当前位置：首页 > news >正文

wordpress 设置角色/seo外链推广员

news 2025/8/2 3:40:56

wordpress 设置角色,seo外链推广员,百度一下网页打开,宁波批发网站制作作为代码界的菜鸟，最近在尝试着用vs实现《数字图像处理与机器视觉》一书中有关图像处理的VC代码。目前在研究空间域增强，希望自己能够越走越远^_^ 本篇是图像锐化中高提升滤波的实现。高提升滤波是针对Sobel、Laplacian等滤波的缺点提出的一种改进后的…

作为代码界的菜鸟，最近在尝试着用vs实现《数字图像处理与机器视觉》一书中有关图像处理的VC++代码。目前在研究空间域增强，希望自己能够越走越远^_^
本篇是图像锐化中高提升滤波的实现。
高提升滤波是针对Sobel、Laplacian等滤波的缺点提出的一种改进后的滤波，它的步骤主要是：
1）选择锐化算子对图像进行锐化
2）将原图像和锐化后的图像按照一定比例混合
3）对混合后的图像进行灰度调整，使混合后图像的灰度值落在[0,255]间
代码如下：

#include <iostream>
#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>
using namespace std;
using namespace cv;//常用滤波模板数组
//平均平滑1/9
float Template_Smooth_Avg[9] = { 1, 1, 1, 1, 1, 1, 1, 1, 1 };
//Gauss平滑1/16
float Template_Smooth_Gauss[9] = { 1, 2, 1, 2, 4, 2, 1, 2, 1 };
//Sobel垂直边缘检测
float Template_Smooth_HSobel[9] = { -1, 0, 1, -2, 0, 2, -1, 0, 1 };
//Sobel水平边缘检测
float Template_Smooth_VSobel[9] = { -1, -2, -1, 0, 0, 0, 1, 2, 1 };
//LOG边缘检测
float Template_Log[25] = { 0, 0, -1, 0, 0, 0, -1, -2, -1, 0, -1, -2, 16, -2, -1, 0, -1, -2, -1, 0, 0, 0, -1, 0, 0 };
//Laplacian边缘检测
float Template_Laplacian1[9] = { 0, -1, 0, -1, 4, -1, 0, -1, 0 };//对90度各向同性
float Template_Laplacian2[9] = { -1, -1, -1, -1, 8, -1, -1, -1, -1 };//对45度各向同性
/*************************************************************************************************************
高提升滤波
dProportion：高提升滤波中原图像的混合比例
nTempH：模板高度，nTempW：模板宽度
nTempMY：模板中心元素坐标，nTempMX：模板中心元素坐标
fpArray：指向模板数组的指针，可以选取不同模板实现不同滤波的高提升版本
fCoef：模板系数
**************************************************************************************************************/
void EnhanceFilter(Mat img, Mat &dst,double dProportion, int nTempH, int nTempW, int nTempMY, int nTempMX, float *pfArray, float fCoef)
{int i, j, nHeight = img.rows, nWidth = img.cols;vector<vector<int>> GrayMat1, GrayMat2, GrayMat3;//暂存按比例叠加图像，R,G,B三通道vector<int> vecRow1(nWidth, 0), vecRow2(nWidth, 0), vecRow3(nWidth, 0);for (i = 0; i < nHeight; i++){GrayMat1.push_back(vecRow1);GrayMat2.push_back(vecRow2);GrayMat3.push_back(vecRow3);}//锐化图像，输出带符号响应，并与原图像按比例叠加for (i = nTempMY; i < nHeight - (nTempH - nTempMY) + 1; i++){for (j = nTempMX; j < nWidth - (nTempW - nTempMX) + 1; j++){float fResult1 = 0;float fResult2 = 0;float fResult3 = 0;for (int k = 0; k < nTempH; k++){for (int l = 0; l < nTempW; l++){//分别计算三通道加权和fResult1 += img.at<Vec3b>(i, j)[0] * pfArray[k*nTempW + 1];fResult2 += img.at<Vec3b>(i, j)[1] * pfArray[k*nTempW + 1];fResult3 += img.at<Vec3b>(i, j)[2] * pfArray[k*nTempW + 1];}}//三通道加权和分别乘以系数并限制响应范围，最后和原图像按比例混合fResult1 *= fCoef;if (fResult1>255)fResult1 = 255;if (fResult1 < -255)fResult1 = -255;GrayMat1[i][j] = dProportion*img.at<Vec3b>(i, j)[0] + fResult1 + 0.5;fResult2 *= fCoef;if (fResult2>255)fResult2 = 255;if (fResult2 < -255)fResult2 = -255;GrayMat2[i][j] = dProportion*img.at<Vec3b>(i, j)[1] + fResult2 + 0.5;fResult3 *= fCoef;if (fResult3>255)fResult3 = 255;if (fResult3 < -255)fResult3 = -255;GrayMat3[i][j] = dProportion*img.at<Vec3b>(i, j)[2] + fResult3 + 0.5;}}int nMax1 = 0, nMax2 = 0, nMax3 = 0;//三通道最大灰度和值int nMin1 = 65535, nMin2 = 65535, nMin3 = 65535;//三通道最小灰度和值//分别统计三通道最大值最小值for (i = nTempMY; i < nHeight - (nTempH - nTempMY) + 1; i++){for (j = nTempMX; j < nWidth - (nTempW - nTempMX) + 1; j++){if (GrayMat1[i][j]>nMax1)nMax1 = GrayMat1[i][j];if (GrayMat1[i][j] < nMin1)nMin1 = GrayMat1[i][j];if (GrayMat2[i][j]>nMax2)nMax2 = GrayMat2[i][j];if (GrayMat2[i][j] < nMin2)nMin2 = GrayMat2[i][j];if (GrayMat3[i][j]>nMax3)nMax3 = GrayMat3[i][j];if (GrayMat3[i][j] < nMin3)nMin3 = GrayMat3[i][j];}}//将按比例叠加后的三通道图像取值范围重新归一化到[0,255]int nSpan1 = nMax1 - nMin1, nSpan2 = nMax2 - nMin2, nSpan3 = nMax3 - nMin3;for (i = nTempMY; i < nHeight - (nTempH - nTempMY) + 1; i++){for (j = nTempMX; j < nWidth - (nTempW - nTempMX) + 1; j++){int br,bg,bb;if (nSpan1>0)br = (GrayMat1[i][j] - nMin1) * 255 / nSpan1;else if (GrayMat1[i][j] <= 255)br = GrayMat1[i][j];elsebr = 255;dst.at<Vec3b>(i, j)[0] = br;if (nSpan2>0)bg = (GrayMat2[i][j] - nMin2) * 255 / nSpan2;else if (GrayMat2[i][j] <= 255)bg = GrayMat2[i][j];elsebg = 255;dst.at<Vec3b>(i, j)[1] = bg;if (nSpan3>0)bb = (GrayMat3[i][j] - nMin3) * 255 / nSpan3;else if (GrayMat3[i][j] <= 255)bb = GrayMat3[i][j];elsebb = 255;dst.at<Vec3b>(i, j)[2] = bb;}}
}
void main()
{Mat img = imread("2.jpg");cvNamedWindow("原图", CV_WINDOW_FREERATIO);imshow("原图", img);Mat dst=img.clone();    EnhanceFilter(img, dst, 1.8, 3, 3, 1, 1, Template_Laplacian2, 1);cvNamedWindow("Laplacian锐化", CV_WINDOW_FREERATIO);imshow("Laplacian锐化", dst);waitKey(0);
}

原图：

结果图：

通过在main函数里调用Sobel函数，我尝试了高提升Sobel滤波，下面是核心代码和结果：

void FilterSobel(Mat img, Mat &dst)
{Mat test1 = dst.clone();Mat test2 = dst.clone();EnhanceFilter(img, test1, 1.8, 3, 3, 1, 1, Template_Smooth_HSobel, 1);EnhanceFilter(img, test2, 1.8, 3, 3, 1, 1, Template_Smooth_VSobel, 1);dst = test1 + test2;
}