多功能图像处理软件

1、多功能图像处理软件    目      录 摘要 III ABSTRACT IV 第一章  引   言 1 1.1概述 1 1.2数字图像 1 1.3数字图像处理 3 1.4数字图像处理的特征 3 1.5本文的结构 4 第二章  数字图像处理原理和方法 5 2.1 概述 5 2.2锐化 6 2.2.1锐化的概念 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平滑线形滤波器 9 2.3.3统计排序滤波器 10 2.4灰度级变换处理 11 2.5二值化图像 11 2.6改变分辨率 12 2.7直方图处理 12 2.8特效处理 13 2.8.1浮雕效果 13 2.8.2雕刻效果 13 2.9形态学处理 13 2.9.1腐蚀 14 2.9.2膨胀 14 2.9.3开运算 15 2.9.4闭运算 15 2

3、.9.5边缘提取 16 2.10小结 16 第三章 图像处理软件系统 17 3.1概述 17 3.2 MFC 17 3.2.1MFC的概述 17 3.2.2 MFC的设计原理 18 3.2.3 AppWizard的使用 18 3.2.4 Windows应用程序的资源管理 19 3.3图像的基本操作 20 3.3.1位图文件的格式 20 3.3.2位图文件操作类 22 3.3.3图像处理类 24 3.4图像处理算法及结果 25 3.4.1概述 25

4、 3.4.2锐化 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锐化结果 29 3.4.3平滑 29 3.4.3.1均值滤波 29 3.4.3.2中值滤波 30 3.4.3.3最大值滤波 31 3.4.3.4最小值滤波 32 3.4.3.5平滑结果 32 3.4.4灰度级变换处理 32 3.4.4.1图像反转处理 32 3.4.4.2亮度增减 33 3.4.4.3亮度n

5、倍 34 3.4.5二值化 35 3.4.6分辨率改变 36 3.4.6.1减小分辨率 36 3.4.6.2增大分辨率 36 3.4.7直方图 38 3.4.8特效处理 38 3.4.8.1浮雕效果 38 3.4.8.2雕刻效果 39 3.4.9形态学处理 40 3.4.9.1腐蚀和膨胀 40 3.4.9.2开与闭 40 3.4.9.3边缘提取 41 3.5小结和问题 41 第四章 结论 43 参考文献 44 英文原稿 45

6、中文翻译 52 致谢 56 摘要  数字图像处理技术与理论是计算机应用的一个重要领域，在通讯、遥感、生物医学、军事、多媒体 技术等方面都有广泛的应用。本文介绍了数字图像的基本概念、数字图像处理的基本操作及方法， 并利用MFC(Microsoft Foundation Class)制作了一款多功能图像处理软件，针对未压缩的BMP图像 进行操作，涉及了图像的锐化（边缘检测）、平滑、二值化、灰度级变换、分辨率改变、直方图、 特效处理、形态学处理等功能。 关键词： 数字图像   MFC   BMP图像   数字图

7、像处理 1.2数字图像 “图”是物体透射光或反射光的分布，“像”是人的视觉系统对图的接收在大脑中形成的印象或认 识。图像是两者的结合。人类获取外界信息是靠听觉、视觉、触觉、嗅觉、味觉等，但绝大部分（ 约80%左右）来自视觉所接收的图像信息。一幅图像可定义为一个二维函数 ，这里 和 是空间坐标 ，而在任何一对空间坐标 上的幅值 称为该点图像的强度或灰度。当 ， 和幅值 为有限的、离散的 数值时，该图像称为数字图像。数字图像是由有限的元素组成的，每一个元素都有一个特定的位置 和幅值，这些元素称为图像元素、画面元素或像素。 人眼看到的任何自然界的图像都是连续的模拟图像，其形状和形态表现由图像各位置的

8、颜色所决定 。色度学理论认为，任何颜色都可由红(Red)、绿(Green)、蓝(Blue)3种基本颜色按不同的比例混合 得到。红、绿、蓝被称为三原色，简称RGB三原色。因此自然界的平面图像可用基于位置坐标的二维 函数来表示，即： = , ,  。其中 表示坐标为 位置点的颜色， 、 、 分别表示该位置点的红、 绿、蓝3种原色的颜色分量值。它们都是空间的连续函数，即连续空间的每一点都由一个精确的值与 之对应。 图像可分为黑白图像和彩色图像。所谓黑白图像，就是图像中每一点都不是彩色的，每一点的红、 绿、蓝颜色分量都相等，即： = = 。对于黑白图像，其 表示 位置处的灰度值。 由于计算机

9、仅能处理离散的数据，所以如果用计算机来处理图像，连续的图像函数必须转化为离散 的数据集，通过采样量化转化为数字图像，通常由采样点的值所组成的矩阵来表示。每一个采样点 叫做一个像素(pixel)。 把像素按不同的方式进行组织或存储，就得到不同的图像格式；把图像数据存成文件就得到图像文 件。图像文件按其数字图像格式的不同一般具有不同的扩展名，常见图像文件格式有位图文件 (*.BMP)、TGA文件(*.TGA)、PCX文件(*.PCX)、GIF文件(*.GIF)、TIFF文件(*.TIFF)等。在Windows 系统中，最常用的图像格式是位图格式，其文件名以.BMP为扩展名。为了处理简单方便，这里进

10、行 数字图像处理所采用的都是BMP格式的图像文件（有时也称为DIB格式的图像文件），并且这种格式 的文件是没有压缩的。我们通过操作这种格式的文件，可以获取正确显示图像所需的调色板信息， 图像的尺寸信息，图像中各个像素点的亮度信息等等 图像数字化的精度包括两个部分，即分辨率和颜色深度。分辨率指图像数字化的空间精细程度，有 显示分辨率和图像分辨率两种不同的分辨率。图像分辨率的实质是数字化图像时划分图像的像素密 度，即单位长度内的像素数，其单位是每英寸的点数d/i(Dots per Inch)。图像分辨率说明了数字 图像在同一输出设备上的显示分辨率相同。 数字图像的颜色深度指表示每一像素的颜色值的二

11、进制位数。颜色深度越大则能表示的像素的颜色 数目越多。它们之间的关系取决于数字图像采用的颜色表示法。最常用的颜色表示法是RGB。用R、G 、B颜色分量来表示数字图像像素的颜色值的方法就是RGB法。如用于表示R、G、B颜色分量的位数分 别为 、 、 ，则可表示的像素的颜色数为2( + + )。如分别用8位来表示3种颜色分量，则总共需要 24位来表示RGB三种颜色，可表示的颜色数为224=16777216。 1.3数字图像处理 图像处理就是对图像信息进行加工处理，以满足人的视觉心理和实际应用的需要。依靠计算机对图 像进行各种目的的处理我们就称之为数字图像处理。 基本的图像处理方法可分为点处理和区域

12、处理两类。点处理相对较简单，只能改变图像的分布，但 不会改变图像内的空间关系。区域处理在处理某一像素时，利用与该像素相邻的一组像素，经过某 种变换得到处理后图像中某一点的像素值。目标像素的邻域一般是由像素组成的二维矩阵，该矩阵 的大小一般为奇数。目标像素位于该矩阵的中央，即目标像素就是区域的中心像素。经过处理后， 目标像素的值为经过特定算法计算后所得的结果。区域中心像素周围的那些像素值在二维方向上提 供了图像的亮度变化趋势的信息。图像中像素的亮度在一定距离上的变化速率称为图像的空间频率 。区域处理将改变图像的空间频率信息，减缓或增强图像中的某些特点的频率分量。区域处理算法 一般是针对灰度图像而

13、进行的，对于RGB彩色图像，可以分别对其R、G、B分别进行处理，最后再组 合各颜色分量，以得到彩色输出图像。 在实现数字图象处理的过程中，主要是通过对图像中的每一个像素点运用各种图像处理算法来达到 预期的效果，所以进行图像处理的第一步，也是我们最关心的问题，是如何得到图像中每一个像素 点的亮度值；为了观察和验证处理的图像效果，另一个需要解决的问题是如何将处理前后的图像正 确的显示出来。这些问题在本文的后面部分会有讲到。 在实际应用中，只用一种方法就可以达到效果的情况较少，大多是几种方法组合起来一起用。而且 通常的图像或多或少都有噪声混入，这是有必要增加消除噪声、灰度变换等处理使图像易于观看。

14、另为，各个处理的参数也有必要进行多次校正，并观察相应的结果，最后根据结果选择适当的参数 值。在本文中，提供了多种基本的图像处理方法，将其组合起来会得到更复杂的操作效果。 3.二值化 有人提出一种自适应的指纹图像二值化方法10。在那种算法中，指纹脊线要用3，13中介绍的方 法来检测，脊线间的距离需在二值化前计算出来。而且，二阶导数的计算同样复杂，在实时指纹识 别系统中是不可行的。 本文中，提出了一种快速高效的算法，它是基于这样的事实：指纹的脊线和谷线区域，沿着与块方 向正交的方向的二阶方向导数分别是正的和负的。将该方法同10中的方法及其它传统的二值化算 法11，12相比，我们的算法中指纹图像中脊

15、线的宽度是不必要的。 我们都知道：如果函数 的二阶导数 ，那么 在x=a处有一个极小值，或者二阶导数 ，那么 在x=a处 有一个极大值。以上的性质同样适用于二维指纹图像14。沿着与块方向正交的方向，像素值会表 现出高度变化（振荡）性。图2显示了二维图像中水平方向上的一阶导数和二阶导数。   图2.图像中水平方向上的二阶导数 值得注意的是，在指纹模糊的图像中的一些区域，沿着与块方向正交方向的像素值变化十分缓慢， 这样，这些点的二阶导数接近于零。在这些区域中，阈值和邻近像素应该被考虑进去。我们的算法 是这样的： (1)对指纹图像使用离散小波变换得到相应的均衡化子图像I。 (2)用第二章提

16、到的方法来得到I的方向场。 (3)用15中的方法增强均衡化子图像I，减小噪声和干扰。 (4)计算每个像素沿着与块方向正交方向的二阶导数。这里，我们可以像这样将八个方向减少为四个 ：                       和  (5)通过如下方法得到二值图像T：          &#

17、160;  这里 表示二值计算后的图像， 是相应的I的二阶导数。阈值 介于35之间。 在每一个 128的点，我们可以这样处理： （）在I中提取一个中心在(i,j)的3×3的区域M。如果在M中有一个像素（l,k）的值比(i,j)点大 ，并且T(l,k)=0，那么T(i,j)=0。如果在M中有一个像素（l,k）的值比(i,j)点小，并且T(l,k)=255 ，那么T(i,j)=255。 （）在T(i,j)=128的点，一个以(i,j)为中心的1×5的区域中， 沿着块方向被提取出来。如果不 包括 在内的四个值都比 大，那么T(l,k)=0，或者它们都小于- ，

18、那么T(l,k)=255。 （）如果T中有等于128的静态值，那么返回第（）和第（）。 这样以后，T中所有等于128的值都变为0或255，最后的T就是我们需要的二值图像。 4.实验和讨论 在实验中，我们分别从16中选择两幅指纹图像DB1（300×300）和DB2（256×364）。图像经过了 500dpi分辨率的扫描，颜色深度为8位。离散小波变换后，均衡化子图像的尺寸变为150×150（DB1 ）和128×182（DB2）。我们在增强和二值化算法之前先用17的方法去除均衡子图像的背景。 图 3(a)和(b)显示了实验结果。为了验证我们的算法对旋转的鲁棒性，我们将该方法用于一些上面的旋 转图像。其结果列在图3(c)中。我们还将该方法用于从OV1720 CMOS图像传感器取得的320×280的图 像，其二值化结果列在图4中。实验结果表