《图像处理方向基础知识必备》由会员分享，可在线阅读，更多相关《图像处理方向基础知识必备（5页珍藏版）》请在金锄头文库上搜索。
1、图像的阈值化一、固定阈值法使用固定的阈值作为二值化的界限二、最大类间方差法：1）统计灰度直方图2）计算单个像素的平均灰度3） 计算两类间的方差for (int level=2; levelMAXLEVEL; level+) /MAXLEVEL=256 w1=0, w2=0; u1=0, u2=0; firstPartSumValue=0, secondPartSumValue=0; for (int i=1; ilevel; i+) w1 += histi; /灰度值小于level的像素点的个数 firstPartSumValue += i*histi; /灰度值小于level的像素点的灰度值
2、总和 u1= firstPartSumValue/w1; /第一部分的平均灰度 w1 /= N; /第一部分像素个数在整个图像中占有的比例 for (int j=level; jMAXLEVEL; j+) w2 += histj; secondPartSumValue += j*histj; u2= secondPartSumValue/w2; /第二部分的平均灰度 w2 /= N; /第二部分像素个数在整个图像中占有的比例 /计算两类间的方差 double sigma = w1*(u1-u)*(u1-u)+w2*(u2-u)*(u2-u); varlevel.variance = sigma
3、; /记录方差的值 varlevel.grayLevel = level; /记录当前的灰度3、 P分位法图像二值化前提：知道图像中目标所占的比率，循环不同的灰度值对图像进行分割，并计算相应的目标（像素）所占的比率。计算：若计算得到的比率小于已知比率允许的误差范围内，则使用当前的灰度值进行二值化处理。直方图均衡化 直方图均衡化是灰度变换的一个重要应用，它高效且易于实现，广泛应用于图像增强处理中。图像的像素灰度变化是随机的，直方图的图形高低不齐，直方图均衡化就是用一定的算法使直方图大致平和。 直方图均衡化有以下三个步骤：一、统计各个灰度级出现的次数及概率；1）统计灰度直方图for(i=0;ihe
4、ight;i+) for(j=0;jwidth;j+) pixValue = *(pImage + i*widthStep + j); histpixValue+; 2）计算各个灰度值出现的概率for(i=0;i256;i+) pHisti=histi/(width*height);二、累计归一化的直方图；for(i=0;i256;i+) for(j=0;j=i;j+) ci+=pHistj; 三、计算新的像素值。1）找出当前处理的图像中最大和最小的灰度值略2）计算新的像素值for(i=0;iheight;i+) for(j=0;jwidth;j+) pixValue = *(pImage +
5、 i*widthStep + j); *(pDstImage + i*widthStep + j) = cpixValue*(max-min)+min; 图像平滑的常见算法一、均值滤波 取N*N模板的各个像素的平均值作为当前像素的灰度值。N为奇数。二、中值滤波 将N*N模板的各个像素的灰度值排序，排序后取位于中间位置的灰度值作为当前像素的像素值。三、高斯滤波高斯滤波：需要的参数(float)fSigma, (int)winSize1） 根据winSize的大小及高斯函数计算高斯滤波的模板，并归一化2） 创建的高斯模板系数相当于u=0, 标准差fSigma时的高斯函数/ 计算模板系数int wi
6、nR = winSize/2;float aTemplateMAX_WIN_SIZE = 0;unsigned long aTemplate32UMAX_WIN_SIZE = 0;float fAcc = 0;for(int i=-winR; i=winR; i+) aTemplatei + winR = exp( -i*i/(2*fSigma*fSigma) ) / fSigma; fAcc += aTemplatei + winR;/ 归一化float fInvAcc = 1/fAcc;for(int i=0; iwinSize; i+) aTemplatei /= fAcc;3） 将系数
7、放大，变为整数,例如乘以1012;4） 横向滤波及边界处理：原图乘以高斯模板系数得到新的pFilterData;5） 纵向滤波及边界处理: pFilterData纵向乘以高斯模板系数得到滤波后的图像pDst边缘检测常见算法1、使用模板卷积达到边缘检测目的的有如下算子：2、 canny边缘检测，minTh,maxThminTh控制边缘的连接，maxTh控制强边缘的初始分割。1）使用sobel算子计算梯度图像2）使用sobel算子计算梯度gx,gy3）计算gx,gy（梯度方向）所处的象限，tan(alpha) = gy/gx;4）若当前的梯度g小于minTh则舍去，若当前的梯度g大于gx,大于gy且大于maxTh，则为强边缘，反之为弱边缘。5）将与强边缘连通的弱边缘与强边缘合并（8方向）6）cannny边缘检测完成Hough变换1、图像的边缘检测2、直线上的每一点都满足法线方程 p= x*cos(th) + y*sin(th);直线p的值的大小小于宽度，也小于高度3、loop1：角度遍历 0180； loop2：遍历边缘点，计算p并投票voteth,p4、选择投票最高的th,p5、重新计算p(采用当前角度)，与maxP距离大的点舍弃，用剩余的点画条直线。5
