【正文】 // 恢復(fù)光標(biāo) EndWaitCursor()。 } else { // 提示用戶 MessageBox(分配內(nèi)存失敗！ , 系統(tǒng)提示 , MB_ICONINFORMATION | MB_OK)。 // 調(diào)用 RobertDIB()函數(shù)對 DIB 進(jìn)行邊緣檢測 if (RobertDIB(lpDIBBits, WIDTHBYTES(::DIBWidth(lpDIB) * 8), ::DIBHeight(lpDIB))) { // 設(shè)置臟標(biāo)記 蘇州大學(xué)本科生畢業(yè)設(shè)計 36 pDocSetModifiedFlag(TRUE)。 } // 更改光標(biāo)形狀 BeginWaitCursor()。 // 解除鎖定 ::GlobalUnlock((HGLOBAL) pDocGetHDIB())。 // 鎖定 DIB lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDocGetHDIB())。 // 指向 DIB 的指針 LPSTR lpDIB。 蘇州大學(xué)本科生畢業(yè)設(shè)計 33 // 返回 return TRUE。 // 釋放內(nèi)存 LocalUnlock(hNewDIBBits)。 } else { // 賦值 * lpDst = (unsigned char) (fResult + )。 // 取絕對值 蘇州大學(xué)本科生畢業(yè)設(shè)計 32 fResult = (FLOAT ) fabs(fResult)。 // 保存象素值 fResult += (* lpSrc) * fpArray[k * iTempW + l]。 l iTempW。 k iTempH。 蘇州大學(xué)本科生畢業(yè)設(shè)計 31 fResult = 0。 j lWidth iTempW + iTempMX + 1。 i lHeight iTempH + iTempMY + 1。 // 初始化圖像為原始圖像 memcpy(lpNewDIBBits, lpDIBBits, lLineBytes * lHeight)。 蘇州大學(xué)本科生畢業(yè)設(shè)計 30 // 判斷是否內(nèi)存分配失敗 if (hNewDIBBits == NULL) { // 分配內(nèi)存失敗 return FALSE。 // 計算圖像每行的字節(jié)數(shù) lLineBytes = WIDTHBYTES(lWidth * 8)。 // 計算結(jié)果 FLOAT fResult。 LONG k。 // 循環(huán)變量 LONG i。 蘇州大學(xué)本科生畢業(yè)設(shè)計 29 // 指向源圖像的指針 unsigned char* lpSrc。 * BOOL WINAPI Template(LPSTR lpDIBBits, LONG lWidth, LONG lHeight, int iTempH, int iTempW, int iTempMX, int iTempMY, FLOAT * fpArray, FLOAT fCoef) { // 指向復(fù)制圖像的指針 LPSTR lpNewDIBBits。 蘇州大學(xué)本科生畢業(yè)設(shè)計 27 附錄 A Template() 圖像模板變換，通過改變模板，可以用它實現(xiàn) include include include include include * 函數(shù)名稱： * Template() * * 參數(shù) : * LPSTR lpDIBBits 指向源 DIB 圖像指針 * LONG lWidth 源圖像寬度（象素數(shù)） * LONG lHeight 源圖像高度（象素數(shù)） * int iTempH 模板的高度 * int iTempW 模板的寬度 * int iTempMX 模板的中心元素 X 坐標(biāo) ( iTempW 1) * int iTempMY 模板的中心元素 Y 坐標(biāo) ( iTempH 1) 蘇州大學(xué)本科生畢業(yè)設(shè)計 28 * FLOAT * fpArray 指向模板數(shù)組的指針 * FLOAT fCoef 模板系數(shù) * * 返回值 : * BOOL 成功返回 TRUE，否則返回 FALSE。所以，我的指導(dǎo)老師和給我意見的所有同學(xué)。 通過這次 畢業(yè)設(shè)計，我掌握了經(jīng)典的常用邊緣檢測方法，并且能夠用 VC++語言來設(shè)計常用邊緣檢測算法。所以，研究將圖像處理結(jié)合彩色圖像，會讓數(shù)字圖像處理，有更大的發(fā)展空間。另外，衡量一個算子的優(yōu)劣沒有固定的標(biāo)準(zhǔn)，這使得對邊緣檢測的優(yōu)劣評價也很模糊，因而尋找算法簡單又能較好解決邊緣檢測精度與抗噪聲性的協(xié)調(diào)能力是圖像處理以后需要研究的目的所在。所以在 LOG 公式中使用高斯函數(shù)的目的就是對圖像進(jìn)行平滑處理，使用Laplacian 算子的目的是提供一幅用零交叉確定邊緣位置的圖像；圖像的平滑處理減少了噪聲的影響并且它的主要作用還是抵消由 Laplacian 算子的二階導(dǎo)數(shù)引起的逐漸增加的噪聲影響。但是，其對噪聲比較敏感，所以，圖像一般先經(jīng)過平滑處理，因為平滑處理也是用模板進(jìn)行的，所以，通常的分割算法都是把 Laplacian 算子和平滑算子結(jié)合起來生成一個新的模板。 Laplacian 算子是二階微分算子。計算邊緣強度的同時可以得 到邊緣的方向，各方向間夾角為 45176。美中不足的是， Sobel 算子并沒有將圖像的主體與背景嚴(yán)格地區(qū)分開來，換言之就是 Sobel 算子沒有基于圖像灰度進(jìn)行處理，由于 Sobel 算子沒有嚴(yán)格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。一般來說，距離越遠(yuǎn)，產(chǎn)生的影響越小。 （ c）圖是經(jīng) Prewitt 算子處理后的圖像：對噪聲有抑制作用，抑制噪聲的原理是通過像素平均，但是像素平均相當(dāng)于對圖像的低通濾波，所以 Prewitt 算子對邊緣的定位不如Roberts 算子。 Roberts 邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子 ,Robert 算子圖像處理后結(jié)果邊緣不是很平滑。 如圖410 所示 圖 410 單擊空間代碼響應(yīng) 第二節(jié) 算法的結(jié)果比較 常用的一階導(dǎo)數(shù)微分邊緣檢測算子比較 表 41 經(jīng)典算子比較 算子 x? f(x,y) y? f(x,y) 特點 Roberts ??????? 10 01 ?????? ?01 10 .邊緣定位準(zhǔn) .對噪聲敏感 Prewitt ?????????????101101101 ?????????? ???111000111 .平均、微分 .對噪聲有抑制作用 Sobel ?????????????101202101 ?????????? ???121000121 .加權(quán)平均 .變寬≥ 2像素 蘇州大學(xué)本科生畢業(yè)設(shè)計 22 圖 411 （ a）原圖 （ b） Roberts 邊緣檢測 （ c） Prewitt 邊緣檢測 （ d） Sobel 邊緣檢測 （ e） Kirsch 邊緣檢測 （ f） LOG 邊緣檢測 圖 411中（ b）是經(jīng) Roberts 算子處理后的圖像：邊緣定位準(zhǔn)，但是對噪聲敏感。這就是事件驅(qū)動代碼，它構(gòu)成了所有應(yīng)用程序。同時還要編寫用來響應(yīng)用戶操作這些控制的代碼。這對于一些比較小的項目原型階段是可以的。 Windows 用戶界面有一些標(biāo)準(zhǔn)的控制，如按鈕、蘇州大學(xué)本科生畢業(yè)設(shè)計 21 菜單、滾動條和列表等， 我需要把這些控件 安排到屏幕上。用 MFC 所建立的代碼是完全可移植的。本類庫 (MFC) 的層次結(jié)構(gòu) ，該 結(jié)構(gòu)包容了 Windows API 中的用戶界面部分，能夠很容易地以面向?qū)ο蟮姆绞浇? Windows 應(yīng)用程序。 蘇州大學(xué)本科生畢業(yè)設(shè)計 20 圖 38 高斯拉普拉斯算子處理后的圖像 第四章 算法 VC++實現(xiàn)和結(jié)果 第一節(jié) Visual C++ MFC 編程的 簡單說明 本次邊緣檢測是用 Visual C++ 來實現(xiàn)， Visual C++ 不僅僅是一個編譯器。 ? 求高斯函數(shù)的拉普拉斯變換，再求與圖像的卷積，然后再進(jìn)行過零判斷。 （ 1） 選取高 斯函數(shù)對圖像 f(x,y)進(jìn)行平滑濾波 二維高斯函數(shù)為： 蘇州大學(xué)本科生畢業(yè)設(shè)計 19 G(x,y)= ]2 )(e xp [2 1 2 222 ??? yx ?? 式（ 323） g(x,y)=f(x,y) * G(x,y) 式（ 324） 在空間域?qū)⒏闼篮瘮?shù) G(x,y)與圖像 f(x,y)進(jìn)行卷積，可得到一個平滑圖像 g(x,y),其中G(x,y)是一個圓對稱函數(shù)，其平滑作用可通過高斯函數(shù)的分布參數(shù)σ進(jìn)行控制 （ 2） 對平滑后的圖像 g(x,y)進(jìn)行拉普拉斯運算 可等效為 G(x,y)的拉普拉斯運算與 f(x,y)卷積，即： h(x,y)= 2? [g(x,y)]= 2? [f(x,y)* G(x,y)]= f(x,y) * 2? [G(x,y)] 式（ 325） 式中： 2? [G(x,y)]稱為 LOG 濾波器， LOG 又叫墨西哥草帽濾波器。因此，在不知道物體尺度和位置的情況下，很難準(zhǔn)確確定濾波器的σ值。如果取小σ值，又有可能平滑不完全而留有大多的噪音。高斯平滑運算導(dǎo)致圖像中邊緣和其他尖銳不連續(xù)部分的模糊，其中模糊量取決于 σ值。故稱為 LOG 算子。 （ 2） 在確定邊界附近的點位于亮區(qū)還是暗區(qū)時，也可利用 Laplace 算子。 由于以上原因 Laplace 算子一般不直接用 在邊界檢測中 在圖像分割中 Lapl