2. 程式人生 > >【數字圖像處理】五.MFC圖像點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理具體解釋

【數字圖像處理】五.MFC圖像點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理具體解釋

阿新 • • 發佈：2017-06-16
tput rgb 強制轉換 spa ros 例如 read 算法 nload

本文主要講述基於VC++6.0 MFC圖像處理的應用知識，主要結合自己大三所學課程《數字圖像處理》及課件進行解說。主要通過MFC單文檔視圖實現顯示BMP圖片點運算處理。包含圖像灰度線性變換、灰度非線性變換、圖像閾值化處理、圖像均衡化處理等知識，並結合前一篇論文灰度直方圖進行展示 。同一時候文章比較具體基礎，希望該篇文章對你有所幫助，尤其是剛開始學習的人和學習圖像處理的學生。


【數字圖像處理】一.MFC具體解釋顯示BMP格式圖片
【數字圖像處理】二.MFC單文檔切割窗體顯示圖片
【數字圖像處理】三.MFC實現圖像灰度、採樣和量化功能具體解釋
【數字圖像處理】四.MFC對話框繪制灰度直方圖

免費資源下載地址：
http://download.csdn.net/detail/eastmount/8764373


一. 點運算與初始操作

圖像的點運算是圖像處理中很基礎的技術，它主要用於改變一篇圖像的灰度分布範圍，通過一定的變換函數將圖像的像素進行轉換，終於生成一幅新的圖像。點運算的最大特點就是輸出像素值僅僅與當前輸入像素值相關。定義例如以下。
點運算(Point Operation)指對於一幅輸入圖像，將產生一幅輸出圖像，輸出圖像的每一個像素點的灰度值由輸入像素點決定。
點運算由灰度變換函數(Grap Scale Transformation，GST)確定：B(x,y)=F[A(x,y)]


須要註意一下幾點：
(1).與局部或鄰域運算的區別。輸入像素和輸出像素是一一相應的；(2).與幾何運算的區別，不改變圖像的空間關系；(3).又稱為對照增強。對照拉伸或灰度變換。

在前面第四篇博客的基礎上添加點運算處理。


第一步：在資源視圖中Menu中加入“圖像點運算”菜單條例如以下所看到的：

技術分享
相應的ID值為：
線性變換 ID_DYS_XXYD(點運算 線性移動) ID_DYS_XXZQ( 點運算 線性增強)
ID_DYS_XXJX(點運算 線性減小) ID_DYS_XXQB(點運算 線性求補)
非線性變換 ID_DYS_FXXPF(點運算 非線性平方) ID_DYS_FXXHS(非線性函數)
閾值變換 ID_DYS_YZBH(點運算 閾值變換) 圖像均衡化 ID_DYS_JHH

第二步：打開類向導(Ctrl+W)，為點運算每一個ID菜單加入對應的功能處理函數，例如以下圖所看到的：選擇類CImageProcessingView，在選擇IDs為ID_DYS_...(點運算)加入函數OnDysXxqb()線性求補。

技術分享

二. 線性變換

圖像線性變換是通過建立灰度映射來調整資源圖像的灰度。從而達到圖像增強的目的。當中GST函數f(D)為線性的。即：

技術分享
若a=1,b=0圖像像素不發生變化
若a=1,b!=0圖像全部灰度值上移或下移
若a>1輸出圖像對照度增強
若0<a<1輸出圖像對照度減小
若a<0暗區域變亮，亮區域變暗。圖像求補
 技術分享

1.D(B)=D(A)+50
首先是圖像移動。代碼例如以下：
/**********************************************************************/
/* 圖像點運算 4種線性變化直方圖：                                                
/* ID_DYS_XXYD:表示線性灰度變化移動 D(B)=D(A)+50  灰度值上移下移        
/* ID_DYS_XXZQ:表示線性灰度變化增強 D(B)=1.5*D(A) 圖像對照度增強       
/* ID_DYS_XXJX:表示線性灰度變化減小 D(B)=0.8*D(A) 圖像對照度減小       
/* ID_DYS_XXQB:表示線性灰度求補 D(B)=-1*D(A)+255  圖像暗區變亮,亮區變暗 
/**********************************************************************/

// 1.點運算 線性灰度變化移動 D(B)=D(A)+50
void CImageProcessingView::OnDysXxyd() 
{
	// TODO: Add your command handler code here
	if(numPicture==0) {
		AfxMessageBox("加載圖片後才幹線性灰度運算!",MB_OK,0);
		return;
	}
	AfxMessageBox("線性灰度直方圖-灰度變化移動 D(B)=D(A)+50!",MB_OK,0);
	int i;
	//打開暫時的圖片
	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	//讀取文件
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
	//灰度圖像
	unsigned char color;
	unsigned char red,green,blue;
	for( i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		if( (int)red+50 >255 )
			red=255;
		else
			red=(int)red+50;

		if( (int)green+50>255 )
			green=255;
		else
			green=(int)green+50;  

		if( (int)blue+50>255 )
			blue=255;
		else
			blue=(int)blue+50;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;       //賦值101在ShowBitmap中調用顯示處理後的圖片
	Invalidate();
}

同一時候改動void CImageProcessingView::ShowBitmap(CDC *pDC,
CString BmpName)函數中的代碼：

else        //圖像點運算 線性變化
if(level=101)
{
	m_hBitmapChange = (HBITMAP) LoadImage(NULL,BmpNameLin,IMAGE_BITMAP,0,0,
		LR_LOADFROMFILE|LR_DEFAULTSIZE|LR_CREATEDIBSECTION);
}
執行效果例如以下圖所看到的。同一時候我截取了直方圖(RGB同樣僅僅顯示一種)。
 技術分享
能夠發現圖像的灰度上移了50，圖像更白了（黑0-255白）。

2.D(B)=1.5*D(A) 
// 2.點運算 線性灰度變化增強 D(B)=1.5*D(A)
void CImageProcessingView::OnDysXxzq() 
{
	if(numPicture==0) {
		AfxMessageBox("加載圖片後才幹線性灰度運算!",MB_OK,0);
		return;
	}
	AfxMessageBox("線性灰度直方圖-灰度變化增強 D(B)=1.5*D(A)!",MB_OK,0);
	int i;
	//打開暫時的圖片
	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
	//灰度圖像
	unsigned char color;
	unsigned char red,green,blue;
	for( i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		if( (int)red*1.5 >255 )
			red=255;
		else
			red=(int)red*1.5;

		if( (int)green*1.5>255 )
			green=255;
		else
			green=(int)green*1.5;  
		
		if( (int)blue*1.5>255 )
			blue=255;
		else
			blue=(int)blue*1.5;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;      //線性變化 ShowBitmap中調用
	Invalidate();
}
執行效果例如以下圖所看到的，圖像對照度增強，平均灰度122*1.5=181
技術分享

3.D(B)=0.8*D(A)
// 3.點運算 線性灰度變化減小D(B)=0.8*D(A)
void CImageProcessingView::OnDysXxjx() 
{
	if(numPicture==0) {
		AfxMessageBox("加載圖片後才幹線性灰度處理!",MB_OK,0);
		return;
	}
	AfxMessageBox("線性灰度直方圖-灰度減小 D(B)=0.8*D(A)!",MB_OK,0);
	int i;
	//打開暫時的圖片
	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
	//灰度圖像
	unsigned char color;
	unsigned char red,green,blue;
	for( i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		red=(int)red*0.8;
		green=(int)green*0.8;  
		blue=(int)blue*0.8;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;
	Invalidate();
}
執行例如以下圖所看到的，圖像減弱。


技術分享


4.D(B)=-1*D(A)+255

// 4.點運算 線性灰度求補 D(B)=-1*D(A)+255
void CImageProcessingView::OnDysXxqb() 
{
	if(numPicture==0) {
		AfxMessageBox("加載圖片後才幹線性灰度處理!",MB_OK,0);
		return;
	}
	AfxMessageBox("線性灰度直方圖-灰度求補 D(B)=-1*D(A)+255!",MB_OK,0);
	int i;
	//打開暫時的圖片
	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
	//灰度圖像
	unsigned char color;
	unsigned char red,green,blue;
	for( i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		red=(int)red*(-1)+255;
		green=(int)green*(-1)+255;  
		blue=(int)blue*(-1)+255;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;
	Invalidate();
}
執行效果例如以下圖所看到的，它是圖像的求補。發現直方圖是互補的。
技術分享
PS:註意圖片以下的直方圖應該另一個處理後的直方圖，但原理都一樣，我不想反復工作，你自己能夠去簡單實現下，參考第四篇文章。

同一時候這些圖片制作還挺麻煩的，僅僅是為了給你更好的呈現它們的變化，希望對你實用和尊重作者，不喜勿噴~

三. 非線性變換

灰度非線性變換主要包含對數變換、冪次變換、指數變換、分段函數變換，通過非線性關系對圖像進行灰度處理。以下主要解說課件中的兩個函數對其進行處理。當中對數變換實現了擴展低灰度值而壓縮高灰度值的效果，圖像灰度分布更符合而你的視覺特征。

技術分享
1.D(B)=D(A)*D(A)/252
/************************************************************************/
/* 2種非線性變化直方圖：                                                
/* ID_DYS_FXXPF:表示非線性平方灰度變化,D(B)=D(A)*D(A)/255                
/* ID_DYS_FXXHS:表示非線性函數灰度變化,D(B)=D(A)+0.8*D(A)*(255-D(A))/255 
/************************************************************************/

// 非線性平方灰度變化 D(B)=D(A)*D(A)/252
void CImageProcessingView::OnDysFxxpf() 
{
	if(numPicture==0)
	{
		AfxMessageBox("加載圖片後才幹非線性灰度處理!",MB_OK,0);
		return;
	}
	AfxMessageBox("非線性灰度變化 D(B)=D(A)*D(A)/255!",MB_OK,0);
	int i;
	//打開暫時的圖片
	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	//讀取文件
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
	//灰度圖像
	unsigned char color;
	unsigned char red,green,blue;
	for( i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		red=(int)red*(int)red/255;
		green=(int)green*(int)green/255;
		blue=(int)blue*(int)blue/255;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;
	Invalidate();
}
執行效果例如以下圖所看到的：
技術分享
2.D(B)=D(A)+0.8*D(A)*(255-D(A))/255
// 非線性函數灰度變化 D(B)=D(A)+0.8*D(A)*(255-D(A))/255
void CImageProcessingView::OnDysFxxhs() 
{
	if(numPicture==0)
	{
		AfxMessageBox("加載圖片後才幹非線性灰度處理!",MB_OK,0);
		return;
	}
	AfxMessageBox("線性灰度直方圖-灰度變化增強 D(B)=D(A)+0.8*D(A)*(255-D(A))/255!",MB_OK,0);
	int i;

	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);	
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);

	unsigned char color;
	unsigned char red,green,blue;
	for( i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		if( ((int)red+0.8*(int)red*(255-(int)red)/255) > 255 )
			red=255;
		else
			red=(int)red+0.8*(int)red*(255-(int)red)/255;

		if( ((int)green+0.8*(int)green*(255-(int)green)/255) > 255 )
			green=255;
		else
			green=(int)green+0.8*(int)green*(255-(int)green)/255;  
		
		if( ((int)blue+0.8*(int)blue*(255-(int)blue)/255) > 255 )
			blue=255;
		else
			blue=(int)blue+0.8*(int)blue*(255-(int)blue)/255;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;
	Invalidate();
}
執行效果例如以下圖所看到的：
技術分享

寫到此處你會發現圖像灰度的線性變換和非線性變換是很easy的，主要是通過下面步驟完畢：
第一步：賦值處理後圖像的BMP頭信息
FILE *fpo = fopen(BmpName,"rb");
FILE *fpw = fopen(BmpNameLin,"wb+");
fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
第二步：通過循環和線性變換或非線性便函函數處理每個像素
for( i=0; i<m_nImage/3; i++ )
{
fread(&red,sizeof(char),1,fpo);
處理像素RBG 如:red=(int)red*(int)red/255;
fwrite(&red,sizeof(char),1,fpw);
}
第三步：調用ShowBitmap自己定義函數並重畫圖像
numPicture = 2;
level=101;
Invalidate();
而它的主要應用包含：光度學標定，希望數字圖像的灰度可以真實反映圖像的物理特性。對照度增強和對照度擴展；顯示標定和輪廓線確定(閾值化)。

四. 灰度閾值化

閾值又稱為臨界值，它的目的是確定出一個範圍，然後這個範圍內的部分使用同一種方法處理，而閾值之外的部分則使用還有一種處理方法或保持原樣。經常使用的包含產生二值圖：當x<T時y=0，當x>=T時y=255（當中T是閾值）。閾值變換在生物學上的應用比較廣泛，經常使用語細胞圖像切割等。
打開類向導(Ctrl+W)生成選擇ImageProcessingView類，IDs選擇ID_DYS_YZBH後加入對應的函數。代碼例如以下：

/**************************************************************/
/* ID_DYS_YZBH:表示點運算閾值變換 也看做灰度拉伸                   
/* 此處的拉伸是：閾值化(thresholding)能夠看作是削波的一個特例 
/* 僅僅要令削波中的g1old=g2old就實現了閾值化。                  
/* 閾值就象個門檻，比它大就是白，比它小就是黑,二值            
/**************************************************************/

void CImageProcessingView::OnDysYzbh() 
{
	if(numPicture==0)
	{
		AfxMessageBox("加載圖片後才幹點運算閾值化處理!",MB_OK,0);
		return;
	}
	AfxMessageBox("圖像點運算閾值化處理!",MB_OK,0);
	//讀寫文件
	FILE *fpo = fopen(BmpName,"rb");
	FILE *fpw = fopen(BmpNameLin,"wb+");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);
	//處理
	unsigned char color;
	unsigned char red,green,blue;
	for(int i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		if( (int)red > 128 )
			red=255;
		else
			red=0;

		if( (int)green > 128 )
			green=255;
		else
			green=0;  
		
		if( (int)blue > 128 )
			blue=255;
		else
			blue=0;

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpo);
	fclose(fpw);
	numPicture = 2;
	level=101;
	Invalidate();
}
執行效果例如以下圖所看到的。感覺還挺好看的，顯然此時的直方圖就是0和255兩條直線。

技術分享


五. 灰度均衡化

灰度均衡化的目的是使一輸入圖像轉換為在每一灰度級上都有同樣的像素點（即輸出的直方圖是平的），它能夠產生一幅灰度級分布概率均衡的圖像。
換句話說。經過均衡化後的圖像在每一級灰度上像素點的數量相差不大。相應的灰度直方圖的每一級高度也相差不大。

它是增強圖像的有效手段之中的一個。


研究思路是通過直方圖變換公式實現：

技術分享
它的過程例如以下圖所看到的：
 技術分享
例：有一幅圖象，共同擁有16級灰度，其直方圖分布為Pi, i=0,1,…,15。求經直方圖均衡化後，量化級別為10級的灰度圖象的直方圖分布Qi。當中Pi和Qi為分布的概率，即灰度i出現的次數與總的點數之比。


Pi：0.03, 0, 0.06, 0.10, 0.20, 0.11, 0, 0, 0, 0.03, 0, 0.06, 0.10, 0.20, 0.11, 0
步驟1：用一個數組s記錄Pi，即s[0]=0.03,s[1]=0,s[2]=0.06,…,s[14]=0.11,s[15]=0
步驟2：i從1開始，令s[i]=s[i]+s[i-1]，得到的結果是s： 0.03, 0.03, 0.09, 0.19, 0.39, 0.50, 0.50, 0.50, 0.50, 0.53, 0.53, 0.59, 0.69, 0.89, 1.0, 1.0
 步驟3：用一個數組L記錄新的調色板索引值，即令L[i]=s[i]×(10-1)，得到的結果是L：0,0,1,2,4,5,5,5,5,5,5,5,6,8,9,9
這樣就找到了原來的調色板索引值和新的調色板索引值之間的相應關系。即
0→0, 1→0, 2→1, 3→2, 4→4, 5→5, 6→5, 7→5, 8→5, 9→5, 10→5, 11→5, 12→6, 13→8, 14→9, 15→9。
 步驟4：將老的索引值相應的概率合並，作為相應的新的索引值的概率。

比如。原來的索引值0,1都相應了新的索引值0。則灰度索引值為0的概率為P0+P1=0.03；新的索引值3和7找不到老的索引值與之相應，所以令Q3和Q7為0。最後得到的結果是Qi：0.03, 0.06, 0.10, 0, 0.20, 0.20, 0.10, 0, 0.20, 0.11
技術分享
代碼中有具體凝視例如以下：

// ID_DYS_JHH:表示圖像均衡化 相見算法
void CImageProcessingView::OnDysJhh() 
{
	if(numPicture==0) {
		AfxMessageBox("加載圖片後才幹圖像均衡化!",MB_OK,0);
		return;
	}
	AfxMessageBox("圖像均衡化!",MB_OK,0);

    //第一步:獲取圖像的數據信息
	//此操作能夠在打開圖片時就進行 在直方圖採樣(ZFTCY)中也有該代碼
	FILE *fpo = fopen(BmpName,"rb");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);

	int i,j,k;
	for(j=0;j<256;j++) { //定義數組並清零
		Red[j]=0;
		Green[j]=0;
		Blue[j]=0;
	}
	
	//計算4個數據
	unsigned char red,green,blue;
	int IntRed,IntGreen,IntBlue;                  //強制轉換
	double sumRedHD=0,sumGreenHD=0,sumBlueHD=0;   //記錄像素總的灰度值和
	for(i=0; i<m_nImage/3; i++ )
	{
		fread(&red,sizeof(char),1,fpo);
		IntRed=int(red);
		sumRedHD=sumRedHD+IntRed;
		if( IntRed>=0 && IntRed<256 ) Red[IntRed]++;
		
		fread(&green,sizeof(char),1,fpo);
		IntGreen=int(green);
		sumGreenHD=sumGreenHD+IntGreen;
		if( IntGreen>=0 && IntGreen<256 ) Green[IntGreen]++;
		
		fread(&blue,sizeof(char),1,fpo);
		IntBlue=int(blue);
		sumBlueHD=sumBlueHD+IntBlue;
		if( IntBlue>=0 && IntBlue<256 ) Blue[IntBlue]++;
	}
	fclose(fpo);

	/*****************************************************************/
	/* 圖像均衡化處理                                                
	/* 利用全局變量 Red[256] Blue[256] Green[256]                    
	/* 第一步:用3個數組Count..記錄0-255灰度出現的概率，即            
	/*        概率=該灰度出現次數*3/總得像素 (由於分成3部分RGB)      
	/* 第二步:i從1開始。令s[i]=s[i]+s[i-1] 記錄新概率數              
	/* 第三步:用一個數組L記錄新的調色板索引值，即                    
	/*        L[i]=s[i]×(256-1)結果四舍五入2.8即為3                 
	/* 第四步:將老的索引值相應的概率合並，作為相應的新的索引值的概率 
	/*   1.原來的索引值0,1都相應了新的索引值0，則灰度索引值為0的概率 
	/*     為P0+P1=0.03                                              
	/*   2.新的索引值3和7找不到老的索引值與之相應。所以令Q3和Q7為0   
	/*****************************************************************/

	//記錄出現的概率,會加到1 用於相加到調色板
	float CountRed[256],CountGreen[256],CountBlue[256];      
	//記錄原始數據,不會相加到1 用於計算新灰度概率
	float CountRedLin[256],CountGreenLin[256],CountBlueLin[256];   

	for( k=0 ; k<256 ; k++ )
	{
		CountRed[k]=(float)(Red[k])*3/m_nImage;
		CountRedLin[k]=CountRed[k];
		CountGreen[k]=(float)(Green[k])*3/m_nImage;
		CountGreenLin[k]=CountGreen[k];
		CountBlue[k]=(float)(Blue[k])*3/m_nImage;
		CountBlueLin[k]=CountBlue[k];
	}
	
	for( k=1 ; k<256 ; k++ )
	{ 
		CountRed[k]=CountRed[k]+CountRed[k-1];
		CountGreen[k]=CountGreen[k]+CountGreen[k-1];
		CountBlue[k]=CountBlue[k]+CountBlue[k-1];
	}

	/****************************************************/
	/* 此處百度到一個四舍五入浮點型的算法:              
	/* float a=3.456;   保留到小數點後兩位              
	/* float b=(int)((a * 100) + 0.5) / 100.0;          
	/* output b=3.46                                    
	/****************************************************/

	int LRed[256],LGreen[256],LBlue[256];   //記錄調色板
	for( k=0 ; k<256 ; k++ )
	{
		LRed[k]=(int)(CountRed[k]*(256-1)+0.5);
		LGreen[k]=(int)(CountGreen[k]*(256-1)+0.5);
		LBlue[k]=(int)(CountBlue[k]*(256-1)+0.5);
	}

	//第三步:處理均衡化圖像寫入 打開暫時的圖片
	fpo = fopen(BmpName,"rb");
	fread(&bfh,sizeof(BITMAPFILEHEADER),1,fpo);
	fread(&bih,sizeof(BITMAPINFOHEADER),1,fpo);

	FILE *fpw = fopen(BmpNameLin,"wb+");
	fwrite(&bfh,sizeof(BITMAPFILEHEADER),1,fpw);
	fwrite(&bih,sizeof(BITMAPINFOHEADER),1,fpw);

	//m_nWidth*m_nHeight 讀取圖片最後一行不為m_nWidth時會報錯 改為m_nImage/3
	for( i=0; i<m_nImage/3 ; i++ )
	{	
		fread(&red,sizeof(char),1,fpo);
		fread(&green,sizeof(char),1,fpo);
		fread(&blue,sizeof(char),1,fpo);

		red=LRed[int(red)];
		green=LGreen[int(green)];
		blue=LBlue[int(blue)];

		fwrite(&red,sizeof(char),1,fpw);
		fwrite(&green,sizeof(char),1,fpw);
		fwrite(&blue,sizeof(char),1,fpw);
	}
	fclose(fpw);
	numPicture = 2;
	level=101;
	Invalidate();	
}
執行結果例如以下圖所看到的。圖像增強並且異常清晰：
技術分享
技術分享
最後介紹下圖像對照度拉伸，它就是把你感興趣的灰度範圍拉開。使得該範圍內像素，亮的更亮，暗的更暗。從而達到增強對照度的目的。
例如以下圖所看到的，a、b、c為三段直線的斜率。g1old和g2old表示途中要進行對照度擴展的範圍，g1new和g2new表示相應的新值。當g1old=g2old就是二值圖像閾值化處理。
 技術分享 技術分享 因為灰度界別也是255這個約束，所以滿足
技術分享
當中g1old=100。g2old=150。b=3.0的執行效果例如以下所看到的： 技術分享


最後還是希望文章對你有所幫助，假設文章有不足或錯誤之處。請海涵。近期挺忙的，寫這些古老的文章有人說在浪費青春，但我還是準備把這個系列講完。很高興曾經的代碼凝視和風格都不錯，回顧起來挺好的。希望你也能養成好的代碼和凝視風格~
（By:Eastmount 2015-06-02 下午4點 http://blog.csdn.net/eastmount/）



【數字圖像處理】五.MFC圖像點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理具體解釋

相關推薦

【數字圖像處理】五.MFC圖像點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理具體解釋

tput rgb 強制轉換 spa ros 例如 read 算法 nload 本文主要講述基於VC++6.0 MFC圖像處理的應用知識，主要結合自己大三所學課程《數字圖像處理》及課件進行解說。主要通過MFC單文檔視圖實現顯示BMP圖片

【數字影象處理】七.MFC影象增強之影象普通平滑、高斯平滑、Laplacian、Sobel、Prewitt銳化詳解

        程式碼如下：void CImageProcessingView::OnTxzqPtph2() { if(numPicture==0) { AfxMessageBox("載入圖片後才能影象增強(平滑)!",MB_OK,0); return; } AfxMessageBox("影象

【高軟作業4】：Tomcat 觀察者模式解析 之 Lifecycle 五分鐘讀懂UML類圖

一. 預備 如果你是Windows使用者，使用Eclipse，並且想自行匯入原始碼進行分析，你可能需要：Eclipse 匯入 Tomcat 原始碼 如果你已遺忘 觀察者模式，那麼你可以通過該文章回顧：設計模式（五）觀察者模式 如果你已遺忘 UML類圖相關知識，那麼你可以通過文章 （五分鐘讀懂U

【OpenCV影象處理】五、影象的幾何變換（下）

5.1 影象的縮放變換 影象的縮放指的是將影象的尺寸變小或變大的過程，也就是減少或增加原影象資料的畫素個數。簡單來說，就是通過增加或刪除畫素點來改變影象的尺寸。當影象縮小時，影象會變得更加清晰，當影象放大時，影象的質量會有所下降，因此需要進行插值處理。 在影象縮放中常常會用

【Hadoop 分布式部署 五：分布式部署之分發、基本測試及監控】

conda -s 啟動 上啟 res 點擊 mon web頁面 mapr 1.對 hadoop 進行格式化 　　　　到 /opt/app/hadoop-2.5.0 目錄下　　執行命令： bin/hdfs namenode -format 　　　　　　執行的效果圖

jzo5934. 【NOIP2018模擬10.29】列隊(二分圖匹配)

5934. 【NOIP2018模擬10.29】列隊 Description Sylvia是一個熱愛學習的女孩子。 在平時的練習中，他總是能考到std以上的成績，前段時間，他參加了一場練習賽，眾所周知，機房是一個 的方陣。這天，他又打爆了std，感到十分無聊，便想要hack機房內同學的

JZOJ 5926. 【NOIP2018模擬10.25】naive 的圖

題目 給定一個帶權無向圖。每個點都有它的顏色。定義 D ( s

【自然語言處理】良心資源，不點開會後悔的那種

ACL文章連結 http://www.aclweb.org/anthology/ 2016年ACL-WMT機器翻譯資料集 PaperWeekly http://rsarxiv.github.io/ 中國NLP聯盟（牆裂推薦） ht

python 刷LeetCode 之 【數字的補數】

class Solution: def findComplement(num): """ :type num: int :rtype: int """ i = 1 #從第一位開始一位一位按

【演算法課程實驗一】五種排序演算法的分析比較

實驗目的：掌握選擇排序、氣泡排序、合併排序、快速排序、歸併排序的演算法原理分析不同排序演算法的時間效率和時間複雜度，以及理論值與實測資料的對比分析。一、氣泡排序演算法虛擬碼：for i=1 to n      for j=0 to n-i

【React自制全家桶】五、React元件的生命週期函式詳解

一、總覽React元件的生命週期函式 　　什麼是生命週期函式：簡單的來說就是 在某個時刻會自動執行的函式 二、React的生命週期函式主要由四塊組成 分別是：元件初始化、元件掛載、元件更新、元件解除安裝 三、生命週期之元件初始化 作用：元件初始時設定pr

【資料結構與演算法】 有向圖的最短路徑實現

Goal: Practice the algorithms of shortest pathproblem. Task:用一個有向圖表示給定的n個（要求至少10個）城市（或校園中的一些地點）及其之間的道路、距離情況，道路是有方向的。要求完成功能：根據使用者輸入的任意兩個城

【計算機圖形學課程】一.MFC基本繪圖函式使用方法

        這是最近我《計算機圖形學》課程實踐程式設計課介紹的相關知識，主要是想通過MFC C++繪圖，讓學生體會下圖形學相關的程式設計及簡單的圖形繪製，同時非常佩服學生的想象力，他們做得真的不錯。希望這篇基礎文章對你有所幫助吧！尤其是有這門課程的學生或程式設計愛好者，如

【ubuntu14.04配置caffe】五——安裝anaconda、pycuda

在ubuntu14.04下配置caffe主要有以下步驟： 本文介紹anaconda以及pycuda的安裝配置 0.確保cuda已正確安裝並且環境變數設定正確 注意：需要設定$CUDA_

【離線 線段樹分治】bzoj4025: 二分圖

昨天mac的gdb掛了，今天怎麼筆記本的gdb也掛了…… Description 神犇有一個n個節點的圖。因為神犇是神犇，所以在T時間內一些邊會出現後消失。神犇要求出每一時間段內這個圖是否是二分圖。這麼簡單的問題神犇當然會做了，於是他想考考你。 Input 輸

【T-Tensorflow框架學習】Tensorflow “計算圖”入門理解

# Tensorflow 不是一個普通的 Python 庫。大多數 Python 庫被編寫為 Python 的自然擴充套件形式。當你匯入一個庫時，你得到的是一組變數、函式和類，它們補充並擴充套件了你的程式碼“工具箱”。使用這些庫時，你知道它們將產生怎樣的結果

【C語言簡單說】五：常用運算子

其實。。。這一節我我猜大家幾分鐘就會了（）…(⊙_⊙;)… ○圭~○列~~怎麼醬？ 因為我相信大家的智商，我就隨便給大家提一下就好了。我們看以下的程式碼： #include<stdio.h&g

【Unity實用小方法】判斷貼圖是否為透明貼圖

private bool JudgeTransparentPic(TextureFormat format) { //所有貼圖格式帶alpha通道的格式，帶alpha通

【MongoDB詳細使用教程】五、MongoDB的資料庫管理

目錄 1、資料庫安全 1.1、建立管理員賬號和密碼 1.2、設定服務狀態為需要驗證使用者 1.3、建立使用者賬戶和密碼 1.4、忘記密碼/修改密碼 2、主從伺

【python系統學習06】一張圖看懂列表並學會操作

點選跳轉-原文地址 資料型別 - 列表(list) 目錄: 一張圖瞭解列表列表是什麼列表長啥樣語法格式程式碼示例格式特徵列表定義列表操作 - 提取單個：偏移量什麼是偏移量偏移量提取示例偏移量值的大小偏移量提取的結果列表操作 - 提取多個：切片切片簡介切片示例切片作用切片選中規則切片提取的結果列表操作 - 增加