多功能圖像處理軟件

1、多功能圖像處理軟件    目      錄 摘要 III ABSTRACT IV 第一章  引   言 1 1.1概述 1 1.2數(shù)字圖像 1 1.3數(shù)字圖像處理 3 1.4數(shù)字圖像處理的特征 3 1.5本文的結(jié)構(gòu) 4 第二章  數(shù)字圖像處理原理和方法 5 2.1 概述 5 2.2銳化 6 2.2.1銳化的概念 6 2.2.2 拉普拉斯算子

2、0;7 2.2.3 梯度算子 8 2.3平滑 9 2.3.1平滑的概念 9 2.3.2平滑線形濾波器 9 2.3.3統(tǒng)計排序濾波器 10 2.4灰度級變換處理 11 2.5二值化圖像 11 2.6改變分辨率 12 2.7直方圖處理 12 2.8特效處理 13 2.8.1浮雕效果 13 2.8.2雕刻效果 13 2.9形態(tài)學(xué)處理 13 2.9.1腐蝕 14 2.9.2膨脹 14 2.9.3開運算 15 2.9.4閉運算 15 2

3、.9.5邊緣提取 16 2.10小結(jié) 16 第三章 圖像處理軟件系統(tǒng) 17 3.1概述 17 3.2 MFC 17 3.2.1MFC的概述 17 3.2.2 MFC的設(shè)計原理 18 3.2.3 AppWizard的使用 18 3.2.4 Windows應(yīng)用程序的資源管理 19 3.3圖像的基本操作 20 3.3.1位圖文件的格式 20 3.3.2位圖文件操作類 22 3.3.3圖像處理類 24 3.4圖像處理算法及結(jié)果 25 3.4.1概述 25

4、 3.4.2銳化 26 3.4.2.1拉普拉斯算子 26 3.4.2.3 Roberts算子 28 3.4.2.3 Sobel算子 28 3.4.2.4銳化結(jié)果 29 3.4.3平滑 29 3.4.3.1均值濾波 29 3.4.3.2中值濾波 30 3.4.3.3最大值濾波 31 3.4.3.4最小值濾波 32 3.4.3.5平滑結(jié)果 32 3.4.4灰度級變換處理 32 3.4.4.1圖像反轉(zhuǎn)處理 32 3.4.4.2亮度增減 33 3.4.4.3亮度n

5、倍 34 3.4.5二值化 35 3.4.6分辨率改變 36 3.4.6.1減小分辨率 36 3.4.6.2增大分辨率 36 3.4.7直方圖 38 3.4.8特效處理 38 3.4.8.1浮雕效果 38 3.4.8.2雕刻效果 39 3.4.9形態(tài)學(xué)處理 40 3.4.9.1腐蝕和膨脹 40 3.4.9.2開與閉 40 3.4.9.3邊緣提取 41 3.5小結(jié)和問題 41 第四章 結(jié)論 43 參考文獻 44 英文原稿 45

6、中文翻譯 52 致謝 56 摘要  數(shù)字圖像處理技術(shù)與理論是計算機應(yīng)用的一個重要領(lǐng)域，在通訊、遙感、生物醫(yī)學(xué)、軍事、多媒體 技術(shù)等方面都有廣泛的應(yīng)用。本文介紹了數(shù)字圖像的基本概念、數(shù)字圖像處理的基本操作及方法， 并利用MFC(Microsoft Foundation Class)制作了一款多功能圖像處理軟件，針對未壓縮的BMP圖像 進行操作，涉及了圖像的銳化（邊緣檢測）、平滑、二值化、灰度級變換、分辨率改變、直方圖、 特效處理、形態(tài)學(xué)處理等功能。 關(guān)鍵詞： 數(shù)字圖像   MFC   BMP圖像   數(shù)字圖

7、像處理 1.2數(shù)字圖像 “圖”是物體透射光或反射光的分布，“像”是人的視覺系統(tǒng)對圖的接收在大腦中形成的印象或認 識。圖像是兩者的結(jié)合。人類獲取外界信息是靠聽覺、視覺、觸覺、嗅覺、味覺等，但絕大部分（ 約80%左右）來自視覺所接收的圖像信息。一幅圖像可定義為一個二維函數(shù) ，這里 和 是空間坐標 ，而在任何一對空間坐標 上的幅值 稱為該點圖像的強度或灰度。當 ， 和幅值 為有限的、離散的 數(shù)值時，該圖像稱為數(shù)字圖像。數(shù)字圖像是由有限的元素組成的，每一個元素都有一個特定的位置 和幅值，這些元素稱為圖像元素、畫面元素或像素。 人眼看到的任何自然界的圖像都是連續(xù)的模擬圖像，其形狀和形態(tài)表現(xiàn)由圖像各位置的

8、顏色所決定 。色度學(xué)理論認為，任何顏色都可由紅(Red)、綠(Green)、藍(Blue)3種基本顏色按不同的比例混合 得到。紅、綠、藍被稱為三原色，簡稱RGB三原色。因此自然界的平面圖像可用基于位置坐標的二維 函數(shù)來表示，即： = , ,  。其中 表示坐標為 位置點的顏色， 、 、 分別表示該位置點的紅、 綠、藍3種原色的顏色分量值。它們都是空間的連續(xù)函數(shù)，即連續(xù)空間的每一點都由一個精確的值與 之對應(yīng)。 圖像可分為黑白圖像和彩色圖像。所謂黑白圖像，就是圖像中每一點都不是彩色的，每一點的紅、 綠、藍顏色分量都相等，即： = = 。對于黑白圖像，其 表示 位置處的灰度值。 由于計算機

9、僅能處理離散的數(shù)據(jù)，所以如果用計算機來處理圖像，連續(xù)的圖像函數(shù)必須轉(zhuǎn)化為離散 的數(shù)據(jù)集，通過采樣量化轉(zhuǎn)化為數(shù)字圖像，通常由采樣點的值所組成的矩陣來表示。每一個采樣點 叫做一個像素(pixel)。 把像素按不同的方式進行組織或存儲，就得到不同的圖像格式；把圖像數(shù)據(jù)存成文件就得到圖像文 件。圖像文件按其數(shù)字圖像格式的不同一般具有不同的擴展名，常見圖像文件格式有位圖文件 (*.BMP)、TGA文件(*.TGA)、PCX文件(*.PCX)、GIF文件(*.GIF)、TIFF文件(*.TIFF)等。在Windows 系統(tǒng)中，最常用的圖像格式是位圖格式，其文件名以.BMP為擴展名。為了處理簡單方便，這里進

10、行 數(shù)字圖像處理所采用的都是BMP格式的圖像文件（有時也稱為DIB格式的圖像文件），并且這種格式 的文件是沒有壓縮的。我們通過操作這種格式的文件，可以獲取正確顯示圖像所需的調(diào)色板信息， 圖像的尺寸信息，圖像中各個像素點的亮度信息等等 圖像數(shù)字化的精度包括兩個部分，即分辨率和顏色深度。分辨率指圖像數(shù)字化的空間精細程度，有 顯示分辨率和圖像分辨率兩種不同的分辨率。圖像分辨率的實質(zhì)是數(shù)字化圖像時劃分圖像的像素密 度，即單位長度內(nèi)的像素數(shù)，其單位是每英寸的點數(shù)d/i(Dots per Inch)。圖像分辨率說明了數(shù)字 圖像在同一輸出設(shè)備上的顯示分辨率相同。 數(shù)字圖像的顏色深度指表示每一像素的顏色值的二

11、進制位數(shù)。顏色深度越大則能表示的像素的顏色 數(shù)目越多。它們之間的關(guān)系取決于數(shù)字圖像采用的顏色表示法。最常用的顏色表示法是RGB。用R、G 、B顏色分量來表示數(shù)字圖像像素的顏色值的方法就是RGB法。如用于表示R、G、B顏色分量的位數(shù)分 別為 、 、 ，則可表示的像素的顏色數(shù)為2( + + )。如分別用8位來表示3種顏色分量，則總共需要 24位來表示RGB三種顏色，可表示的顏色數(shù)為224=16777216。 1.3數(shù)字圖像處理 圖像處理就是對圖像信息進行加工處理，以滿足人的視覺心理和實際應(yīng)用的需要。依靠計算機對圖 像進行各種目的的處理我們就稱之為數(shù)字圖像處理。 基本的圖像處理方法可分為點處理和區(qū)域

12、處理兩類。點處理相對較簡單，只能改變圖像的分布，但 不會改變圖像內(nèi)的空間關(guān)系。區(qū)域處理在處理某一像素時，利用與該像素相鄰的一組像素，經(jīng)過某 種變換得到處理后圖像中某一點的像素值。目標像素的鄰域一般是由像素組成的二維矩陣，該矩陣 的大小一般為奇數(shù)。目標像素位于該矩陣的中央，即目標像素就是區(qū)域的中心像素。經(jīng)過處理后， 目標像素的值為經(jīng)過特定算法計算后所得的結(jié)果。區(qū)域中心像素周圍的那些像素值在二維方向上提 供了圖像的亮度變化趨勢的信息。圖像中像素的亮度在一定距離上的變化速率稱為圖像的空間頻率 。區(qū)域處理將改變圖像的空間頻率信息，減緩或增強圖像中的某些特點的頻率分量。區(qū)域處理算法 一般是針對灰度圖像而

13、進行的，對于RGB彩色圖像，可以分別對其R、G、B分別進行處理，最后再組 合各顏色分量，以得到彩色輸出圖像。 在實現(xiàn)數(shù)字圖象處理的過程中，主要是通過對圖像中的每一個像素點運用各種圖像處理算法來達到 預(yù)期的效果，所以進行圖像處理的第一步，也是我們最關(guān)心的問題，是如何得到圖像中每一個像素 點的亮度值；為了觀察和驗證處理的圖像效果，另一個需要解決的問題是如何將處理前后的圖像正 確的顯示出來。這些問題在本文的后面部分會有講到。 在實際應(yīng)用中，只用一種方法就可以達到效果的情況較少，大多是幾種方法組合起來一起用。而且 通常的圖像或多或少都有噪聲混入，這是有必要增加消除噪聲、灰度變換等處理使圖像易于觀看。

14、另為，各個處理的參數(shù)也有必要進行多次校正，并觀察相應(yīng)的結(jié)果，最后根據(jù)結(jié)果選擇適當?shù)膮?shù) 值。在本文中，提供了多種基本的圖像處理方法，將其組合起來會得到更復(fù)雜的操作效果。 3.二值化 有人提出一種自適應(yīng)的指紋圖像二值化方法10。在那種算法中，指紋脊線要用3，13中介紹的方 法來檢測，脊線間的距離需在二值化前計算出來。而且，二階導(dǎo)數(shù)的計算同樣復(fù)雜，在實時指紋識 別系統(tǒng)中是不可行的。 本文中，提出了一種快速高效的算法，它是基于這樣的事實：指紋的脊線和谷線區(qū)域，沿著與塊方 向正交的方向的二階方向?qū)?shù)分別是正的和負的。將該方法同10中的方法及其它傳統(tǒng)的二值化算 法11，12相比，我們的算法中指紋圖像中脊

15、線的寬度是不必要的。 我們都知道：如果函數(shù) 的二階導(dǎo)數(shù) ，那么 在x=a處有一個極小值，或者二階導(dǎo)數(shù) ，那么 在x=a處 有一個極大值。以上的性質(zhì)同樣適用于二維指紋圖像14。沿著與塊方向正交的方向，像素值會表 現(xiàn)出高度變化（振蕩）性。圖2顯示了二維圖像中水平方向上的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。   圖2.圖像中水平方向上的二階導(dǎo)數(shù) 值得注意的是，在指紋模糊的圖像中的一些區(qū)域，沿著與塊方向正交方向的像素值變化十分緩慢， 這樣，這些點的二階導(dǎo)數(shù)接近于零。在這些區(qū)域中，閾值和鄰近像素應(yīng)該被考慮進去。我們的算法 是這樣的： (1)對指紋圖像使用離散小波變換得到相應(yīng)的均衡化子圖像I。 (2)用第二章提

16、到的方法來得到I的方向場。 (3)用15中的方法增強均衡化子圖像I，減小噪聲和干擾。 (4)計算每個像素沿著與塊方向正交方向的二階導(dǎo)數(shù)。這里，我們可以像這樣將八個方向減少為四個 ：                       和  (5)通過如下方法得到二值圖像T：          &#

17、160;  這里 表示二值計算后的圖像， 是相應(yīng)的I的二階導(dǎo)數(shù)。閾值 介于35之間。 在每一個 128的點，我們可以這樣處理： （）在I中提取一個中心在(i,j)的3×3的區(qū)域M。如果在M中有一個像素（l,k）的值比(i,j)點大 ，并且T(l,k)=0，那么T(i,j)=0。如果在M中有一個像素（l,k）的值比(i,j)點小，并且T(l,k)=255 ，那么T(i,j)=255。 （）在T(i,j)=128的點，一個以(i,j)為中心的1×5的區(qū)域中， 沿著塊方向被提取出來。如果不 包括 在內(nèi)的四個值都比 大，那么T(l,k)=0，或者它們都小于- ，

18、那么T(l,k)=255。 （）如果T中有等于128的靜態(tài)值，那么返回第（）和第（）。 這樣以后，T中所有等于128的值都變?yōu)?或255，最后的T就是我們需要的二值圖像。 4.實驗和討論 在實驗中，我們分別從16中選擇兩幅指紋圖像DB1（300×300）和DB2（256×364）。圖像經(jīng)過了 500dpi分辨率的掃描，顏色深度為8位。離散小波變換后，均衡化子圖像的尺寸變?yōu)?50×150（DB1 ）和128×182（DB2）。我們在增強和二值化算法之前先用17的方法去除均衡子圖像的背景。 圖 3(a)和(b)顯示了實驗結(jié)果。為了驗證我們的算法對旋轉(zhuǎn)的魯棒性，我們將該方法用于一些上面的旋 轉(zhuǎn)圖像。其結(jié)果列在圖3(c)中。我們還將該方法用于從OV1720 CMOS圖像傳感器取得的320×280的圖 像，其二值化結(jié)果列在圖4中。實驗結(jié)果表