C++博客-天下-随笔分类-图像处理

灰度图像高斯平滑

天下 — Wed, 13 Jul 2016 09:25:00 GMT

灰度图像高斯平滑
图像平滑用于去除图像中的噪声。高斯平滑，就是将每个像素的灰度值用其领域的加权平均值代替。该算法简单，能够有效去除高斯噪声。
平滑模板：
1    2    1
2    4    2
1    2    1

// 高斯平滑
// 1. pImageData 图像数据
// 2. nWidth 图像宽度
// 3. nHeight 图像高度
// 4. nWidthStep 图像行大小
void SmoothGauss(unsigned char *pImageData, int nWidth, int nHeight, int nWidthStep)
{
    int i = 0;
    int j = 0;

    unsigned char *pLine[3] = { NULL, NULL, NULL };

    int nTemplate[9] = { 1, 2, 1, 2, 4, 2, 1, 2, 1 };
    for (j = 1; j < nHeight - 1; j++)
    {
        pLine[0] = pImageData + nWidthStep * (j - 1); //上1行地址
        pLine[1] = pImageData + nWidthStep * j;          //当前行地址
        pLine[2] = pImageData + nWidthStep * (j + 1); //下1行地址
        int nValue = 0;
        for (i = 1; i < nWidth - 1; i++)
        {

            nValue = (pLine[0][i-1] * nTemplate[0] +
                    pLine[0][i] * nTemplate[1] +
                    pLine[0][i+1] * nTemplate[2] +
                    pLine[1][i-1] * nTemplate[3] +
                    pLine[1][i] * nTemplate[4] +
                    pLine[1][i+1] * nTemplate[5] +
                    pLine[2][i-1] * nTemplate[6] +
                    pLine[2][i] * nTemplate[7] +
                    pLine[2][i+1] * nTemplate[8]) / 16;
            pLine[0][i-1] = (unsigned char) nValue;
        }
    }
}

来源:http://blog.csdn.net/wqvbjhc/article/details/6065526

/*
    nR:窗口大小
*/

void GaussianSmooth2(uchar *pSrcImg, int nW, int nH,int nR, float sigma, uchar* pDstImg)
{
    if(NULL==pSrcImg)
        return;

    int i,j,x,y;

    // 高斯滤波器的数组长度

    // 一维高斯数据滤波器
    int nSize = nR*nR;
    int nHalfLen = nR/2;  //  窗口长度的1/2

    float *pdKernel = new float[nSize];

    // 高斯系数与图象数据的点乘
    float  dDotMul  = 0.0   ;

    // 高斯滤波系数的总和
    float  dWeightSum  = 0.0;

    float t = 0.0;
    for (i=0;i    {
        t = exp(-((i-nHalfLen)*(i-nHalfLen))/(2*sigma*sigma));
        pdKernel[i] = t;
        dWeightSum += t;

    }

    for (i=0;i    {
        pdKernel[i]/=dWeightSum;
    }

    memcpy(pDstImg,pSrcImg,nW*nH);

    for(y=nHalfLen; y    {
        for(x=nHalfLen; x        {
            dDotMul    = 0.0;
            for(i=-nHalfLen; i<=nHalfLen; i++)
            {
                for (j=-nHalfLen; j<=nHalfLen; j++)
                {
                    dDotMul +=   (pdKernel[(nHalfLen+i)*3 +j+nHalfLen]*(float(pSrcImg[(y+i)*nW+ (j+x)])));
                }
            }
            pDstImg[y*nW + x] =  (int) (dDotMul);
        }
    }

    delete [] pdKernel;
}

天下 2016-07-13 17:25 发表评论

直方图均衡化

天下 — Wed, 13 Jul 2016 07:08:00 GMT

http://blog.csdn.net/xiaowei_cqu/article/details/7606607#

http://blog.csdn.net/guoyk1990/article/details/8108667

void CFpOpencvTestDlg::OnBnClickedBtnStep2()
{
    CString InputImagePath = "D:\\Images\\1.jpg";
    CString OutputImagePath("D:\\Images\\8.jpg");

    IplImage * image= cvLoadImage(InputImagePath);
    IplImage* eqlimage=cvCreateImage(cvGetSize(image),image->depth,3);
    //分别均衡化每个信道
    IplImage* redImage  =cvCreateImage(cvGetSize(image),image->depth,1);
    IplImage* greenImage=cvCreateImage(cvGetSize(image),image->depth,1);
    IplImage* blueImage =cvCreateImage(cvGetSize(image),image->depth,1);
    cvSplit(image,blueImage,greenImage,redImage,NULL);

    cvEqualizeHist(redImage,redImage);
    cvEqualizeHist(greenImage,greenImage);
    cvEqualizeHist(blueImage,blueImage);
    //均衡化后的图像
    cvMerge(blueImage,greenImage,redImage,NULL,eqlimage);

    //保存图片
    cvSaveImage(OutputImagePath, eqlimage);
}

天下 2016-07-13 15:08 发表评论

sobel算子

天下 — Mon, 11 Jul 2016 07:14:00 GMT

索贝尔算子（Sobeloperator）主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量
Sobel卷积因子为：

http://blog.csdn.net/goodshot/article/details/10170073

http://blog.csdn.net/yanmy2012/article/details/8110316

为了加快算法速度:
先缩小图像,步长为2,然后计算梯度,
void getGrads(unsigned char* g_lpTemp, unsigned char* g_lpDivide, int IMGW, int IMGH, long r)
{
    long  x, y, i, j;
    long  vx, vy, lvx, lvy;
    unsigned char   *lpSrc = NULL;
    unsigned char   *lpDiv = NULL;
    long    num;
    int gradSum;
    int grad;

    r=6;
    for(y = 0; y < IMGH/2; y++)
    {
        for(x = 0; x < IMGW/2; x++)
        {
            lpDiv = g_lpDivide + 2*y*IMGW + 2*x;
            lvx = 0;
            lvy = 0;
            num = 0;
            gradSum = 0;
            for(i = -r; i <= r; i++)    // 为提高速度，步长为2
            {
                if(y+i<1 || y+i>=IMGH/2-1) continue;
                for(j = -r; j <= r; j++)    // 为提高速度，步长为2
                {
                    if(x+j<1 || x+j>=IMGW/2-1) continue;
                    lpSrc = g_lpTemp + (y+i)*(IMGW/2) + x+j;
                    //求x方向偏导
                    vx = *(lpSrc + IMGW/2 + 1) - *(lpSrc + IMGW/2 - 1) +
                         *(lpSrc + 1)*2 - *(lpSrc - 1)*2 +
                         *(lpSrc - IMGW/2 + 1) - *(lpSrc - IMGW/2 - 1);
                    //求y方向偏导
                    vy = *(lpSrc + IMGW/2 - 1) - *(lpSrc - IMGW/2 - 1) +
                         *(lpSrc + IMGW/2)*2 - *(lpSrc - IMGW/2)*2 +
                         *(lpSrc + IMGW/2 + 1) - *(lpSrc - IMGW/2 + 1);

                    gradSum += (labs(vx)+labs(vy));
                    //gradSum += vx*vx+vy*vy;

                    num++;

                }
            }

            if(num == 0)
                num = 1;
            // 求幅值，保存到g_lpDivide中，用于分割前景背景
            grad = gradSum/num;

            if(grad > 255)
                grad = 255;
            *lpDiv = (BYTE)grad;
            *(lpDiv + 1) = (BYTE)grad;
            *(lpDiv + IMGW) = (BYTE)grad;
            *(lpDiv + IMGW + 1) = (BYTE)grad;
        }
    }
}

天下 2016-07-11 15:14 发表评论