常用图像处理算法.doc

文档介绍：常用图像处理算法
彩***像转换为灰度图像
R,G,B为彩图三原色数组,gray为灰度值数组,则
gray = R* +G* +B*;
比例变换
把原象素的灰度放大一个比例,最后截至[0,255]。比例变换可以改变图像的对比度。
gray = gray*scale;
gray(find(gray<0))   = 0;
gray(find(gray>255)) = 255;
线性变换
把[a,b]之间的灰度值变换到[c,d],区间之外的灰度值不变。
area = find(gray>=a & gray<=b);
grayArea   = gray(area);
gray(area) = (d-c)*(grayArea-a)/(b-a) + c;
阈值变换
将灰度图像转换为黑白二值图像,小于阈值的灰度设为0,大于等于阈值的灰度设为255。
bin = zeros(size(gray));
bin(find(gray < T )) = 0;
bin(find(gray > =T)) = 255;
窗口变换
灰度区间[down,up]内的象素不变,小于down的灰度置零,大于up的灰度置255。
gray1 = gray;
gray1(find(gray < down)) = 0;
gray1(find(gray > up))   = 255;
直方图均衡
直方图是灰度-频率图。直方图均衡将原始图像的直方图变成均匀分布的形式,因此
           gray = 255*灰度不大于gray的象素出现的频率。
计算步骤如下:
(1) 统计各个灰度的象素数;
(2) 计算各个灰度的频率;
(3) 计算不大于各个灰度的灰度值频率;
(4) 用公式计算均衡化后的灰度值。
Hough变换
Hough变换检测物体的本质
    目标物体的所有象素点具有恒定的hough域参数。如关于线段检测的hough变换:
              (x,y)==>(r,q) :r = x*cos(q)+y*sin(q)
使得同一线段上的象素点具有相同的(r,q)参数。
Hough变换从二值图中检测线段的步骤     [Matlab代码]
(1) 求过二值图中每个黑色象素(x,y)的直线簇{(r,q)},同时增加相应直线的含量。
    for q = Dq, 2*Dq,3*Dq,...,pi, 不妨取Dq=pi/180,即pi =180*Dq 。
        r = x*cos(q)+y*sin(q);
        content(r,q) = content(r,q)+1;
    end
(2) 求单直线(rmax,qmax)。
    (rmax,qmax) = argmax(r,q){content(r,q)}
(3) 检测每个黑色象素(x,y)是否位于直线(rmax,qmax)上,是则提取。
    r = x*cos(qmax)+y*sin(qmax);
    if(r==rmax), extract(x,y); end
一些图像处理算法
浮雕算法:
R=(R-r)+Number
B=(B-b)+Number
G=(G-g)+Number
模糊算法:
取一个像素块(3*3或5*5或7*7),求出像素块总的R、G、B值,然后取平均值做当前像素点的R、G、B值。
锐化算法:
R=R+(R-r)+Number
B=B+(B-b)+Number
G=G+(G-g)+Number
其中R,G,B是像素对应的RGB值,r,g,b是该点相临像素的RGB值,Number是决定浮雕效果的阀值,取值(100~150)之间效果较好。
得到像素R、G、B值,可使用API的GetPixel函数,函数原型可民自己去查一下(在Delphi IDE中输入函数名按住Ctrl键,然后用鼠标单击函数名)。
Tcolor=>RGB
R:=byte(bcolor)
B:=byte(bcolor shr 8)
G:=byte(bcolor shr 16)
√图像分割中阈值的自动选取的研究及其算法实现
  图像分割是图像处理这门学科中的基础难题,基于阈值的分割则又是图像分割的最基本的难题之一,其难点在于阈值的选取。事实证明,阈值的选择的恰当与否对分割的效果起着决定性的作用。由于阈值选取对图像分割的基础性,本文主要在【1】、【2】、【3】、【4】等的基础上,对一些当前流行的阈值选取算法做了探讨、实现和比较。多阈值分割虽然能进一步提高图像分割的质量,但由于它只是分割技巧的处理问题,而与单阈值分割并无本质的区别。因此本文并