CVIP課程期末大作業(yè).doc

此文檔收集于網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系網(wǎng)站刪除簡易圖像處理平臺 CVIP課程期末大作業(yè)彭勃 20611222 通信與信息工程一、 系統(tǒng)簡介本次作業(yè)利用Visual C+6.0編寫了一個多文檔的MFC程序，該程序能實現(xiàn)所要求的圖像信息顯示和圖像處理功能。主要功能包括：打開保存位圖圖像；顯示圖像的大小，位數(shù)等信息；顯示直方圖分布，如是彩色圖像則給出三基色各自的直方圖分布；彩色圖像的邊緣檢測；二值圖像骨架化；自適應(yīng)平滑濾波；LoG濾波。二、 主要功能算法說明1、 彩色圖像邊緣檢測邊緣檢測算法采用Canny算子，在進行檢測之前先將彩色圖像變?yōu)榛叶葓D像，變換公式為：之后對灰度圖像Gray進行Canny邊緣檢測，主要步驟為：第一步 高斯平滑選擇如下的模板進行高斯平滑濾波，去除噪聲。第二步 利用梯度搜尋邊緣利用Sobel算子計算每一點的梯度值。兩個卷積核如下：第三步 計算方向角并規(guī)范化水平方向和垂直方向的梯度都已求出，則通過求出方向角。再將方向角按就近原則規(guī)范到0度（水平方向）、45度（對角線方向）、-45度（負對角線方向）和90度（垂直方向）四個方向上。第四步 非最大化抑制遍歷所有邊緣點，若某點的梯度值在梯度方向上和相鄰點相比不是最大值，則將其從邊緣點集是刪去。第五步 雙閾值化設(shè)定一個高閾值和一個低閾值。對梯度值小于低閾值的點從邊緣點集中去除，大于高閾值的確定為邊緣點。對于梯度值介于兩個閾值之間的點，如其鄰點中有邊緣點，則將其加入加緣點集，否則去除。在程序中，這兩個閾值可以手工輸入。利用Canny算子進行完邊緣檢測之后，將原彩色圖像與檢測生成的二值圖像T(i,j)進行比較，采用如下原則對原圖像進行處理：即對于二值圖像中為0的像素，將原彩色圖像中相應(yīng)的像素置為白色。2、 骨架化骨架化就是中軸變換，中軸變換可用火燒草地來比擬：火相遇的點就是中軸。更嚴謹?shù)亩x，對于一個區(qū)域R，若邊界為B，對區(qū)域中每一點P，我們B上搜索與它最近的點，若能找到多于一個同樣距離的最近點，則P屬于R的中軸或稱骨架。在R內(nèi)作與邊界有兩個以上切點的內(nèi)切圓，則所有這些圓的圓心的集合就是中軸。骨架化（中軸變換）算法是通過逐次消去邊界點來完成。變換過程中有如下三個限制條件：不消去線段端點；不破壞原連通性；不過多侵蝕區(qū)域，即只有一非目標點為鄰點，有7個鄰點為目標點的點不被刪除。二值圖像骨架化的快速算法如下：第一步：如果下列條件均滿足，則將邊界點P1標記為刪除：這里是點的非零相鄰點的數(shù)目（如下圖），即是序列從0到1的變化次數(shù)。第二步：將第一步標記為刪除的邊界像素置為0。第三步：如果下列條件均滿足，則將邊界點P1標記為刪除：第四步：將第三步標記為刪除的邊界像素置為0。反復(fù)執(zhí)行以上各步，直到?jīng)]有再可刪除的邊界點。此時算法結(jié)束，生成了區(qū)域的骨架。3、 自適應(yīng)平滑濾波若對圖像平滑，每次都在目標內(nèi)部進行，不造成邊緣的模糊，則經(jīng)多次平滑后，目標內(nèi)部細節(jié)將被平滑掉，但目標間的邊緣得以保留，便于邊緣檢測。算法描述如下：第一步，計算梯度第二步，計算連續(xù)性函數(shù)：第三步，對進行加權(quán)平均式中t為迭代次數(shù)。2n+1是濾波窗口的寬度，不能太大，一般可取n=1。連續(xù)性函數(shù)是一個梯度幅度的單調(diào)下降函數(shù)，在梯度幅度為零的地方，圖像平坦，w(x,y)=1。隨著梯度幅度的增加，w(x,y)減小，從而對邊緣處的像素的加權(quán)系數(shù)較小。式中決定了要保留的邊緣的強弱，梯度幅度大于的邊緣將被保留，小于的邊緣將被平滑掉。4、 LoG濾波LoG（Laplacian of a Gaussian）即為高斯型拉普拉斯算子。由于拉普拉斯算子對噪聲敏感，為了減少噪聲影響，可對圖像先進行高斯濾波。高斯函數(shù)卷積模板形式如下卷積后的拉普拉斯算子為我們只關(guān)心過零點，上式中的系數(shù)及正負可以不作考慮，改寫如下，此即為LoG算子模板三、 實驗結(jié)果1、 直方圖統(tǒng)計2、 彩色圖像邊緣檢測3、 骨架化4、 自適應(yīng)平滑濾波取5、 LoG濾波取，模板大小為四、 參考文獻1、 John