程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> C語言 >> VC >> vc教程 >> VC編程實現數字圖像的邊緣檢測

VC編程實現數字圖像的邊緣檢測

編輯:vc教程

  數字圖像的邊緣檢測是圖像分割、目標區域的識別、區域形狀提取等圖像分析領域十分重要的基礎,圖像理解和分析的第一步往往就是邊緣檢測,目前它以成為機器視覺研究領域最活躍的課題之一,在工程應用中占有十分重要的地位。本文向讀者簡單介紹一下這個技術,並給出了在Visual C++環境下實現的代碼。

  所謂邊緣就是指圖像局部亮度變化最顯著的部分,它是檢測圖像局部變化顯著變化的最基本的運算。對於數字圖像,圖像灰度灰度值的顯著變化可以用梯度來表示,以邊緣檢測Sobel算子為例來講述數字圖像處理中邊緣檢測的實現:

  對於數字圖像,可以用一階差分代替一階微分;

  △xf(x,y)=f(x,y)-f(x-1,y);

  △yf(x,y)=f(x,y)-f(x,y-1)

  求梯度時對於平方和運算及開方運算,可以用兩個分量的絕對值之和表示,即:

  G[f(x,y)]={[△xf(x,y)] +[△yf(x,y)] } |△xf(x,y)|+|△yf(x,y)|;

  Sobel梯度算子是先做成加權平均,再微分,然後求梯度,即:

  △xf(x,y)= f(x-1,y+1) + 2f(x,y+1) + f(x+1,y+1)- f(x-1,y-1) - 2f(x,y-1) - f(x+1,y-1);

  △yf(x,y)= f(x-1,y-1) + 2f(x-1,y) + f(x-1,y+1)- f(x+1,y-1) - 2f(x+1,y) - f(x+1,y+1);

  G[f(x,y)]=|△xf(x,y)|+|△yf(x,y)|;

  上述各式中的像素之間的關系見圖

f(x-1,y-1)        f(x,y-1)        f(x+1,y-1)
f(x-1,y)          f(x,y)          f(x+1,y)
f(x-1,y+1)        f(x,y+1)        f(x+1,y+1)

  我在視圖類中定義了響應菜單命令的邊緣檢測Sobel算子實現灰度圖像邊緣檢測的函數:

void CDibVIEw::OnMENUSobel()
//灰度圖像數據的獲得參見天極網9.10日發表的拙作//VC數字圖像處理一文
{
 HANDLE data1handle;
 LPBITMAPINFOHEADER lpBi;
 CDibDoc *pDoc=GetDocument();
 HDIB hdib;
 unsigned char *hData;
 unsigned char *data;

 hdib=pDoc->m_hDIB;
 BeginWaitCursor();
 lpBi=(LPBITMAPINFOHEADER)GlobalLock((HGLOBAL)hdib);
 hData= lpbi +* (LPDWord)lpbi + 256*sizeof(RGBQUAD);
 //得到指向位圖像素值的指針
 pDoc->SetModifIEdFlag(TRUE);//設修改標志為"TRUE"
 data1handle=GlobalAlloc(GMEM_SHARE,WIDTHBYTES(lpBi->biWidth*8)*lpBi->biHeight);
 //申請存放處理後的像素值的緩沖區
 data=(unsigned char*)GlobalLock((HGLOBAL)data1handle);
 AfxGetApp()->BeginWaitCursor();
 int i,j,buf,buf1,buf2;
 for( j=0; jbiHeight; j++)//以下循環求(x,y)位置的灰度值
  for( i=0; ibiWidth; i++)
  {
   if(((i-1)>=0)&&((i+1)biWidth)&&((j-1)>=0)&&((j+1)biHeight))
   {//對於圖像四周邊界處的向素點不處理
    buf1=(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1))
       +2*(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j))
       +(int)(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1));
    buf1=buf1-(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1))
       -2*(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j))
       -(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1));
    //x方向加權微分
    buf2=(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1))
       +2*(int)(int)*(hData+(i)*WIDTHBYTES(lpBi->biWidth*8)+(j+1))
       +(int)(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j+1));
    buf2=buf2-(int)(int)*(hData+(i-1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1))
       -2*(int)(int)*(hData+(i)*WIDTHBYTES(lpBi->biWidth*8)+(j-1))
       -(int)(int)*(hData+(i+1)*WIDTHBYTES(lpBi->biWidth*8)+(j-1));
    //y方向加權微分
    buf=abs(buf1)+abs(buf2);//求梯度
    if(buf>255) buf=255;
     if(buf<0){buf=0;
       *(data+i*WIDTHBYTES(lpBi->biWidth*8)+j)=(BYTE)buf;
     }

    else *(data+i*lpBi->biWidth+j)=(BYTE)0;
    }
    for( j=0; jbiHeight; j++)
     for( i=0; ibiWidth; i++)
      *(hData+i*WIDTHBYTES(lpBi->biWidth*8)+j)=*(data+i*WIDTHBYTES(lpBi->biWidth*8)+j);
      //處理後的數據寫回原緩沖區
      AfxGetApp()->EndWaitCursor();
      GlobalUnlock((HGLOBAL)hdib);
      GlobalUnlock(data1handle);
      GlobalFree(date1handle);
      EndWaitCursor();
      Invalidate(TRUE);
 }

  上述的數學分析讀者可能看起來有些吃力,不過不要緊,對與邊緣檢測,大家只要知道有若干個檢測模板(既邊緣檢測矩陣)可以直接實現檢測功能就行了,現在將常用的檢測實現公式列出如下:

  Roberts算子:G[i,i]=|f[i,j]-f[i+1,j+1]|+|f[i+1,j]-f[i,j+1]|;

  Sobe算子:G[i,i]=|f[i-1,j+1]+2f[i,j+1]+f[i+1,j+1]-f[i-1,j-1]-2f[i,j-1]-f[i+1,j-1]|
           +|f[i-1,j-1]+2f[i-1,j]+f[i-1,j+1]-f[i+1,j-1]-2f[i+1,j]-f[i+1,j+1]|;

  拉普拉斯算子:G[I,j]=|f[i+1,j]+f[i-1,j]+f(i,j+1)+f[i,j-1]-4f[i,j]|;

  其中G[i,j]表示處理後(i,j)點的灰度值,f[i,j]表示處理前該點的灰度值。

  筆者開發的該圖像處理程序在Windows2000環境下編譯通過,下面圖2給出了依據圖像處理算法得到的圖像二值化、高通濾波、Sobel邊緣算子的處理結果,讀者需要注意的是我在進行Sobel算子進行處理後,又對它進行了二值化處理,這才得到C圖。關於如何實現二值化圖像,我會後續撰文對相關知識進行介紹。

  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved