使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)

使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)

获取源工程可访问gitee可在此工程的基础上进行学习。
该工程的其他文章:
01- 一元熵值、二维熵值
02- 图像平移变换,图像缩放、图像裁剪、图像对角线镜像以及图像的旋转
03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器
04-分段线性变换,直方图均衡化、锐化处理
05-基于拉普拉斯算子、Canny的边缘检测功能、实现Otsu分割方法
06-最近邻插值,双线性插值,立方卷积插值
07-全局固定阈值分割、自适应阈值分割
08-K近邻中值滤波器(KNNMF)、最小均方差滤波器、矢量中值滤波算法

文章目录

  • 使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)
    • 实验内容
    • 一、Sobel算子
      • 1.Sobel算子锐化原理
      • 2.Sobel算子锐化实验代码
      • 3.Sobel算子锐化现象
    • 二、Prewitt算子
      • 1.Prewitt算子锐化原理
      • 2.Prewitt算子锐化实验代码
      • 3.Prewitt算子锐化实验现象
    • 三、Isotropic算子
      • 1.Isotropic算子锐化原理
      • 2.Isotropic算子锐化实验代码
      • 3.Isotropic算子锐化实验现象

实验内容

对一幅256级灰度图像,使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)。

一、Sobel算子

1.Sobel算子锐化原理

Sobel算子是一种常用于图像处理的边缘检测算子,也可用于图像锐化。其原理基于对图像的卷积操作,计算图像中每个像素点的梯度值。Sobel算子有水平方向和垂直方向两种核,分别用于检测图像中的水平和垂直边缘。

Sobel算子的水平方向卷积核:

-1  0  1
-2  0  2
-1  0  1

Sobel算子的垂直方向卷积核:

-1 -2 -1
 0  0  0
 1  2  1

算法步骤如下:

  1. 对于图像中的每个像素点,将其与Sobel算子的卷积核进行卷积操作,分别计算水平方向和垂直方向的梯度值。

  2. 将水平和垂直方向的梯度值合并,一般使用这两个梯度值的平方和的开根号,得到最终的梯度值。

  3. 将得到的梯度值映射到图像的灰度范围,例如,通过取整和截断的方式将其限定在0到255之间。

  4. 最终得到的图像就是经过Sobel算子锐化后的图像,边缘特征更加明显。

Sobel算子的优势在于简单易实现,对噪声具有一定的抑制作用,常用于图像边缘检测和锐化。

2.Sobel算子锐化实验代码

 // 循环控制变量
 int y;
 int x;
 
 CSize sizeImage = pDib->GetDimensions();
 int nWidth = sizeImage.cx ;
 int nHeight= sizeImage.cy ;

 int templatewidth = 3;
 int templateheight = 3;
 int gx[100] = { 1,0,-1,
     2,0,-2,
     1,0,-1 };

 int gy[100] = { -1,-2,-1,
      0,0,0,
      1,2,1 };

 for (y = 1; y < nHeight - 1; y++)
  for (x = 1; x < nWidth - 1; x++)
  {
   double Gx = 0, Gy = 0;
   for(int k=0;k< templatewidth;k++)
    for (int m = 0; m < templateheight; m++)
    {
     int gray = pDoc->m_pDibInit->GetPixelGray(x - templatewidth / 2 + m, y - templateheight / 2 + k);
     Gx += gx[k * templatewidth + m] * gray;
     Gy += gy[k * templatewidth + m] * gray;
    }
   double G_xy = sqrt(Gx * Gx + Gy * Gy); //平方和开根号

   pDoc->m_pDibTest->SetPixelGray(x, y, (int)G_xy);
  }

3.Sobel算子锐化现象

使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)_第1张图片

二、Prewitt算子

1.Prewitt算子锐化原理

Prewitt算子是一种用于图像处理的边缘检测和图像锐化的卷积算子。它类似于Sobel算子,但其权重系数略有不同。Prewitt算子有两个核,分别用于水平和垂直方向的卷积。

水平方向的Prewitt核:

-1  0  1
-1  0  1
-1  0  1

垂直方向的Prewitt核:

-1 -1 -1
 0  0  0
 1  1  1

Prewitt算子的原理是通过卷积计算图像中每个像素点与其周围像素的梯度,以检测图像中的边缘。具体步骤如下:

  1. 对图像进行灰度处理(如果图像不是灰度图)。

  2. 使用水平和垂直方向的Prewitt核对图像进行卷积操作,分别得到水平方向(Gx)和垂直方向(Gy)的梯度图像。

  3. 计算每个像素的梯度大小,通常使用以下公式:

    G = G x 2 + G y 2 G = \sqrt{Gx^2 + Gy^2} G=Gx2+Gy2

  4. 将计算得到的梯度大小映射到新的像素值范围(例如,0到255),以生成最终的锐化图像。

Prewitt算子主要用于强调图像中的垂直或水平边缘。在图像处理中,它常被应用于边缘检测、特征提取和图像增强等任务。

2.Prewitt算子锐化实验代码

只需要在sobel算子的基础上更改两个核

//Prewitt算子
 int gx[100] = { 1,0,-1,
     1,0,-1,
     1,0,-1 };

 int gy[100] = { -1,-1,-1,
      0,0,0,
      1,1,1 };

3.Prewitt算子锐化实验现象

使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)_第2张图片

三、Isotropic算子

1.Isotropic算子锐化原理

在图像处理中,Isotropic算子是一种用于图像锐化的算子,它基于图像的梯度信息,类似于Sobel和Prewitt算子。Isotropic算子主要强调图像中的各个方向的边缘。

Isotropic算子没有固定的卷积核,而是根据图像中每个像素点周围的梯度方向进行动态调整。其原理如下:

  1. 计算梯度: 对图像进行梯度计算,通常使用Sobel、Prewitt或其他梯度算子。这一步会得到每个像素点的梯度强度和方向。

  2. 动态卷积核: 对于每个像素点,根据其梯度方向调整卷积核。通常,Isotropic算子采用一个可旋转的卷积核,可以在不同方向上产生不同的响应。这个卷积核可以根据梯度方向旋转一定的角度。

  3. 卷积操作: 使用动态调整后的卷积核对图像进行卷积操作。这一步产生的结果是在多个方向上对图像进行了锐化处理,以增强图像中各个方向的特征。

  4. 灰度映射: 将卷积操作得到的结果映射到合适的灰度范围,以生成最终的锐化图像。

Isotropic算子的优势在于它对于不同方向的边缘都有较好的响应,能够更全面地提取图像的特征。然而,由于其动态卷积核的设计,计算成本可能较高,具体实现时需要根据应用场景进行权衡。

2.Isotropic算子锐化实验代码

只需要在sobel算子的基础上更改两个核

 //Isotropic算子图像锐化
 // 设置模板系数
 double gx[100] = { 1,0,-1,
     sqrt(2),0,-sqrt(2),
     1,0,-1 };

 double gy[100] = { -1,-sqrt(2),-1,
      0,0,0,
      1,sqrt(2),1 };

3.Isotropic算子锐化实验现象

使用VC++实现锐化处理(使用Sobel算子、Prewitt算子、Isotropic算子)_第3张图片

你可能感兴趣的:(MFC学习,c++,开发语言,计算机视觉,图像处理)