边缘检测和轮廓提取方法和VC++程序.docx
《边缘检测和轮廓提取方法和VC++程序.docx》由会员分享，可在线阅读，更多相关《边缘检测和轮廓提取方法和VC++程序.docx（12页珍藏版）》请在冰豆网上搜索。
边缘检测和轮廓提取方法和VC++程序
边沿检测和轮廓提取方法和程序
1边沿检测
我们给出一个模板
和一幅图象
。
不难发现原图中左边暗，右边亮，中间存在着一条明显的边界。
进行模板操作后的结果如下：
。
可以看出，第3、4列比其他列的灰度值高很多，人眼观察时，就能发现一条很明显的亮边，其它区域都很暗，这样就起到了边沿检测的作用。
为什么会这样呢？
仔细看看那个模板就明白了，它的意思是将右邻点的灰度值减左邻点的灰度值作为该点的灰度值。
在灰度相近的区域内，这么做的结果使得该点的灰度值接近于0；而在边界附近，灰度值有明显的跳变，这么做的结果使得该点的灰度值很大，这样就出现了上面的结果。
这种模板就是一种边沿检测器，它在数学上的涵义是一种基于梯度的滤波器，又称边沿算子，你没有必要知道梯度的确切涵义，只要有这个概念就可以了。
梯度是有方向的，和边沿的方向总是正交（垂直）的，例如，对于上面那幅图象的转置图象，边是水平方向的，我们可以用梯度是垂直方向的模板
检测它的边沿。
例如，一个梯度为45度方向模板
，可以检测出135度方向的边沿。
1. Sobel算子
在边沿检测中，常用的一种模板是Sobel算子。
Sobel算子有两个，一个是检测水平边沿的
；另一个是检测垂直平边沿的
。
与
和
相比，Sobel算子对于象素的位置的影响做了加权，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，一个是检测水平边沿的
，另一个是检测垂直平边沿的
。
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。
下面的几幅图中，图7.1为原图；图7.2为普通Sobel算子处理后的结果图；图7.3为各向同性Sobel算子处理后的结果图。
可以看出Sobel算子确实把图象中的边沿提取了出来。
图7.1 原图
图7.2 普通Sobel算子处理后的结果图
图7.3 各向同性Sobel算子处理后的结果图
在程序中仍然要用到第3章介绍的通用3×3模板操作函数TemplateOperation，所做的操作只是增加几个常量标识及其对应的模板数组，这里就不再给出了。
2. 高斯拉普拉斯算子
由于噪声点（灰度与周围点相差很大的点）对边沿检测有一定的影响，所以效果更好的边沿检测器是高斯拉普拉斯（LOG）算子。
它把我们在第3章中介绍的高斯平滑滤波器和拉普拉斯锐化滤波器结合了起来，先平滑掉噪声，再进行边沿检测，所以效果会更好。
常用的LOG算子是5×5的模板，如下所示
。
到中心点的距离与位置加权系数的关系用曲线表示为图7.4。
是不是很象一顶墨西哥草帽？
所以，LOG又叫墨西哥草帽滤波器。
图7.4 LOG到中心点的距离与位置加权系数的关系曲线
图7.5为图7.1用LOG滤波器处理后的结果。
图7.5 图7.1用LOG滤波器处理后的结果图
LOG的算法和普通模板操作的算法没什么不同，只不过把3×3改成了5×5，这里就不再给出了。
读者可以参照第3章的源程序自己来完成。
7.2Hough变换
Hough变换用来在图象中查找直线。
它的原理很简单：
假设有一条与原点距离为s，方向角为θ的一条直线，如图7.6所示。
图7.6 一条与原点距离为s，方向角为θ的一条直线
直线上的每一点都满足方程
（7.1）
利用这个事实，我们可以找出某条直线来。
下面将给出一段程序，用来找出图象中最长的直线（见图7.7）。
找到直线的两个端点，在它们之间连一条红色的直线。
为了看清效果，将结果描成粗线，如图7.8所示。
图7.7原图
图7.8Hough变换的结果
可以看出，找到的确实是最长的直线。
方法是，开一个二维数组做为计数器，第一维是角度，第二维是距离。
先计算可能出现的最大距离为
，用来确定数组第二维的大小。
对于每一个黑色点，角度的变化范围从00到1780（为了减少存储空间和计算时间，角度每次增加20而不是10），按方程（7.1）求出对应的距离s来，相应的数组元素[s][
]加1。
同时开一个数组Line，计算每条直线的上下两个端点。
所有的象素都算完后，找到数组元素中最大的，就是最长的那条直线。
直线的端点可以在Line中找到。
要注意的是，我们处理的虽然是二值图，但实际上是256级灰度图，不过只用到了0和255两种颜色。
BOOLHough（HWNDhWnd）
{
//定义一个自己的直线结构
typedefstruct{
inttopx;//最高点的x坐标
inttopy;//最高点的y坐标
intbotx;//最低点的x坐标
intboty;//最低点的y坐标
}MYLINE;
DWORD OffBits,BufSize;
LPBITMAPINFOHEADER lpImgData;
LPSTR lpPtr;
HDC hDc;
LONG x,y;
long i,maxd;
int k;
int Dist,Alpha;
HGLOBAL hDistAlpha,hMyLine;
Int *lpDistAlpha;
MYLINE *lpMyLine,*TempLine,MaxdLine;
staticLOGPEN rlp={PS_SOLID,1,1,RGB（255,0,0）};
HPEN rhp;
//我们处理的实际上是256级灰度图，不过只用到了0和255两种颜色。
if（NumColors!
=256）{
MessageBox（hWnd,"Mustbeamonobitmapwithgrayscalepalette!
",
"ErrorMessage",MB_OK|MB_ICONEXCLAMATION）;
returnFALSE;
}
//计算最大距离
Dist=（int）（sqrt（（double）bi.biWidth*bi.biWidth+
（double）bi.biHeight*bi.biHeight）+0.5）;
Alpha=180/2; //0到to178度，步长为2度
//为距离角度数组分配内存
if（（hDistAlpha=GlobalAlloc（GHND,（DWORD）Dist*Alpha*
sizeof（int）））==NULL）{
MessageBox（hWnd,"Errorallocmemory!
","ErrorMessage",
MB_OK|MB_ICONEXCLAMATION）;
returnFALSE;
}
//为记录直线端点的数组分配内存
if（（hMyLine=GlobalAlloc（GHND,（DWORD）Dist*Alpha*
sizeof（MYLINE）））==NULL）{
GlobalFree（hDistAlpha）;
return FALSE;
}
OffBits=bf.bfOffBits-sizeof（BITMAPFILEHEADER）;
//BufSize为缓冲区大小
BufSize=OffBits+bi.biHeight*LineBytes;
lpImgData=（LPBITMAPINFOHEADER）GlobalLock（hImgData）;
lpDistAlpha=（int*）GlobalLock（hDistAlpha）;
lpMyLine=（MYLINE*）GlobalLock（hMyLine）;
for（i=0;i<（long）Dist*Alpha;i++）{
TempLine=（MYLINE*）（lpMyLine+i）;
（*TempLine）.boty=32767;//初始化最低点的y坐标为一个很大的值
}
for（y=0;y //lpPtr指向位图数据
lpPtr=（char*）lpImgData+（BufSize-LineBytes-y*LineBytes）;
for（x=0;x if（*（lpPtr++）==0）//是个黑点
for（k=0;k<180;k+=2）{
//计算距离i
i=（long）fabs（（x*cos（k*PI/180.0）+y*sin（k*PI/180.0）））;
//相应的数组元素加1
*（lpDistAlpha+i*Alpha+k/2）=*（lpDistAlpha+i*Alpha+k/2）+1;
TempLine=（MYLINE*）（lpMyLine+i*Alpha+k/2）;
if（y>（*TempLine）.topy）{
//记录该直线最高点的x,y坐标
（*TempLine）.topx=x;
（*TempLine）.topy=y;
}
if（y<（*TempLine）.boty）{
升级会员 