噪聲濾波和邊緣增強(qiáng)這兩者的矛盾較難得到解決 [12]。圖像增強(qiáng)的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺特性或機(jī)器分析，以便于實(shí)現(xiàn)對(duì)圖像的更高級(jí)的處理和分析。 California大學(xué)的 Tony chen教授認(rèn)為，目前國(guó)際上最常用的三種圖像處理框架是：基于變換的圖像處理框架；基于偏微分方程（ PDE）的圖像處理框架；基于統(tǒng)計(jì)學(xué)的圖像處理框架。 數(shù)字圖像處理流程如圖 ，從一幅或是一批圖像的最簡(jiǎn)單的處理，如特征增強(qiáng)、去噪、平滑等基本的圖像處理技術(shù)，到圖像的特征分析和提取，進(jìn)而產(chǎn)生對(duì)圖像的正 確理解或者遙感圖像的解譯，最后的步驟可以是通過(guò)專家的視覺解譯，也可以是在圖像處理系統(tǒng)中通過(guò)一些知識(shí)庫(kù)而產(chǎn)生的對(duì)圖像的理解。如圖 2. 2所示。 a） 源圖像 b)源圖像的直方圖 圖 灰度直方圖 數(shù)字圖像增強(qiáng)概述 隨著數(shù)字技術(shù)的不斷發(fā)展和應(yīng)用，現(xiàn)實(shí)生活中的許多信息都可以用數(shù)字形式的數(shù)據(jù)進(jìn)行處理和存儲(chǔ)，數(shù)字圖像就是這種以數(shù)字形式進(jìn)行 存儲(chǔ)和處理的圖像。因此圖像的灰度值也是非負(fù)有界的 [8]。確切地說(shuō)它們分別稱為照度成分 ),( yxi 和反射成分 ),( yxr 。 圖像的灰度 常用的圖像一般是灰度圖，這時(shí) f表示灰度值，反映了圖像上對(duì)應(yīng)點(diǎn)的亮度。這里 x和 y表示二維空間 X、 Y中一個(gè)坐標(biāo)點(diǎn)的位置，而 f則代表圖像在點(diǎn) ),( yx 的某種性質(zhì)數(shù)值。本文運(yùn)用圖像 增強(qiáng)的方法對(duì)數(shù)字圖像進(jìn)行處理，灰度變換，銳化以及平滑等常用圖像增強(qiáng)的方法。 第三章圖像處理具體實(shí)現(xiàn)及算法。 第一章引言。 論文內(nèi)容 傳統(tǒng)的圖像增強(qiáng)算法在確定轉(zhuǎn)換函數(shù)時(shí)常是圖像變換、灰度變換、直方圖變換、圖像平滑與銳化、色彩增強(qiáng)等。 數(shù)字圖象處理技術(shù)的研究和應(yīng)用離不開程序設(shè)計(jì)， Visual C++則是最強(qiáng)大，最常用的的數(shù)字圖象處理開發(fā)工具之一 [7]。增強(qiáng)的效果通常都與具體的圖像有關(guān)系，靠人的主觀感覺加以評(píng)價(jià) [5]。從不同的途徑獲取的圖像，通過(guò)進(jìn)行適當(dāng)?shù)脑鰪?qiáng)處理，可以將原本模糊不清甚至根本無(wú)法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像，有效地去除圖像中的噪聲、增強(qiáng)圖像中的邊緣或其他感興趣的區(qū)域，從而更加容易對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量 [4]。 進(jìn)入 21 世紀(jì)，隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展和相關(guān)理論的不斷完善，數(shù)字圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就。自 1986 年以來(lái)，小波理論和 變換方法迅速發(fā)展，它克服傅里葉分析不能用于局部分析等方面的不足之處，被認(rèn)為是調(diào)和分析半個(gè)世紀(jì)以來(lái)工作之結(jié)晶。其中代表性的成果是 70 年代末 MIT 的 Marr 提出的視覺計(jì)算理淪，這個(gè)理論成為計(jì)算機(jī)視覺領(lǐng)域其后十多年的主導(dǎo)思想 [3]。 1979年，這項(xiàng)無(wú)損傷診斷技術(shù)被授予諾貝爾獎(jiǎng)，以表彰它對(duì)人類做出的劃時(shí)代貢獻(xiàn)。在以后的宇航空間技術(shù)探測(cè)研究中，數(shù)字圖像處理技術(shù)都發(fā)揮巨大的作用 [2]。常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。 課題研究的背景及意義 數(shù)字圖像處理技術(shù)是 20 世紀(jì) 60 年代隨著計(jì)算機(jī)技術(shù) 和 VLSI（ Very Large Scale Integrator） 的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來(lái)的一個(gè)新興技術(shù)領(lǐng)域，它在理論上和實(shí)際應(yīng)用中都取得了巨大的成就 [1]。 本文在 Microsoft Visual Studio 20xx 開發(fā)環(huán)境下，借助于 Cimage 類，設(shè)計(jì)并實(shí)現(xiàn)了基于 Visual C++的數(shù)字圖像處理系統(tǒng)，得到了較好的處理效果。頻域處理法的采用的是卷積定理，它利用修改圖像傅立葉變換的方法實(shí)現(xiàn)對(duì)圖像的增強(qiáng)處理； 空域處理法 則是 對(duì)圖像中的像素進(jìn)行 直接的 處理， 大多數(shù)是以灰度映射變換為基礎(chǔ)的， 所用的映射變換取決于增強(qiáng)的目的。 它是 指依據(jù)圖像所存在的問(wèn)題，按特定的需要突出一幅圖像中的某些信息，同時(shí)，削弱或去除某些冗余 信息的處理方法。其主要目的是 使得處理后的圖像對(duì)給定的 應(yīng)用比原來(lái)的圖像更加有效 同時(shí)可以有效的改善圖像質(zhì)量 。 本文針對(duì)數(shù)字圖像文件，進(jìn)行數(shù)字圖像處理。 關(guān)鍵詞：圖像增強(qiáng)；圖像平滑；圖像銳化；算法 Ⅱ ABSTRACT The image intensification is refers according to specific needs to highlight in an image certain information, simultaneously, weakens the information processing method which or removes certain does not need. Its main purpose is the processing image is more effective than to certain specific applications the original image. The image intensification technology mainly contains histogram revision