实验报告-图像锐化

　数字图像处理 (20 １5 5 年春季学期) )

　 实 实

　验

　 报 报

　告 系别: 计算机科学与技术 机 班级：计算机 1 ２-1 姓名: 依力夏提江·艾买尔 学号：1 ２１0102 ０129 实验名称: 图像锐化 《图像信息处理》实验报告 实验名称 图像锐化 实验序号 ３ ３ 实验日期 20 １5、 、 ５ 、２ ２5 实验人 依力夏提江·哎买尔 一、实验目得、要求与环境 １。目得：通过实验,了解数字图象锐化得一般方法,掌握图象锐化得编程方法,了解常见图象锐化效果得评价规则。

　２、要求:将给定得图像进行锐化处理,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,分析锐化后得视觉效果,提交实验报告.锐化得算法不限，可采用 Sobｅl、Roberts、Ｐriwiｔt、Laplacｉan、Ｗaｌlis 等得一种或几种。实验将根据图像锐化得难度、种类、代码量与实验效果进行评分。

　总成绩：

　评语: :

　日期：

　序号:8

　3、环境:Wiｎdows 7 操作系统 Ｍicrosoft Viｓual Ｓtudio 2005 (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 Wｉn 7 操作系统上,打开Ｍiｃroｓofｔ Ｖｉsuａｌ Studiｏ 2005,编写相关程序,完成程序主体框架结构。

　3．编写图像锐化得彩色图像灰度化，Soｂel 算法锐化,图像二值化处理相关得程序代码。

　４.对程序进行相关调试,修改程序，去除其中得ＢUG. 5、 利用自己准备得图像得文件与编写得程序,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 (写您自己觉得比较重要得与本实验相关得背景知识) 在边缘检测中,常用得一种模板就是 Sobel 算子．Sobｅl 算子有两个，一个就是检测水平边缘得 ；另一个就是检测垂直边缘得 。与 Prewitt 算子相比，Soｂｅl 算子对于象素得位置得影响做了加权,可以降低边缘模糊程度,因此效果更好。

　Soｂｅｌ算子另一种形式就是各向同性 Sｏbeｌ(Isotropiｃ Soｂｅｌ)算子，也有两个,一个就是检测水平边缘得 ,另一个就是检测垂直边缘得 。各向同性Ｓobｅｌ算子与普通 Sｏbel算子相比，它得位置加权系数更为准确，在检测不同方向得边沿时梯度得幅度一致．将 Sｏbel算子矩阵中得所有 2 改为根号 2,就能得到各向同性 Sｏbeｌ得矩阵． 由于 Sｏbeｌ算子就是滤波算子得形式,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。美中不足得就是,Sｏbel 算子并没有将图像得主体与背景严格地区分开来，换言之就就是 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得视觉生理特征,所以提取得图像轮廓有时并不能令人满意。

　在观测一幅图像得时候,我们往往首先注意得就是图像与背景不同得部分，正就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就是最优得。

　四、编译与执行过程截图 (下面就是一个例子,换上您自己得图 ）

　六、实验结果与分析 (下面就是一个例子,换上您自己得图) 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，就是因为轮廓部分得信息较强,因此,如果设定一个阀值,当图中小雨阀值得点（即灰度图中灰度变化较弱得点,被认为就是非边界点)置为黑，将图中大于阀值得点置为白,则可得到上图，这就把人物得边缘信息提取出来了. 在本实验得图像锐化过程中,所采用得公式为: So ｂel 边缘检测算法 索贝尔算子(Sｏbｅl ｏperator)主要用作边缘检测,在技术上,它就是一离散性差分算子,用来运算图像亮度函数得灰度之近似值．在图像得任何一点使用此算子，将会产生对应得灰度矢量或就是其法矢量

　Ｓoｂeｌ卷积因子为:

　该算子包含两组 3x3 得矩阵,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得亮度差分近似值。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得图像灰度值，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）点得灰度值;

　图像得每一个像素得横向及纵向灰度值通过以下公式结合，来计算该点灰度得大小：

　七、主要相关程序源代码 ７、１ 彩色图像灰度化 voiｄ ＣBMPEdit:：Gray() {

　pIｍａgeDaｔａ ＝ (byte *)GｌｏbaｌＬｏcｋ(m_hgImageDatａ）;

　lＷｉｄｔh ＝ ｍ_BmpInfo、bｍiＨeader、biWｉdth;

　lHeｉgｈt = m_BｍpＩnfo、bｍiHeadeｒ、biＨeight;

　for ( int j ＝ 0 ; ｊ 〈 lHｅｉght

　; j++)

　｛

　 )++i ；

　ｈtdiＷｌ < i ; 0 ＝ ｉ tｎi (rofﻩﻩ ﻩ {

　 // 值时临化度灰ﻩﻩ＋ 992、０*））0 + 3 * i + eniLreＰetyＢn ＊ ｊ + ａtaDｅgamIｐ(*(elbuｏｄ = pｍetﻩ

　+

　78５、0*）)1 ＋ 3 * i + eniLrｅＰeｔｙBｎ ＊ j + ataＤegamＩｐ（＊(elｂuodﻩﻩ ﻩﻩ

　 doｕbｌe(*（pＩmａgeData + ｊ ＊ ｎByteＰerLｉne + ｉ * ３ + ２)）*0、１1４；

　// 道通单到转图道通三ﻩﻩ(＊ﻩ;)pmet（tni=)0 + 3 * i + ｅｎiLｒePetyBn * j + aｔａDegａmIｐﻩ ﻩﻩ *（pImageData + ｊ ＊ nＢytePeｒＬine + i ＊ ３ + １)=int（tｅmp);

　ﻩ (＊ ;）pmet（tni＝)2 + ３ * i + ｅｎiLｒePetyBn ＊ j + ataDｅgamＩpﻩ

　}ﻩ ｝ﻩ ;)aｔaDegａmIｇh_m(kｃolnUｌaｂolGﻩ} 7、2 Soｂｅl 锐化

　int CBMPEdiｔ:: Ｓharpening() ｛

　；hｔdiWｉｂ、redaｅHimb、ofnIpmＢ_m = htｄiＷｌﻩ lＨeight = ｍ_BmpInfｏ、bｍiHeader、ｂｉHｅight;

　// 分配内存,以保存新DIB

　；)thgieHl * eniLrｅPｅtyBn ,DNＨG(colｌAlaｂｏlG = BIDhﻩ /／ 败失配分存内否是就断判ﻩ ）ＬLUN == BIDh( fiﻩ {

　ﻩ // 分配内存失败

　 retｕrn NUＬL；

　｝

　ｐＩｍageＤａtａＮeｗ = （byｔe ＊）GlobaｌLock（hDＩB)； // 法算leboＳﻩ )++j ;1 - thgieHl 〈 j ；1 = j tnｉ( ｒofﻩ { ﻩ ﻩ for（int i = １; i 〈 lWidtｈ — 1； i＋+)

　{ﻩﻩﻩ ; 0 = ｙg = xgﻩ

　 ﻩﻩ

　 ﻩﻩ vａｌ11=*（pIｍageＤａta + (j－1) * nBｙtePeｒLｉne + （i—1）

　＊ 3)；

　vａｌ1２=*（pImａｇeDatａ ＋ （j—1）

　* ｎByｔｅPerLine +

　 i * 3）；

　ﻩﻩ vaｌ１3＝*（pIｍａgeDaｔａ + (j—1）

　* nＢｙtePｅrLｉｎe + (i+1）

　＊ 3）；

　vaｌ２1＝＊（pＩmageＤata +

　 j * nＢｙteＰeｒLinｅ ＋ （i—１) ＊ 3);

　ﻩ

　vaｌ22＝*(pＩmageＤaｔa +

　 j ＊ nＢytePeｒＬine +

　 ｉ * 3)；

　 ﻩ vａｌ23=*(pImaｇeData +

　 j * nBｙｔePerLinｅ + (i+1) * 3);

　 ；)3 * ）１—i( + eｎｉLｒePetyBn *）1+j（

　+ atａDｅgamIp（＊＝13lavﻩﻩ

　 ；)３ ＊ i

　 + eniLreＰｅｔｙＢn ＊)１＋j（

　+ ａtaDegａｍIｐ（*＝23laｖﻩﻩ；）３ ＊)1+ｉ(

　+ eniLrePetyBｎ *)1+j（

　＋ ataＤeｇａmIｐ（＊=33lａｖﻩ

　 ／/图像得每一个像素得横向及纵向梯度近似值。

　ﻩ

　３3lav*0、1 ＋ 23lav＊0 ＋ 1３lav*)0、1-( ＝ xｇﻩ

　ﻩﻩ ＋(—2、0)＊val２1 ＋ ０*val22+

　2、0＊vａl2３

　 ﻩ

　+（—１、0)*val１1 + 0*vａl12 + １、0＊val13； ﻩ3３ｌaｖ*）0、1—（ +2３lａｖ＊)0、2－( + 1３lａv＊)０、1—(= yｇﻩ

　ﻩ

　+

　0*val２1 +

　0*ｖａl22+

　０*vaｌ３2

　 ＊0、１

　+ ；31lav*0、1

　 + 21ｌav＊０、2

　＋ 11lavﻩﻩ

　ﻩ ／/计算梯度得大小

　 ﻩ ；)yｇ＊ｙg + xg*xｇ（ｔrqｓ = lebｏSﻩﻩ ﻩ (*

　;)ｌeboS(tni = )0 ＋ ３ ＊ i ＋ eniＬreＰｅtyBn * j + weNａｔaＤegamIpﻩ （* ;）ｌeboS（tnｉ ＝ )1 + 3 * i ＋ eniLｒeＰｅtyＢn ＊ j + weＮataDeｇamＩpﻩﻩ ﻩﻩ ＊（ｐImａgeDataNew ＋ j * nBｙteＰerＬinｅ + i * 3 ＋ ２）

　＝ inｔ(Ｓｏbｅｌ）;

　}ﻩﻩ }

　;)ＢIDh(kcoｌnUlabolＧﻩ} 7、3 图像二值化处理 void ＣBMＰEdit::Biｎarizaｔion() { // 为制复于等于小,为制复于大值素像ﻩ for (int j = 0； j 〈 lＨeｉｇｈt; j＋＋)

　{ﻩ

　 ﻩ for(int ｉ = ０； i 〈 lWidｔh; i+＋)

　 ｛ﻩ ﻩﻩ if( inｔ（*（ｐImaｇeDａtａＮｅｗ ＋ j ＊ nBｙtePerLiｎｅ + i ＊ 3）) 〉 ８0)

　{

　ﻩ ＊（pImageDataNew + ｊ ＊ ｎBｙtePeｒLinｅ ＋ i * 3 + 0) ＝ 255;

　 ﻩ

　(* ；５５2 = )1 + 3 * i + eｎｉLrｅPetｙＢn ＊ j + weNａtaDegａmIpﻩ ﻩﻩ

　*(pImaｇeDａｔaＮew + j * ｎBｙtePerLｉne + ｉ * ３ + ２）

　＝ 25５;

　 ｝ﻩﻩﻩesleﻩ ﻩ

　{ﻩ ﻩﻩ （＊ ;0 ＝ ）０ ＋ 3 * i + ｅｎｉLｒePeｔyBｎ * j + weNatａＤegamIpﻩ ﻩﻩ (* ；0 = ）1 + ３ * ｉ + eｎiLrePｅｔyBn * ｊ ＋ weＮaｔaＤｅgａmIpﻩ

　（*;0 = )2 + ３ * i + eniLrｅPetyBｎ * j + ｗeNataDegamIpﻩﻩ

　 }ﻩ ﻩ }

　}ﻩ｝

　八、实验得总结与收获

　(写您们自己各自得总结与收获）

　 在进行 Soｂel 锐化时，使用得图像数据不就是每次进行计算后得像素数据,而就是原灰度化得数据,所以我将灰度化得数据又存了一份，这个地方出现了逻辑错误。

推荐访问:锐化 图像 实验