CVIP课程期末大作业.doc

此文档收集于网络，如有侵权，请联系网站删除简易图像处理平台 CVIP课程期末大作业彭勃 20611222 通信与信息工程一、 系统简介本次作业利用Visual C+6.0编写了一个多文档的MFC程序，该程序能实现所要求的图像信息显示和图像处理功能。主要功能包括：打开保存位图图像；显示图像的大小，位数等信息；显示直方图分布，如是彩色图像则给出三基色各自的直方图分布；彩色图像的边缘检测；二值图像骨架化；自适应平滑滤波；LoG滤波。二、 主要功能算法说明1、 彩色图像边缘检测边缘检测算法采用Canny算子，在进行检测之前先将彩色图像变为灰度图像，变换公式为：之后对灰度图像Gray进行Canny边缘检测，主要步骤为：第一步 高斯平滑选择如下的模板进行高斯平滑滤波，去除噪声。第二步 利用梯度搜寻边缘利用Sobel算子计算每一点的梯度值。两个卷积核如下：第三步 计算方向角并规范化水平方向和垂直方向的梯度都已求出，则通过求出方向角。再将方向角按就近原则规范到0度（水平方向）、45度（对角线方向）、-45度（负对角线方向）和90度（垂直方向）四个方向上。第四步 非最大化抑制遍历所有边缘点，若某点的梯度值在梯度方向上和相邻点相比不是最大值，则将其从边缘点集是删去。第五步 双阈值化设定一个高阈值和一个低阈值。对梯度值小于低阈值的点从边缘点集中去除，大于高阈值的确定为边缘点。对于梯度值介于两个阈值之间的点，如其邻点中有边缘点，则将其加入加缘点集，否则去除。在程序中，这两个阈值可以手工输入。利用Canny算子进行完边缘检测之后，将原彩色图像与检测生成的二值图像T(i,j)进行比较，采用如下原则对原图像进行处理：即对于二值图像中为0的像素，将原彩色图像中相应的像素置为白色。2、 骨架化骨架化就是中轴变换，中轴变换可用火烧草地来比拟：火相遇的点就是中轴。更严谨的定义，对于一个区域R，若边界为B，对区域中每一点P，我们B上搜索与它最近的点，若能找到多于一个同样距离的最近点，则P属于R的中轴或称骨架。在R内作与边界有两个以上切点的内切圆，则所有这些圆的圆心的集合就是中轴。骨架化（中轴变换）算法是通过逐次消去边界点来完成。变换过程中有如下三个限制条件：不消去线段端点；不破坏原连通性；不过多侵蚀区域，即只有一非目标点为邻点，有7个邻点为目标点的点不被删除。二值图像骨架化的快速算法如下：第一步：如果下列条件均满足，则将边界点P1标记为删除：这里是点的非零相邻点的数目（如下图），即是序列从0到1的变化次数。第二步：将第一步标记为删除的边界像素置为0。第三步：如果下列条件均满足，则将边界点P1标记为删除：第四步：将第三步标记为删除的边界像素置为0。反复执行以上各步，直到没有再可删除的边界点。此时算法结束，生成了区域的骨架。3、 自适应平滑滤波若对图像平滑，每次都在目标内部进行，不造成边缘的模糊，则经多次平滑后，目标内部细节将被平滑掉，但目标间的边缘得以保留，便于边缘检测。算法描述如下：第一步，计算梯度第二步，计算连续性函数：第三步，对进行加权平均式中t为迭代次数。2n+1是滤波窗口的宽度，不能太大，一般可取n=1。连续性函数是一个梯度幅度的单调下降函数，在梯度幅度为零的地方，图像平坦，w(x,y)=1。随着梯度幅度的增加，w(x,y)减小，从而对边缘处的像素的加权系数较小。式中决定了要保留的边缘的强弱，梯度幅度大于的边缘将被保留，小于的边缘将被平滑掉。4、 LoG滤波LoG（Laplacian of a Gaussian）即为高斯型拉普拉斯算子。由于拉普拉斯算子对噪声敏感，为了减少噪声影响，可对图像先进行高斯滤波。高斯函数卷积模板形式如下卷积后的拉普拉斯算子为我们只关心过零点，上式中的系数及正负可以不作考虑，改写如下，此即为LoG算子模板三、 实验结果1、 直方图统计2、 彩色图像边缘检测3、 骨架化4、 自适应平滑滤波取5、 LoG滤波取，模板大小为四、 参考文献1、 John