添加链接 注册    登录
link管理
链接快照平台
  • 输入网页链接，自动生成快照
  • 标签化管理网页链接
相关文章推荐
自信的抽屉  ·  数字图像处理第一次作业 - hqqxyy ...·  1 月前    · 
力能扛鼎的酱肘子  ·  数字图像处理论文通用12篇 - 学术之家·  2 月前    · 
正直的香瓜  ·  二、数字图像处理基本运算 - 简书·  6 月前    · 
还单身的松鼠  ·  《数字图像处理_第三版_中_冈萨雷斯》第五章 ...·  8 月前    · 
高大的小摩托  ·  第5章 Python ...·  8 月前    · 
鼻子大的柑橘  ·  读史李自成在北京的42天_宁夏回族自治区发展 ...·  6 天前    · 
强悍的蘑菇  ·  马科斯略伦特：很激动 ...·  2 月前    · 
低调的数据线  ·  关于公布2024年各类高中集中统一招生第二批 ...·  3 月前    · 
性感的卤蛋  ·  谈完大事喜事 看万千气象的新四川--2024 ...·  4 月前    · 
体贴的麦片  ·  全网首发：LINUX编译JNA：编译产生li ...·  10 月前    · 
link管理  ›  数字图像处理第一次作业 - hqqxyy
iplimage cvcreateimage 图像像素 数字图像处理
https://www.cnblogs.com/hqqxyy/archive/2013/03/12/2956476.html
自信的抽屉
1 月前

话说数字图像作业可是真多啊.而网上找的版本大都是Matlab做的,为了使学弟学妹们的可用的版本多一点,想着数字图像处理怎么可以没有OpenCV这个大杀器,尽管用OpenCV确实是比Matlab要麻烦很多,但是为了提高自己的编程能力, 本着我不入地狱谁入地狱的原则, 也是为了给我可爱的学弟学妹们留下一点财富吧.(你的老师要是也布置这样的作业, 那毫无疑问, 咱们是一个大学的, 甚至我们的老师都是同一个人, 当你们默默的复制粘贴时, 可千万不要忘了你们的学长啊).

进入正题，本次主要解决五个问题

1、Bmp图像格式简介；
2、把lena 512*512图像灰度级逐级递减8-1显示；
3、计算lena图像的均值方差；
4、把lena图像用近邻、双线性和双三次插值法zoom到2048*2048；
5、把lena和elain图像分别进行水平shear（参数可设置为1.5，或者自行选择）和旋转30度，并采用用近邻、双线性和双三次插值法zoom到2048*2048；

一、  BMP图像格式简介

BMP( Bitmap-File )图形文件是Windows采用的图形文件格式，在Windows环境下运行的所有图像处理软件都支持BMP图像文件格式。 Windows系统内部各图像绘制操作都是以BMP为基础的。Windows 3.0以前的BMP图像文件格式与显示设备有关，因此把这种BMP图像文件格式称为设备相关位图DDB( device-dependent bitmap )文件格式。Windows 3.0以后的BMP图像文件与显示设备无关，因此把这种BMP图像文件格式称为设备无关位图DIB( device-independent bitmap )格式。

Windows 3.0以后，在系统中仍然存在DDB位图。像 BitBlt 这种函数就是基于DDB位图的,只不过如果你想将图像以BMP格式保存到磁盘文件中时,微软极力推荐你以DIB格式保存,目的是为了让Windows能够在任何类型的显示设备上显示所存储的图像。BMP位图文件默认的文件扩展名是BMP或者bmp，有时它也会以.DIB或.RLE作扩展名。

二、  把lena 512*512图像灰度级逐级递减8-1显示

Lena                                                                                        elain

本次应当对单个像素点一一处理，故使用了cvGet2D来取每一个像素点的值，通过整形和浮点型的运算来分级，然后通过cvSet2D函数设置每个像素点的值。具体程序请向后翻，其实博主事先是想用指针对数组操作来处理的，但是总是报内存错误，不清楚是哪儿的原因，好像是OpenCV内部函数的缘故，当做加减法时，会出现条纹，当做乘除法时，直接报错，调试时发现单个像素点可以达到1.6*e10的值，远大于256，不明所以。还请高手明示。这是用指针时的代码 

//对行 进行遍历
        for(y=0;y<mat_3Chanel.rows;y++)
                //将指针偏移到第y行 的起始处
                float* p_float = (float*)(mat_3Chanel.data.ptr + y*mat_3Chanel.step) ;
                //对第y行的 元素进行遍历
                for(x=0;x<mat_3Chanel.cols;x++)
                         *(p_float+x*nChannels) = int(*(p_float+x*nChannels)/2.0)*2; //指针偏移到第y行的第x个元素的起始处

正确代码请往后翻啊，先贴个例子，这是将Lena化为两个灰度级的核心函数


cv::Scalar pixel1;
    //int nChannels = 1;
    for(y=0;y<lena->height;y++)
        for(x=0;x<lena->width;x++)
            //得到一个像素的值
            pixel1 = cvGet2D( lena, y, x);
            //转换
            pixel1.val[0] = int(pixel1.val[0]/128.0)*128;
            //设置格式
            cvSet2D( lena1, y, x, pixel1 );

    cvResize(lena, lena_NN, CV_INTER_NN);
    cvResize(lena, lena_LINEAR, CV_INTER_LINEAR);
    cvResize(lena, lena_CUBIC, CV_INTER_CUBIC);


其中CV_INTER_NN代表的是近邻插值法, CV_INTER_LINEAR代表的是双线性插值法, CV_INTER_CUBIC代表的是双三次插值法


又由于2048*2048的图像过大,不易于显示,故采用CV_WINDOW_NORMAL形式显示.


对了这个程序还有一个小bug，我给lena_NN创建窗口时，用了CV_WINDOW_NORMAL，但是显示时还是很大，不知道为什么


三者仅凭肉眼是很难看出差别的，与原图像相比也很难找出不同之处，表示这三者在对图像的显示方面都是很好的。


五、  把lena和elain图像分别进行水平shear（参数可设置为1.5，或者自行选择）和旋转30度，并采用用近邻、双线性和双三次插值法zoom到2048*2048；


注：下面大段引用小魏的博客，其实我觉的她讲的比我好多了，建议你们想搞明白的直接去翻她的博客，网址：http://blog.csdn.net/xiaowei_cqu/article/details/7616044


好，我们继续


几何变换可以看成图像中物体（或像素）空间位置改变，或者说是像素的移动。


几何运算需要空间变换和灰度级差值两个步骤的算法，像素通过变换映射到新的坐标位置，新的位置可能是在几个像素之间，即不一定为整数坐标。这时就需要灰度级差值将映射的新坐标匹配到输出像素之间。最简单的插值方法是最近邻插值，就是令输出像素的灰度值等于映射最近的位置像素，该方法可能会产生锯齿。插值算法感觉只要了解就可以了，图像处理中比较需要理解的还是空间变换。


空间变换对应矩阵的仿射变换。一个坐标通过函数变换的新的坐标位置：


所以在程序中我们可以使用一个2*3的数组结构来存储变换矩阵：


以最简单的平移变换为例，平移（b1,b2）坐标可以表示为：


因此，平移变换的变换矩阵及逆矩阵记为：


缩放变换：将图像横坐标放大（或缩小）sx倍，纵坐标放大（或缩小）sy倍，变换矩阵及逆矩阵为：


选择变换：图像绕原点逆时针旋转a角，其变换矩阵及逆矩阵（顺时针选择）为：


OpenCV中的图像变换函数


基本的放射变换函数：


void cvWarpAffine(   
    const CvArr* src,//输入图像  
    CvArr* dst, //输出图像  
    const CvMat* map_matrix,   //2*3的变换矩阵  
    int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,   //插值方法的组合  
    CvScalar fillval=cvScalarAll(0)   //用来填充边界外的值  

另外一个比较类似的函数是cvGetQuadrangleSubPix：


void cvGetQuadrangleSubPix(   
       const CvArr* src,  //输入图像   
       CvArr* dst,   // 提取的四边形  
       const CvMat* map_matrix //2*3的变换矩阵  

这个函数用以提取输入图像中的四边形，并通过map_matrix变换存储到dst中，与WarpAffine变换意义相同，


即对应每个点的变换：


WarpAffine与 GetQuadrangleSubPix 不同的在于cvWarpAffine 要求输入和输出图像具有同样的数据类型，有更大的资源开销（因此对小图像不太合适）而且输出图像的部分可以保留不变。而 cvGetQuadrangleSubPix 可以精确地从8位图像中提取四边形到浮点数缓存区中，具有比较小的系统开销，而且总是全部改变输出图像的内容。


首先对shear. 在OpenCV 2.3的参考手册中《opencv_tutorials》介绍了一种确定变换矩阵的方法，通过三个点变换的几何关系映射实现变换。


shear核心代码


srcTri[0] = Point2f( 0,0 ); 
    srcTri[1] = Point2f( src.cols - 1, 0 ); 
    srcTri[2] = Point2f( 0, src.rows - 1 ); 
    dstTri[0] = Point2f( src.cols*0.0, src.rows*0.0); 
    dstTri[1] = Point2f( src.cols * 0.5, src.rows*0.0 ); 
    dstTri[2] = Point2f( src.cols*0.5, src.rows - 1 );
    warp_mat = getAffineTransform( srcTri, dstTri ); 
warpAffine( src, warp_dst, warp_mat, warp_dst.size() );


然后就是扩展至2048*2048 , 其核心代码为


    cv::resize( warp_dst , lena_shear_NN,cv::Size(2048,2048),CV_INTER_NN);
    cv::resize( warp_dst , lena_shear_LINEAR,cv::Size(2048,2048),CV_INTER_LINEAR);
    cv::resize( warp_dst , lena_shear_CUBIC,cv::Size(2048,2048),CV_INTER_CUBIC);

    CvPoint2D32f center = cvPoint2D32f(width / 2, height / 2);   
    cv2DRotationMatrix(center, 30, 1.0, &map_matrix);   
    map[2] += (width_rotate - width) / 2;   
    map[5] += (height_rotate - height) / 2;


然后就是旋转运算和放大（690是博主试了好多次才试出来的，大小刚好撑得下512旋转30度）


    cv::warpAffine( elain ,elain_rotate_NN, map_matrix1,cv::Size(690,690),CV_INTER_NN);
    cv::warpAffine( elain ,elain_rotate_LINEAR, map_matrix1,cv::Size(690,690),CV_INTER_LINEAR);
    cv::warpAffine( elain ,elain_rotate_CUBIC, map_matrix1,cv::Size(690,690),CV_INTER_CUBIC);
    cv::resize( elain_rotate_NN, elain_rotate_NN, cv::Size(2048,2048),CV_INTER_NN);
    cv::resize( elain_rotate_LINEAR, elain_rotate_LINEAR, cv::Size(2048,2048),CV_INTER_LINEAR);
    cv::resize( elain_rotate_CUBIC, elain_rotate_CUBIC, cv::Size(2048,2048),CV_INTER_CUBIC);


六、  总结


OpenCV确实是比Matlab要麻烦很多,但是可以加强我们的动手能力, 同时加强我们对图像本质的认识,不过,我认为从中学到的东西最重要的是面对困难时的心态和方法, 以及当面对位置问题时分析问题,解决问题的能力和信心吧,毕竟问题是永远也解决不完的,但是我们可以改变的是面对困难时的态度提升的是我们的能力, 还有一点是小魏说的，我觉的挺好的，就是别人总结出来的东西能帮助我们在一开始迅速入门，但要学深，学精，终归还是要自己去努力挖的。


七、  源代码


// Homework No1.cpp : Defines the entry point for the console application.
// houqiqi 
#include "stdafx.h"
#include <iostream>
#include "highgui.h"
#include "cv.h"
#include "cxcore.h"
#include "math.h"
using namespace std;
using namespace cv;
int _tmain(int argc, _TCHAR* argv[])
    //load the image lena
    IplImage* lena = cvLoadImage ( "C:\\Users\\qiqi\\Desktop\\第一次作业[1]\\lena.bmp",0);
    IplImage* lena1 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena2 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena3 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena4 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena5 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena6 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena7 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    IplImage* lena8 = cvCreateImage( cvGetSize( lena ), lena->depth, lena->nChannels);
    //create windows 
    cv::namedWindow( "lena8", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena7", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena6", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena5", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena4", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena3", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena2", CV_WINDOW_AUTOSIZE );
    cv::namedWindow( "lena1", CV_WINDOW_AUTOSIZE );
    int y, x; 
    float temp;
    cv::Scalar pixel1;
    cv::Scalar pixel2;
    cv::Scalar pixel3;
    cv::Scalar pixel4;
    cv::Scalar pixel5;
    cv::Scalar pixel6;
    cv::Scalar pixel7;
    cv::Scalar pixel8;
    //int nChannels = 1;
    for(y=0;y<lena->height;y++)
        for(x=0;x<lena->width;x++)
            pixel1 = cvGet2D( lena, y, x);
            pixel2 = cvGet2D( lena, y, x);
            pixel3 = cvGet2D( lena, y, x);
            pixel4 = cvGet2D( lena, y, x);
            pixel5 = cvGet2D( lena, y, x);
            pixel6 = cvGet2D( lena, y, x);
            pixel7 = cvGet2D( lena, y, x);
            pixel8 = cvGet2D( lena, y, x);
            pixel1.val[0] = int(pixel1.val[0]/128.0)*128;
            pixel2.val[0] = int(pixel2.val[0]/64.0)*64;
            pixel3.val[0] = int(pixel3.val[0]/32.0)*32;
            pixel4.val[0] = int(pixel4.val[0]/16.0)*16;
            pixel5.val[0] = int(pixel5.val[0]/8.0)*8;
            pixel6.val[0] = int(pixel6.val[0]/4.0)*4;
            pixel7.val[0] = int(pixel7.val[0]/2.0)*2;
            pixel8.val[0] = int(pixel8.val[0]/1.0)*1;
            cvSet2D( lena1, y, x, pixel1 );
            cvSet2D( lena2, y, x, pixel2 );
            cvSet2D( lena3, y, x, pixel3 );
            cvSet2D( lena4, y, x, pixel4 );
            cvSet2D( lena5, y, x, pixel5 );
            cvSet2D( lena6, y, x, pixel6 );
            cvSet2D( lena7, y, x, pixel7 );
            cvSet2D( lena8, y, x, pixel8 );
    //show the image
    cvShowImage( "lena1", lena1);
    cvShowImage( "lena2", lena2);
    cvShowImage( "lena3", lena3);
    cvShowImage( "lena4", lena4);
    cvShowImage( "lena5", lena5);
    cvShowImage( "lena6", lena6);
    cvShowImage( "lena7", lena7);
    cvShowImage( "lena8", lena8);
/***********************************************************************************
                we calculate the averery and std_dev
***********************************************************************************/
    CvScalar Avg;
    CvScalar std_dev;
    cvAvgSdv( lena, &Avg, &std_dev);
    cout<<"averege is "<<Avg.val[0]<<endl;
    cout<<"std_dev is "<<std_dev.val[0]<<endl;
/************************************************************************************
               we  convert the lena 512*512  to 2048*2048 by NN, LINEAR and CUBIC
************************************************************************************/
    IplImage* lena_NN        = cvCreateImage( cvSize(2048,2048), lena->depth, lena->nChannels);
    IplImage* lena_LINEAR    = cvCreateImage( cvSize(2048,2048), lena->depth, lena->nChannels);
    IplImage* lena_CUBIC    = cvCreateImage( cvSize(2048,2048), lena->depth, lena->nChannels);    
    cvNamedWindow("lena_NN",CV_WINDOW_NORMAL);
    cvNamedWindow("lena_LINEAR",CV_WINDOW_NORMAL);
    cvNamedWindow("lena_CUBIC",CV_WINDOW_NORMAL);
    cvResize(lena, lena_NN, CV_INTER_NN);
    cvResize(lena, lena_LINEAR, CV_INTER_LINEAR);
    cvResize(lena, lena_CUBIC, CV_INTER_CUBIC);
    cvShowImage("lena_NN",lena_NN);
    cvShowImage("lena_LINEAR",lena_LINEAR);
    cvShowImage("lena_CUBIC",lena_CUBIC);
/*********************************************************************************************
                     we shear lena whose parameter is 2
*********************************************************************************************/
    Point2f srcTri[3];  
    Point2f dstTri[3];  
    Mat rot_mat( 2, 3, CV_32FC1 );  
    Mat warp_mat( 2, 3, CV_32FC1 );  
    Mat src, warp_dst, warp_rotate_dst;  
    //读入图像  
    src = imread( "C:\\Users\\qiqi\\Desktop\\第一次作业[1]\\lena.bmp", 1 );  
    warp_dst = Mat::zeros( src.rows, src.cols, src.type() );  
    srcTri[0] = Point2f( 0,0 );  
    srcTri[1] = Point2f( src.cols - 1, 0 );  
    srcTri[2] = Point2f( 0, src.rows - 1 );  
    dstTri[0] = Point2f( src.cols*0.0, src.rows*0.0);  
    dstTri[1] = Point2f( src.cols * 0.5, src.rows*0.0 );  
    dstTri[2] = Point2f( src.cols*0.5, src.rows - 1 ); 
    warp_mat = getAffineTransform( srcTri, dstTri );  
    warpAffine( src, warp_dst, warp_mat, warp_dst.size() );
    Mat lena_shear_NN;
    Mat lena_shear_LINEAR;
    Mat lena_shear_CUBIC;
    cv::resize( warp_dst , lena_shear_NN,cv::Size(2048,2048),CV_INTER_NN);
    cv::resize( warp_dst , lena_shear_LINEAR,cv::Size(2048,2048),CV_INTER_LINEAR);
    cv::resize( warp_dst , lena_shear_CUBIC,cv::Size(2048,2048),CV_INTER_CUBIC);
    cv::namedWindow("lena_shear_NN",CV_WINDOW_NORMAL);
    cv::namedWindow("lena_shear_LINEAR",CV_WINDOW_NORMAL);
    cv::namedWindow("lena_shear_CUBIC",CV_WINDOW_NORMAL);
    cv::imshow("lena_shear_NN",lena_shear_NN);
    cv::imshow("lena_shear_LINEAR",lena_shear_LINEAR);
    cv::imshow("lena_shear_CUBIC",lena_shear_CUBIC);
/*********************************************************************************************
 we rotated the elain Image 30 degrees and convert it to 2048*2048 by NN, LINEAR and CUBIC
*********************************************************************************************/
    Mat elain = imread("C:\\Users\\qiqi\\Desktop\\第一次作业[1]\\elain1.bmp",1);
    double angle = 30  * CV_PI / 180.;
    double a = sin(angle), b = cos(angle); 
    int width = elain.cols;    
    int height =elain.rows;    
    int width_rotate= int(height * fabs(a) + width * fabs(b));    
    int height_rotate=int(width * fabs(a) + height * fabs(b)); 
    float map[6];  
    CvMat map_matrix = cv::Mat(2, 3, CV_32F, map);   
    CvPoint2D32f center = cvPoint2D32f(width / 2, height / 2);    
    cv2DRotationMatrix(center, 30, 1.0, &map_matrix);    
    map[2] += (width_rotate - width) / 2;    
    map[5] += (height_rotate - height) / 2;  
    Mat elain_rotate_NN;   
    Mat elain_rotate_LINEAR;
    Mat elain_rotate_CUBIC;
    Mat map_matrix1 = Mat::Mat( &map_matrix );
    cv::warpAffine( elain ,elain_rotate_NN, map_matrix1,cv::Size(690,690),CV_INTER_NN); 
    cv::warpAffine( elain ,elain_rotate_LINEAR, map_matrix1,cv::Size(690,690),CV_INTER_LINEAR); 
    cv::warpAffine( elain ,elain_rotate_CUBIC, map_matrix1,cv::Size(690,690),CV_INTER_CUBIC); 
    cv::resize( elain_rotate_NN, elain_rotate_NN, cv::Size(2048,2048),CV_INTER_NN);
    cv::resize( elain_rotate_LINEAR, elain_rotate_LINEAR, cv::Size(2048,2048),CV_INTER_LINEAR);
    cv::resize( elain_rotate_CUBIC, elain_rotate_CUBIC, cv::Size(2048,2048),CV_INTER_CUBIC);
    cv::namedWindow("elain_rotate_NN",CV_WINDOW_NORMAL);
    cv::namedWindow("elain_rotate_LINEAR",CV_WINDOW_NORMAL);
    cv::namedWindow("elain_rotate_CUBIC",CV_WINDOW_NORMAL);
    cv::imshow ("elain_rotate_NN",elain_rotate_NN);
    cv::imshow ("elain_rotate_LINEAR",elain_rotate_LINEAR);
    cv::imshow ("elain_rotate_CUBIC",elain_rotate_CUBIC);
    cv::waitKey (0);
    return 0;

八、  参考文献


http://blog.csdn.net/fengbingchun/article/details/6408293


http://blog.sina.com.cn/s/blog_753dfc490100vc6l.html


http://blog.sina.com.cn/s/blog_72e198a10100sbrh.html


http://www.opencv.org.cn/forum/viewtopic.php?t=7613


http://blog.csdn.net/xiaowei_cqu/article/details/7616044


这些都对我的帮助挺大的。感谢大家支持。


PS：如果是老师搜的话，3月13号的报告可是我写的啊，绝对是原创。


累死了，楼主歇息去了。
 
推荐文章
自信的抽屉  ·  数字图像处理第一次作业 - hqqxyy - 博客园
1 月前
力能扛鼎的酱肘子  ·  数字图像处理论文通用12篇 - 学术之家
2 月前
正直的香瓜  ·  二、数字图像处理基本运算 - 简书
6 月前
还单身的松鼠  ·  《数字图像处理_第三版_中_冈萨雷斯》第五章笔记 - E-Dreamer - 博客园
8 月前
高大的小摩托  ·  第5章 Python 数字图像处理(DIP) - 图像复原与重建17 - 由投影重建图像、雷登变换、投影、反投影、反投影重建-CSDN博客
8 月前
鼻子大的柑橘  ·  读史李自成在北京的42天_宁夏回族自治区发展和改革委员会
6 天前
强悍的蘑菇  ·  马科斯略伦特：很激动 因为我想要转会马竞_国际足球_新浪竞技风暴_新浪网
2 月前
低调的数据线  ·  关于公布2024年各类高中集中统一招生第二批学校投档录取结果和志愿补报的公告
3 月前
性感的卤蛋  ·  谈完大事喜事 看万千气象的新四川--2024年全国两会--人民网
4 月前
体贴的麦片  ·  全网首发：LINUX编译JNA：编译产生libjnidispatch.so-CSDN博客
10 月前
Link管理   ·   51好读   ·   Sov5搜索   ·   小百科
link管理 - 链接快照平台