圖像的點運算----底層代碼與Halcon庫函數

来源:http://www.cnblogs.com/dzw2017/archive/2017/09/27/7602088.html
-Advertisement-
Play Games

最基本的圖像分析工具 灰度直方圖。使用直方圖輔助,可以實現4大灰度變換,包括線性灰度變換(灰度拉伸)、灰度對數變換、灰度伽馬變換、灰度分段線性變換;使用直方圖修正技術,可以實現2大變換,包括直方圖均衡化和直方圖規定化。 一、灰度直方圖 灰度直方圖分為一般灰度直方圖和歸一化灰度直方圖,灰度直方圖統計圖 ...


       最基本的圖像分析工具----灰度直方圖。使用直方圖輔助,可以實現4大灰度變換,包括線性灰度變換(灰度拉伸)、灰度對數變換、灰度伽馬變換、灰度分段線性變換;使用直方圖修正技術,可以實現2大變換,包括直方圖均衡化和直方圖規定化。

一、灰度直方圖

        灰度直方圖分為一般灰度直方圖和歸一化灰度直方圖,灰度直方圖統計圖像中各個灰度級出現的次數,而歸一化的灰度直方圖統計的是各個灰度級出現的頻率。因此,灰度直方圖通常在定量上,有總體像素個數以及各個灰度像素個數;在定性上,可以看出整體灰度動態範圍,即對比度與亮度。

       使用C#繪製一般灰度直方圖的底層代碼中,演算法流程的核心是計算各個灰度級的像素個數;而繪製歸一化灰度直方圖,演算法流程的核心是計算灰度即的累積分佈函數。代碼如下,然而代碼在Halcon庫中,可隨意查看。

  byte* Init_byte = (byte*)bmpdata.Scan0;
                //必須先對行遍歷,再對列遍歷
                for (int i = 0; i < bmpdata.Height; i++)
                {
                    for (int j = 0; j < bmpdata.Width; j++)
                    {
                        //計算出不同灰度級的像素個數
                        temp = *Init_byte;
                        CountPix[temp]++;
                 //換列
                        Init_byte++;
                    }
                 //換行
                    Init_byte += bmpdata.Stride - bmpdata.Width;
                }
                for (int k = 0; k < 256; k++)
                {
                    //計算出不同灰度級的累積像素個數
                    if (k!=0)
                    {
                        CumulatePix[k] = CumulatePix[k - 1] + CountPix[k];
                    }
                    else
                    {
                        CumulatePix[0] = CountPix[0];
                    }
                }

 

      二、灰度的線性與非線性變換

        灰度變換的目的在於增強圖像的灰度對比度,達到理想預處理的目的。線性灰度變換,使用C#編碼核心在於遍歷圖像的所有像素,對每個像素點添加一個乘性繫數以及一個加性繫數,調節兩個參數以達到預想的效果(註意:對越界數值進行處理(0-255));非線性灰度變換,有對數變換與指數變換、伽馬變換以及分段變換,編碼實現同理,但區別在於實現了圖像灰度的擴展和壓縮功能,它會擴展低灰度值而壓縮高灰度值,或者相反,讓圖像的灰度分佈更加符合人的視覺特征或灰度對比度更強。在Halcon中,對應運算元分別是scale_image、scale_image_max、log_image、exp_image、pow_image,分段變換則比較麻煩了,一般使用overpaint_region對圖像中的region進行變換。因此,分段變換適合在底層實現。

  unsafe
            {
                byte* Init_byte = (byte*)mbpdata.Scan0;
                for (int i = 0; i < mbpdata.Width; i++)
                {
                    for (int j = 0; j < mbpdata.Height; j++)
                    {
                        value = k * (*Init_byte) + b;
                     //處理越界值
                        if (value>255)
                        {
                            *Init_byte = 255;
                        }
                        else if (value<0)
                        {
                            *Init_byte = 0;
                        }
                        else
                        {
                            *Init_byte = (byte)value;
                        }
                        
                        Init_byte++;
                    }
                    Init_byte += mbpdata.Stride - mbpdata.Width;
                }
            }

 

    三、直方圖均衡與直方圖規定化

        直方圖均衡是以累積分佈函數變換為基礎的直方圖修正法,可以產生灰度級為概率均勻分佈的圖像。主要用於增強動態範圍偏小的圖像,以提升灰度對比度。使用C#編碼的核心演算法流程,1.將灰度值進行歸一化;2.將圖像灰度設置概率均勻分佈,即p=1。圖像歸一化就是將圖像轉換成唯一的標準形式以抵抗各種變換,併在此基礎上進行灰度均勻分佈。

      因此,當原始圖像的直方圖不同而圖像結構性內容相同時,直方圖均衡化所得到的視覺上幾乎是完全一致的。而後,學者相繼提出自適應的直方圖均衡化演算法(AHE)以及對比度有限的自適應直方圖均衡化(CLAHE)。而去霧演算法的本質是對圖像對比度和亮度的調節,因此,CLAHE廣泛應用在去霧演算法中。

       在Halcon中,直方圖均衡化只是一句代碼的事,equ_histo_image。

   byte* Init_byte = (byte*)bmpdata.Scan0;
                //必須先對行遍歷,再對列遍歷
                for (int i = 0; i < bmpdata.Height; i++)
                {
                    for (int j = 0; j < bmpdata.Width; j++)
                    {
                        //計算出不同灰度級的像素個數
                        temp = *Init_byte;
                        CountPix[temp]++;
                        Init_byte++;
                    }
                    Init_byte += bmpdata.Stride - bmpdata.Width;
                }
                for (int k = 0; k < 256; k++)
                {
                    //計算出不同灰度級的累積像素個數
                    if (k!=0)
                    {
                        CumulatePix[k] = CumulatePix[k - 1] + CountPix[k];
                    }
                    else
                    {
                        CumulatePix[0] = CountPix[0];
                    }
                    //根據灰度值進行一對一映射,其中註意運演算法順序和括弧,防止只出現整數0.
                    PixMap[k] = (byte)(255 *CumulatePix[k] / bytes+0.5);
                }
                byte* Init_byte2 = (byte*)bmpdata.Scan0;
                for (int i = 0; i < bmpdata.Height; i++)
                {
                    for (int j = 0; j < bmpdata.Width; j++)
                    {
                        //直方圖均衡化,獲取灰度級,對應映射
                        temp = *Init_byte2;
                        *Init_byte2=PixMap[temp];
                        Init_byte2++;
                    }
                    Init_byte += bmpdata.Stride - bmpdata.Width;
                }

        直方圖均衡化不僅操作簡單且有效地豐富灰度級,但這個過程是不受控制的,因此引出了直方圖規定化,或稱直方圖匹配。直方圖規定化本質上是一種擬合過程,因此使規定化圖像在對比度以及亮度上具有類似標準圖像的特性,這也正是直方圖規定化的目的所在。直方圖規定化的演算法流程是建立在直方圖均衡化之上的,統計累積分佈概率的最小差值的位置,進行一一對應的映射。

      


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Tips 原文作者:Thomas Anderson, Blinkist 原文地址:Steve Jobs was successful because he mastered 'deep work' — here's how you can, too 你喝過麥卡倫姆威士忌嗎?如果你有這樣的經歷,你一定 ...
  • 出於安全考慮,在後臺與前臺進行數據傳輸時,往往不會直接傳輸實體模型,而是使用Dto(Data transfer object 數據傳輸對象),這樣在後臺往前臺傳遞數據時可以省略不必要的信息,只保留必要的信息,大大增強數據安全性。 下麵給出兩個相互對應的關係模型User、UserDto public ...
  • 使用EntityFramework Code First開發,數據遷移是一個不得不提的技術。 在我們的開發過程中,難免需要對模型進行改進,模型改進後,會導致實體集與資料庫不一致,當然我們可以通過刪除資料庫然後再重構資料庫,但是在生產環境中這樣做,這樣或多或少會出現一些問題。使用“數據遷移”,可以幫助 ...
  • 由於HTTP協議是無狀態的,但對於認證來說,必然要通過一種機制來保存用戶狀態,而最常用,也最簡單的就是Cookie了,它由瀏覽器自動保存併在發送請求時自動附加到請求頭中。儘管在現代Web應用中,Cookie已略顯笨重,但它依然是最為重要的用戶身份保存方式。在 "上一章" 中整體的介紹了一下 ASP. ...
  • 1 概述 1 概述 如下例子,你覺得有什麼問題?如你能很快的找出問題,並且解決它,那麼你可以跳過本篇文章,謝謝~~。 想一分鐘,OK,如果沒想出來,可以往下看,下圖標註處即為問題處。 ok,本篇文章就是來解決該問題的。也就是接下來要與大家分享的System.DBNULL類型。 2 內容分享 2 內容 ...
  • jenkins的多節點集群 在進行自動化部署時,你可以按著它們的項目類型去進行分別部署,這樣即可以達到負載均衡,又可以達到一種職責的明確,比如像java的項目你可以使用linux服務來進行部署(拉代碼,還原,編譯,發佈,生成鏡像,推鏡像到倉庫,建立服務等),而對於.net項目你可以使用windows ...
  • 值得紀念的一天! 今天下午看了會兒教程,就迫不及待的想分享下自己對 MVC5+EF6的認識。才學習了第一課,下麵通過幾個部分來分享下,希望多多指教! 1.認識MVC MVC,英文全稱是Model(模型)-View(視圖)-Controller(控制器)的簡寫。Model封裝業務邏輯相關的數據以及對數 ...
  • 1. 什麼是SignalR? SignalR 是一個及時消息推送,它與.NET 的 WCF ,WebAPI類似 是客戶端和伺服器進行消息交換的一種工具 2.SignalR 的作用? 它可以實時同步線上客戶端的消息,客戶端通過伺服器將消息發送到一個或者多個連接了這個伺服器的客戶端 3.如何使用Sign ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...