实验报告图像锐化Word格式.docx
《实验报告图像锐化Word格式.docx》由会员分享，可在线阅读，更多相关《实验报告图像锐化Word格式.docx（11页珍藏版）》请在冰豆网上搜索。
图像锐化
总成绩：
评语：
日期：
《图像信息处理》实验报告
实验名称
实验序号
3
实验日期
2015.5.25
实验人
哎买尔
一、实验目的、要求与环境
1．目的：
通过实验，了解数字图象锐化的一般方法，掌握图象锐化的编程方法，了解常见图象锐化效果的评价规则。
2.要求：
将给定的图像进行锐化处理，要求首先将彩色图像灰度化，再使用锐化算法进行锐化，最后将图像二值化处理，分析锐化后的视觉效果，提交实验报告。
锐化的算法不限，可采用Sobel、Roberts、Priwitt、Laplacian、Wallis等的一种或几种。
实验将根据图像锐化的难度、种类、代码量与实验效果进行评分。
3.环境：
Windows7操作系统
MicrosoftVisualStudio2005（VS2005）
自带图像文件：
L1.bmp：
二、实验步骤
1.准备相关图像文件。
2．在Win7操作系统上，打开MicrosoftVisualStudio2005，编写相关程序，完成程序主体框架结构。
3．编写图像锐化的彩色图像灰度化，Sobel算法锐化，图像二值化处理相关的程序代码。
4．对程序进行相关调试，修改程序，去除其中的BUG。
5.利用自己准备的图像的文件和编写的程序，进行图像锐化处理。
6．截屏，保留实验结果，进行实验结果分析，并撰写实验报告。
三、相关背景知识
（写你自己觉得比较重要的与本实验相关的背景知识）
在边缘检测中，常用的一种模板是Sobel算子。
Sobel算子有两个，一个是检测水平边缘的；
另一个是检测垂直边缘的。
与Prewitt算子相比，Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。
Sobel算子另一种形式是各向同性Sobel（IsotropicSobel）算子，也有两个，一个是检测水平边缘的，另一个是检测垂直边缘的。
各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。
将Sobel算子矩阵中的所有2改为根号2，就能得到各向同性Sobel的矩阵。
由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。
美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于图像灰度进行处理，由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。
在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们给出了下面阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。
四、编译与执行过程截图
（下面是一个例子，换上你自己的图）
六、实验结果与分析
图像锐化：
源图：
灰度化：
再经过Sobel算法锐化：
再经过二值化后：
实验结果分析：
如上几个图像所示，之所以可以从人物、背景中提取出轮廓，是因为轮廓部分的信息较强，因此，如果设定一个阀值，当图中小雨阀值的点（即灰度图中灰度变化较弱的点，被认为是非边界点）置为黑，将图中大于阀值的点置为白，则可得到上图，这就把人物的边缘信息提取出来了。
在本实验的图像锐化过程中，所采用的公式为：
Sobel边缘检测算法
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：
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。
如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
具体计算如下：
Gx=（-1）*f（x-1,y-1）+0*f（x,y-1）+1*f（x+1,y-1）
+（-2）*f（x-1,y）+0*f（x,y）+2*f（x+1,y）
+（-1）*f（x-1,y+1）+0*f（x,y+1）+1*f（x+1,y+1）
=[f（x+1,y-1）+2*f（x+1,y）+f（x+1,y+1）]-[f（x-1,y-1）+2*f（x-1,y）+f（x-1,y+1）]
Gy=1*f（x-1,y-1）+2*f（x,y-1）+1*f（x+1,y-1）
+0*f（x-1,y）0*f（x,y）+0*f（x+1,y）
+（-1）*f（x-1,y+1）+（-2）*f（x,y+1）+（-1）*f（x+1,y+1）
=[f（x-1,y-1）+2f（x,y-1）+f（x+1,y-1）]-[f（x-1,y+1）+2*f（x,y+1）+f（x+1,y+1）]
其中f（a,b）,
表示图像（a,b）点的灰度值；
图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：
七、主要相关程序源代码
7.1彩色图像灰度化
voidCBMPEdit:
:
Gray（）
{
pImageData=（byte*）GlobalLock（m_hgImageData）;
lWidth=m_BmpInfo.bmiHeader.biWidth;
lHeight=m_BmpInfo.bmiHeader.biHeight;
for（intj=0;
j<
lHeight;
j++）
{
for（inti=0;
i<
lWidth;
i++）
{
//灰度化临时值
temp=double（*（pImageData+j*nBytePerLine+i*3+0））*0.299+
double（*（pImageData+j*nBytePerLine+i*3+1））*0.587+
double（*（pImageData+j*nBytePerLine+i*3+2））*0.114;
//三通道图转到单通道
*（pImageData+j*nBytePerLine+i*3+0）=int（temp）;
*（pImageData+j*nBytePerLine+i*3+1）=int（temp）;
*（pImageData+j*nBytePerLine+i*3+2）=int（temp）;
}
}
GlobalUnlock（m_hgImageData）;
}
7.2Sobel锐化
intCBMPEdit:
Sharpening（）
//分配内存，以保存新DIB
hDIB=GlobalAlloc（GHND,nBytePerLine*lHeight）;
//判断是否内存分配失败
if（hDIB==NULL）
{
//分配内存失败
returnNULL;
pImageDataNew=（byte*）GlobalLock（hDIB）;
//Sobel算法
for（intj=1;
lHeight-1;
for（inti=1;
lWidth-1;
gx=gy=0;
val11=*（pImageData+（j-1）*nBytePerLine+（i-1）*3）;
val12=*（pImageData+（j-1）*nBytePerLine+i*3）;
val13=*（pImageData+（j-1）*nBytePerLine+（i+1）*3）;
val21=*（pImageData+j*nBytePerLine+（i-1）*3）;
val22=*（pImageData+j*nBytePerLine+i*3）;
val23=*（pImageData+j*nBytePerLine+（i+1）*3）;
val31=*（pImageData+（j+1）*nBytePerLine+（i-1）*3）;
val32=*（pImageData+（j+1）*nBytePerLine+i*3）;
val33=*（pImageData+（j+1）*nBytePerLine+（i+1）*3）;
//图像的每一个像素的横向及纵向梯度近似值。
gx=（-1.0）*val31+0*val32+1.0*val33
+（-2.0）*val21+0*val22+2.0*val23
+（-1.0）*val11+0*val12+1.0*val13;
gy=（-1.0）*val31+（-2.0）*val32+（-1.0）*val33
+0*val21+0*val22+0*val32
+1.0*val11+2.0*val12+1.0*val13;
//计算梯度的大小
Sobel=sqrt（gx*gx+gy*gy）;
*（pImageDataNew+j*nBytePerLine+i*3+0）=int（Sobel）;
*（pImageDataNew+j*nBytePerLine+i*3+1）=int（Sobel）;
*（pImageDataNew+j*nBytePerLine+i*3+2）=int（Sobel）;
GlobalUnlock（hDIB）;
7.3图像二值化处理
Binarization（）
//像素值大于复制为，小于等于复制为
for（intj=0;
lHeight;
for（inti=0;
lWidth;
if（int（*（pImageDataNew+j*nBytePerLine+i*3））>
80）
{
*（pImageDataNew+j*nBytePerLine+i*3+0）=255;
*（pImageDataNew+j*nBytePerLine+i*3+1）=255;
*（pImageDataNew+
升级会员 