最新数字图像处理算法实现精编版.docx
《最新数字图像处理算法实现精编版.docx》由会员分享，可在线阅读，更多相关《最新数字图像处理算法实现精编版.docx（40页珍藏版）》请在冰豆网上搜索。
最新数字图像处理算法实现精编版
2020年数字图像处理算法实现精编版
数字图像处理算法实现
------------编程心得
（1）
2001414班朱伟20014123
摘要:
关于空间域图像处理算法框架，直方图处理，空间域滤波器算法框架的编程心得，使用GDI+（C++）
一，图像文件的读取
初学数字图像处理时，图像文件的读取往往是一件麻烦的事情，我们要面对各种各样的图像文件格式，如果仅用C++的fstream库那就必须了解各种图像编码格式，这对于初学图像处理是不太现实的，需要一个能帮助轻松读取各类图像文件的库。
在Win32平台上GDI+（C++）是不错的选择，不光使用上相对于Win32GDI要容易得多，而且也容易移植到.Net平台上的GDI+。
Gdiplus:
:
Bitmap类为我们提供了读取各类图像文件的接口，Bitmap:
:
LockBits方法产生的BitmapData类也为我们提供了高速访问图像文件流的途径。
这样我们就可以将精力集中于图像处理算法的实现，而不用关心各种图像编码。
具体使用方式请参考MSDN中GDI+文档中关于Bitmap类和BitmapData类的说明。
另外GDI+仅在WindowsXP/2003上获得直接支持，对于Windows2000必须安装相关DLL，或者安装有Office2003，VisualStudio2003.Net等软件。
二，空间域图像处理算法框架
（1）在空间域图像处理中，对于一个图像我们往往需要对其逐个像素的进行处理，对每个像素的处理使用相同的算法（或者是图像中的某个矩形部分）。
即，对于图像f（x,y）,其中0≤x≤M,0≤y≤N,图像为M*N大小，使用算法algo，则f（x,y）=algo（f（x,y））。
事先实现一个算法框架，然后再以函数指针或函数对象（functor,即实现operator（）的对象）传入算法，可以减轻编程的工作量。
如下代码便是一例:
#ifndefPROCESSALGO_H
#definePROCESSALGO_H
#include
#include
namespacensimgtk
{
template:
PixelFormatpixelFormat,classProcessor>
boolProcessPixelsOneByOne（Gdiplus:
:
Bitmap*constp_bitmap,Processorprocessor,unsignedintx,unsignedinty,
unsignedintwidth,unsignedintheight）
{
if（p_bitmap==NULL）
{
returnfalse;
}
if（（width+x>p_bitmap->GetWidth（））||（height+y>p_bitmap->GetHeight（）））
{
returnfalse;
}
Gdiplus:
:
BitmapDatabitmapData;
Gdiplus:
:
Rectrect（x,y,width,height）;
if（p_bitmap->LockBits（&rect,Gdiplus:
:
ImageLockModeWrite,pixelFormat,&bitmapData）!
=Gdiplus:
:
Ok）
{
returnfalse;
}
pixelType*pixels=（pixelType*）bitmapData.Scan0;
for（unsignedintrow=0;row{
for（unsignedintcol=0;col{
processor（&pixels[col+row*bitmapData.Stride/sizeof（pixelType）]）;
}
}
if（p_bitmap->UnlockBits（&bitmapData）!
=Gdiplus:
:
Ok）
{
returnfalse;
}
returntrue;
}
}
#endif
ProcessPixelsOneByOne函数可以对图像中从（x,y）位置起始，width*height大小的区域进行处理。
模板参数pixelType用于指定像素大小，例如在Win32平台上传入unsignedchar即为8位，用于8阶灰度图。
模板参数Processor为图像处理算法实现，可以定义类实现voidoperator（pixelType*）函数，或者传入同样接口的函数指针。
如下便是一些算法示例（说明见具体注释）:
#ifndefSPATIALDOMAIN_H
#defineSPATIALDOMAIN_H
#include
#include
namespacensimgtk
{
//8阶灰度图的灰度反转算法
classNegativeGray8
{
public:
voidoperator（）（unsignedchar*constp_value）
{
*p_value^=0xff;
}
};
//8阶灰度图的Gamma校正算法
classGammaCorrectGray8
{
private:
unsignedchard_s[256];
public:
GammaCorrectGray8:
:
GammaCorrectGray8（doublec,doublegamma）;
voidoperator（）（unsignedchar*constp_value）
{
*p_value=d_s[*p_value];
}
};
//8阶灰度图的饱和度拉伸算法
classContrastStretchingGray8
{
private:
unsignedchard_s[256];
public:
ContrastStretchingGray8:
:
ContrastStretchingGray8（doublea1,doubleb1,unsignedintx1,
doublea2,doubleb2,unsignedintx2,doublea3,doubleb3）;
voidoperator（）（unsignedchar*constp_value）
{
*p_value=d_s[*p_value];
}
};
//8阶灰度图的位平面分割，构造函数指定位平面号
classBitPlaneSliceGray8
{
private:
unsignedchard_s[256];
public:
BitPlaneSliceGray8（unsignedcharbitPlaneNum）;
voidoperator（）（unsignedchar*constp_value）
{
*p_value=d_s[*p_value];
}
};
}
#endif
//上述类中各构造函数的实现代码，应该分在另一个文件中，此处为说明方便，一并列出
#include"SpatialDomain/spatialDomain.h"
namespacensimgtk
{
GammaCorrectGray8:
:
GammaCorrectGray8（doublec,doublegamma）
{
doubletemp;
for（unsignedinti=0;i<256;++i）
{
temp=ceil（c*255.0*pow（double（i）/255.0,gamma））;
d_s[i]=unsignedchar（temp）;
}
}
ContrastStretchingGray8:
:
ContrastStretchingGray8（doublea1,doubleb1,unsignedintx1,
doublea2,doubleb2,unsignedintx2,doublea3,doubleb3）
{
if（x1>255||x2>255||x1>x1）
{
for（unsignedinti=0;i<256;++i）
d_s[i]=i;
}
else
{
doubletmp;
for（unsignedinti=0;i{
tmp=ceil（a1*double（i）+b1）;
d_s[i]=（unsignedchar）tmp;
}
for（unsignedinti=x1;i{
tmp=ceil（a2*double（i）+b2）;
d_s[i]=（unsignedchar）tmp;
}
for（unsignedinti=x2;i<256;++i）
{
tmp=ceil（a3*double（i）+b3）;
d_s[i]=（unsignedchar）tmp;
}
}
}
BitPlaneSliceGray8:
:
BitPlaneSliceGray8（unsignedcharbitPlaneNum）
{
unsignedcharbitMaskArray[8]=
{
0x01,0x02,0x04,0x08,
0x10,0x20,0x40,0x80
};
for（unsignedinti=0;i<256;++i）
{
unsignedchartmp=i;
tmp&=bitMaskArray[bitPlaneNum];
tmp=（tmp>>bitPlaneNum）*255;
d_s[i]=tmp;
}
}
}
（2）直方图在GDI+1.0中没有获得支持，我们必须自行实现。
直方图相关的处理在数字图像处理中占有重要地位，可以通过它获取图像灰度级的统计信息，且可以通过直方图进行一些重要的图像增强技术，如直方图均衡化，直方图规定化，基本全局门限等。
下面是获取8阶图像直方图的算法实现：
namespacensimgtk
{
boolGetHistogramNormalizeGray8（Gdiplus:
:
Bitmap*constp_bitmap,float*histogramArray）
{
if（p_bitmap==NULL||histogramArray==NULL）
{
returnfalse;
}
Gdiplus:
:
BitmapDatabitmapData;
Gdiplus:
:
Rectrect（0,0,p_bitmap->GetWidth（）,p_bitmap->GetHeight（））;
if（p_bitmap->LockBits（&rect,Gdiplus:
:
ImageLockModeRead,PixelFormat8bppIndexed,&bitmapData）!
=Gdiplus:
:
Ok）
{
returnfalse;
}
unsignedchar*pixels=（unsignedchar*）bitmapData.Scan0;
unsignedinthistogram[256];
for（inti=0;i<256;++i）
{
histogram[i]=0;
}
for（unsignedintrow=0;rowGetWidth（）;++row）
{
for（unsignedintcol=0;colGetHeight（）;++col）
{
++histogram[pixels[col+row*bitmapData.Stride]];
}
}
constunsignedinttotalPixels=p_bitmap->GetWidth（）*p_bitmap->GetHeight（）;
for（inti=0;i<256;++i）
{
histogramArray[i]=float（histogram[i]）/float（totalPixels）;
}
if（p_bitmap->UnlockBits（&bitmapData）!
=Gdiplus:
:
Ok）
{
returnfalse;
}
returntrue;
}
}
在获取直方图后（即上面算法的第二个参数），再将其作为参数传入下面的对象的构造函数，然后以该对象为仿函数传入ProcessPixelsOneByOne即可实现8阶图像直方图均衡化:
#ifndefSPATIALDOMAIN_H
#defineSPATIALDOMAIN_H
#include
#include
namespacensimgtk
{
//8阶灰度图的直方图均衡化
classHistogramEqualizationGray8
{
private:
unsignedchard_s[256];
public:
HistogramEqualizationGray8（constfloat*consthistogramArray）;
voidoperator（）（unsignedchar*constp_value）
{
*p_value=d_s[*p_value];
}
};
}
#endif
//////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
#include"SpatialDomain/spatialDomain.h"
namespacensimgtk
{
HistogramEqualizationGray8:
:
HistogramEqualizationGray8（constfloat*consthistogramArray）
{
if（histogramArray!
=NULL）
{
floatsum=0.0;
for（inti=0;i<256;++i）
{
sum+=histogramArray[i];
d_s[i]=unsignedchar（sum*255）;
}
}
}
}
（3）空间域滤波器，滤波器是一个m*n大小的掩模，其中m,n均为大于1的奇数。
滤波器逐像素地通过图像的全部或部分矩形区域，然后逐像素地对掩模覆盖下的像素使用滤波器算法获得响应，将响应赋值于当前像素即掩模中心像素，另外滤波器算法使用中将会涉及到图像边缘的问题，这可以对边缘部分掩模使用补零法补齐掩模下无像素值的区域，或者掩模的移动范围以不越出图像边缘的方式移动，当然这些处理方法都会给图像边缘部分带来不良效果，但是一般情况下，图像边缘部分往往不是我们关注的部分或者没有重要的信息。
下面的滤波器算法框架SpatialFilterAlgo即以补零法（zero-padding）实现:
#ifndefSPATIALFILTER_H
#defineSPATIALFILTER_H
#include
#include
#include
#include
#include
#include
namespacensimgtk
{
template:
PixelFormatpixelFormat,classFilterMask>
boolSpatialFilterAlgo（Gdiplus:
:
Bitmap*constp_bitmap,FilterMaskfilterMask,unsignedintx,unsignedinty,
unsignedintwidth,unsignedintheight）
{
if（p_bitmap==NULL）
{
returnfalse;
}
if（（width+x>p_bitmap->GetWidth（））||（height+y>p_bitmap->GetHeight（）））
{
returnfalse;
}
Gdiplus:
:
BitmapDatabitmapData;
Gdiplus:
:
Rectrect（x,y,width,height）;
if（p_bitmap->LockBits（&rect,Gdiplus:
:
ImageLockModeWrite,pixelFormat,&bitmapData）!
=Gdiplus:
:
Ok）
{
returnfalse;
}
pixelType*pixels=（pixelType*）bitmapData.Scan0;
constunsignedintm=filterMask.d_m;//mask'swidth
constunsignedintn=filterMask.d_n;//mask'sheight
std:
:
vectortmpImage（（m-1+width）*（n-1+height））;//extendimagetousezero-padding
//copyoriginalbitmaptoextendedimagewithzero-paddingmethod
for（unsignedintrow=0;row{
for（unsignedintcol=0;col{
tmpImage[（col+m/2）+（row+n/2）*（bitmapData.Stride/sizeof（pixelType）+m-1）]=
pixels[col+row*bitmapData.Stride/sizeof（pixelType）];
}
}
//processeverypixelwithfilterMask
for（unsignedintrow=0;row{
for（unsignedintcol=0;col{
//fillthe"m*n"maskwiththecurrentpixel'sneighborhood
for（unsignedinti=0;i{
for（unsignedintj=0;j{
filterMask.d_mask[i*m+j]=tmpImage[（col+j）+（row+i）*（bitmapData.Stride/sizeof（pixelType）+m-1）];
}
}
//replacethecurrentpixelwithfiltermask'sresponse
pixels[col+row*bitmapData.Stride/sizeof（pixelType）]=filterMask.response（）;
}
}
if（p_bitmap->UnlockBits（&bitmapData）!
=Gdiplus:
:
Ok）
{
returnfalse;
}
returntrue;
}
}
#endif
其中模板参数FilterMask即为滤波掩模算法。
通常的滤波算法有均值滤波器，可以模糊化图像，去除图形中的细节部分，使得我们可以关注图像中较为明显的部分，均值滤波器用于周期性噪声。
中值滤波器用于图像中存在椒盐噪声也即脉冲噪声的情况下。
另外有基于一阶微分的Sobel梯度算子和基于两阶微分的拉普拉斯算子，它们往往被用于边缘检测中。
下面是一些滤波器算法的具体实现，所以滤波器算法都应该实现pixelTyperesponse（）函数以及有d_mask,d_m,d_n成员，这可以通过继承__filteMask类获得（不需要付出虚函数代价）。
#ifndefSPATIALFILTER_H
#defineSPATIALFILTER_H
#include
#include
#include
#include
#include
#include
namespacensimgtk
{
//滤波器掩模的基类，提供掩模大小d_m,d_n，掩模覆盖下的m*n个像素值d_mask
//othersfilterMaskshouldinheritit
template
struct__filterMask
{
constunsignedintd_m;
constunsignedintd_n;
//
升级会员 