灰度图像腐蚀（vc实现）

最新推荐文章于 2023-11-30 18:24:51 发布
最新推荐文章于 2023-11-30 18:24:51 发布
阅读量3.3k 收藏 2
点赞数
分类专栏： 图像处理 文章标签： structure byte float
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/superdont/article/details/7876718
版权 




void CISLSView::OnErosionGray()
	{

		//int structure[3][3]={23,21,10,97,23,98,0,0,123};
		//int structure[3][3]={1,1,1,1,1,1,1,1,1};
		//int structure[3][3]={255,255,255,255,255,255,255,255,255};
		int structure[3][3]={5,225,155,0,255,0,25,25,25};
		erosionGray(structure);
	}





	void CISLSView::erosionGray(int structure[3][3])
	{
		if(myImage1.IsNull())
			OnOpenResourceFile();
		if(!myImage2.IsNull())
			myImage2.Destroy();
		if(myImage2.IsNull()){
			myImage2.Create(myImage1.GetWidth(),myImage1.GetHeight(),24,0);
		}
		if(myImage3.IsNull()){
			myImage3.Create(myImage1.GetWidth(),myImage1.GetHeight(),24,0);
		}
		//COLORREF pixel; 
		int maxY = myImage1.GetHeight();
		int maxX=myImage1.GetWidth();
		byte* pRealData;
		byte* pRealData2;
		byte* pRealData3;
		pRealData=(byte*)myImage1.GetBits();
		pRealData2=(byte*)myImage2.GetBits();
		pRealData3=(byte*)myImage3.GetBits();
		int pit=myImage1.GetPitch();
		int pit2=myImage2.GetPitch();
		int pit3=myImage3.GetPitch();
		//需要注意,pit和pit2的值并不一样,所以如果使用一个值,会导致不同的结果出现
		//CString str;
		//str.Format(TEXT("%d"),pit);
		//MessageBox(str);
		//str.Format(TEXT("%d"),pit2);
		//MessageBox(str);
		int bitCount=myImage1.GetBPP()/8;
		int bitCount2=myImage2.GetBPP()/8;
		int bitCount3=myImage3.GetBPP()/8;
		int tempR,tempG,tempB;
		//float temp,tempX,tempY;
		int temp;
		float u0,u1;   //均值
		float w0,w1;   //概率
		float sum0,sum1;  //像素和
		int optIndex,optT;   //最优阈值，及其所在像素的值
		float fVaria,fMaxVaria=0;   //临时方差,最大方差

		//int pixelR[256],pixelG[256],pixelB[256];
		int pixel[256]={0};   //不要忘记初始化
		//灰度化
		for (int y=0; y<maxY; y++) {
			for (int x=0; x<maxX; x++) {
				temp=*(pRealData+pit*(y)+(x)*bitCount);
				if(bitCount==3)
				{
					tempR=*(pRealData+pit*(y)+(x)*bitCount);
					tempG=*(pRealData+pit*(y)+(x)*bitCount+1);
					tempB=*(pRealData+pit*(y)+(x)*bitCount+2);
					temp=(int)(tempR*0.49+tempG*0.31+tempB*0.2);
					//temp=(int)((tempR+tempG+tempB)/3);
				}
				*(pRealData3+pit3*(y)+(x)*bitCount3)=temp;
				*(pRealData3+pit3*(y)+(x)*bitCount3+1)=temp;
				*(pRealData3+pit3*(y)+(x)*bitCount3+2)=temp;

			}
		}
		//CString str;
		//str.Format(TEXT("%d"),Td);
		//AfxMessageBox(str);
		//
		//for (int y=0; y<maxY; y++) {
		//	for (int x=0; x<maxX; x++) {

		//		*(pRealData2+pit2*(y)+(x)*bitCount2)=255;
		//		*(pRealData2+pit2*(y)+(x)*bitCount2+1)=255;
		//		*(pRealData2+pit2*(y)+(x)*bitCount2+2)=255;

		//	}
		//}
		int m,n;
		int src,des;
		src=des=255;
		for (int y=1; y<maxY-1; y++) {
			for (int x=1; x<maxX-1; x++) {
				for(m=0;m<3;m++)
					for(n=0;n<3;n++)
					{	
						src=*(pRealData3+pit3*(y-m+1)+(x+n-1)*bitCount3)-structure[m][n];
						//src=abs(src);
						if(src<des)
						{
							des=src;				
						}
					}
					des=abs(des);
					*(pRealData2+pit2*(y)+(x)*bitCount2)=des;
					*(pRealData2+pit2*(y)+(x)*bitCount2+1)=des;
					*(pRealData2+pit2*(y)+(x)*bitCount2+2)=des;
			}
		}
		Invalidate();
	}






void CISLSView::erosionGray(int structure[3][3])
	{
		//程序编制：李立宗  lilizong@gmail.com
		//2012-8-17
		//2012-8-22修改 ，将src=des=255;移动到每个像素循环的内部。
		if(myImage1.IsNull())
			OnOpenResourceFile();
		if(!myImage2.IsNull())
			myImage2.Destroy();
		if(myImage2.IsNull()){
			myImage2.Create(myImage1.GetWidth(),myImage1.GetHeight(),24,0);
		}
		if(myImage3.IsNull()){
			myImage3.Create(myImage1.GetWidth(),myImage1.GetHeight(),24,0);
		}
		//COLORREF pixel; 
		int maxY = myImage1.GetHeight();
		int maxX=myImage1.GetWidth();
		byte* pRealData;
		byte* pRealData2;
		byte* pRealData3;
		pRealData=(byte*)myImage1.GetBits();
		pRealData2=(byte*)myImage2.GetBits();
		pRealData3=(byte*)myImage3.GetBits();
		int pit=myImage1.GetPitch();
		int pit2=myImage2.GetPitch();
		int pit3=myImage3.GetPitch();
		//需要注意,pit和pit2的值并不一样,所以如果使用一个值,会导致不同的结果出现
		//CString str;
		//str.Format(TEXT("%d"),pit);
		//MessageBox(str);
		//str.Format(TEXT("%d"),pit2);
		//MessageBox(str);
		int bitCount=myImage1.GetBPP()/8;
		int bitCount2=myImage2.GetBPP()/8;
		int bitCount3=myImage3.GetBPP()/8;
		int tempR,tempG,tempB;
		//float temp,tempX,tempY;
		int temp;
		float u0,u1;   //均值
		float w0,w1;   //概率
		float sum0,sum1;  //像素和
		int optIndex,optT;   //最优阈值，及其所在像素的值
		float fVaria,fMaxVaria=0;   //临时方差,最大方差

		//int pixelR[256],pixelG[256],pixelB[256];
		int pixel[256]={0};   //不要忘记初始化
		//灰度化
		for (int y=0; y<maxY; y++) {
			for (int x=0; x<maxX; x++) {
				temp=*(pRealData+pit*(y)+(x)*bitCount);
				if(bitCount==3)
				{
					tempR=*(pRealData+pit*(y)+(x)*bitCount);
					tempG=*(pRealData+pit*(y)+(x)*bitCount+1);
					tempB=*(pRealData+pit*(y)+(x)*bitCount+2);
					temp=(int)(tempR*0.49+tempG*0.31+tempB*0.2);
					//temp=(int)((tempR+tempG+tempB)/3);
				}
				*(pRealData3+pit3*(y)+(x)*bitCount3)=temp;
				*(pRealData3+pit3*(y)+(x)*bitCount3+1)=temp;
				*(pRealData3+pit3*(y)+(x)*bitCount3+2)=temp;

			}
		}
		//CString str;
		//str.Format(TEXT("%d"),Td);
		//AfxMessageBox(str);
		//
		//for (int y=0; y<maxY; y++) {
		//	for (int x=0; x<maxX; x++) {

		//		*(pRealData2+pit2*(y)+(x)*bitCount2)=255;
		//		*(pRealData2+pit2*(y)+(x)*bitCount2+1)=255;
		//		*(pRealData2+pit2*(y)+(x)*bitCount2+2)=255;

		//	}
		//}
		int m,n;
		int src,des;
		for (int y=1; y<maxY-1; y++) {
			for (int x=1; x<maxX-1; x++) {
				src=des=255;
				for(m=0;m<3;m++)
					for(n=0;n<3;n++)
					{	
						src=*(pRealData3+pit3*(y-m+1)+(x+n-1)*bitCount3)-structure[m][n];
						//src=abs(src);
						if(src<des)
						{
							des=src;				
						}
					}
					des=abs(des);
					*(pRealData2+pit2*(y)+(x)*bitCount2)=des;
					*(pRealData2+pit2*(y)+(x)*bitCount2+1)=des;
					*(pRealData2+pit2*(y)+(x)*bitCount2+2)=des;
			}
		}
		Invalidate();
	}



superdont
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
C++实现灰度图像的腐蚀、膨胀、细化运算
08-19
C++实现灰度图像的腐蚀、膨胀、细化运算（bmp灰度图片），vc6.0运行无误
8、灰度图的腐蚀、膨胀、开闭运算、顶帽底帽
上官永石的博客
01-26 8264
灰度图的腐蚀与膨胀、开闭运算，顶帽和底帽操作
数字图像处理(12): 形态学处理——图像腐蚀与图像膨胀
TechArtisan6的博客
05-03 2万+
目录 1 形态学操作 2 图像腐蚀 3 图像膨胀 参考资料 1 形态学操作 形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。这里，我们使用同一词语表示数学形态学的内容，将数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等。 形态学处理主要针对的是二值图像（0或1）。 形态学通常使用图像腐蚀和图像膨胀...
《opencv实用探索·五》opencv小白也能看懂的图像腐蚀
最新发布
cs1395293598的博客
11-30 389
（3）去除噪声，二值图像中可能存在一些噪声点，或者孤立的像素点，通过一定次数的腐蚀操作可以消除孤立的像素点，通过一定次数的膨胀操作可以填充小的噪声点；src：输入的待腐蚀图像，图像的通道数可以是任意的，但是图像的数据类型必须是CV_8U，CV_16U，CV_16S，CV_32F或CV_64F之一。）的每个像素，看结构元素覆盖的原图像部分，取原图像中被覆盖部分像素的最小值替换被结构元素中心覆盖的原图像像素值。ksize：结构元素的尺寸大小，一般情况下，结构元素的种类相同时，结构元素的尺寸越大腐蚀效果越明显。
gray morphology basic operation
长夜漫漫，无心睡眠
05-29 2726
目录 一.概述 二.灰度腐蚀 三.灰度膨胀 四.灰度图腐蚀与膨胀代码 一.概述 灰度形态学是二值形态学向灰度空间的自然扩展。 在灰度形态学中，分别用图像函数f(x,y)和b(x,y)表示二值形态学中的目标图像A和结构元素B，并把f(x,y)称为输入图像，b(x,y)称为结构元素，函数中的(x,y)表示图像中像素点的坐标。 二值形态学中用到的交和并运算在灰度形态学中分别用最大极值和最小极值运算代替。 二.灰度腐蚀 灰度腐蚀运算的计算是逐点进行的，求某点的腐蚀运算结果就是...
python --opencv图像处理(图像腐蚀与图像膨胀)
weixin_44634704的博客
08-22 3593
卷积核是腐蚀中的关键，卷积核的中心点逐个扫描原始图像中的每一个像素点，被扫描到的原始图像中的像素点，只有当卷积核对应的元素值均为 1 时，其值才为 1 ，否则其值修改为 0。图像膨胀正好和图像腐蚀相反，卷积核的中心点逐个扫描原始图像中的每一个像素点，被扫描到的原始图像中的像素点，只要有一个值为 1 时则为 1 ，否则为 0。在接着往下看之前，有一点需要注意的是，图像的腐蚀与膨胀，主要针对的是二值图像（黑白图）的，其中进行变化的部分是图像的白色部分（高亮）部分，不是黑色部分。又出来新名词了：形态学。
VC实现遥感图像处理
03-03
在VC下对遥感图像进行处理，内容实现比较丰富，包括：灰度与彩色图像的线性拉伸，直方图均衡，旋转缩放平移，RGB->HIS,HIS->RGB,彩色图像灰度化 ,W伪彩色增强，腐蚀，膨胀，开闭运算，五种植被指数，变化检测（比值...
灰度图像的腐蚀算法和细化算法（C#代码）
04-21
唯一改进的地方是，原代码功能只能处理0和255的二值灰度（搞不懂为什么这样，对于250、128这样的都不行，还不如弄成二值灰度，别弄256灰度了），我将之改成了能根据0~255中任意灰度划界的256灰度图像！ 更多内容...
数字图像处理系统VC源码
11-13
VC6下数字图像处理系统-DIP_system，包含以下功能函数： ============================================================================== 第3章 ==============================================================...
数字图像处理 示例程序 VC6.0 MFC编写
11-07
7、形态运算：图像腐蚀、图像膨胀、开/闭运算、图像细化； 8、图像分析：边缘检测、霍夫变换、轮廓提取、轮廓跟踪、阈值分割、区域生长、投影检测、差影检测、模板匹配； 9、图像编码：霍夫曼编码、香农-弗诺...
灰度图象的腐蚀算法c语言版的
01-07
灰度图象的腐蚀算法c语言版的，有需要的可以下载去看看
灰度级形态学 - 灰度膨胀和灰度腐蚀
Henry的博客
10-30 1691
灰度级形态学将形态学在二值图像的处理中扩展到灰度图像灰度腐蚀：得到kernel 处理子区域的最小值因此：灰度腐蚀后的图像整体偏暗，并且亮特征减少灰度膨胀：得到kernel 处理子区域的最大值同二值图像 膨胀运算一样，需要将结构元先反射，绕原点选择180。但通常使用的结构元都是对称的，因此可以不用考虑反射的问题因此：灰度膨胀后的图像整体偏亮，并且暗特征减少灰度腐蚀就是统计排序滤波器里面的最小值滤波器灰度膨胀就是统计排序滤波器里面的最大值滤波器。
8.1 图像腐蚀
liupc的学习笔记
06-25 6588
一、什么是图像腐蚀？ 比如左边的图像，白色是前景，黑色是背景。如果对当前的图像进行腐蚀，就会得到右边的图像。 简单点就是边被腐蚀掉了。 下面是官网上给的例子： 二、腐蚀的原理 腐蚀一般针对的是二值图像，也就是只有0和1两个。0就是黑色，1就是白色。我们所谓的腐蚀是指针对他的前景色，就是像素点的值为1的那些像素点。 我们进行腐蚀操作，有两个...
OpenCV（二十九）：图像腐蚀
weixin_63357306的博客
09-08 2061
腐蚀操作的原理是将一个结构元素（也称为核或模板）在图像上滑动，并将其与图像中对应位置的像素进行比较。如果结构元素的所有像素与图像中对应位置的像素都匹配，那么该位置的像素值保持不变。如果结构元素的任何一个像素与图像中对应位置的像素不匹配，那么该位置的像素值被置为0（或其他指定的像素值），从而改变了图像的形状和结构。
冈萨雷斯《数字图像处理》学习笔记（九）形态学图像处理
qq_37692302的博客
04-22 5170
目录 序言 一、集合论基础 1、集合的子集与相等 2、集合的基本运算符 3、集合的反射和平移 二、二值形态学的基本运算 1、腐蚀 2、膨胀 3、膨胀与腐蚀运算的对偶性 3、开运算与闭运算 4、一些基本的形态学算法 三、二值形态学图像处理 1、形态滤波 2、边界提取 3、区域填充 4、骨架提取 5、物体识别 四、灰度形态学基本运算 1、灰度腐蚀 2...
图像处理（六）灰度形态学腐蚀与膨胀
K.U.N. Guo的专栏
10-31 3万+
灰度图像的腐蚀运算的数学定义为： 其中，g(x,y)为腐蚀后的灰度图像，f(x,y)为原灰度图像，B为结构元素。 用自然语言描述即：           腐蚀运算是由结构元素确定的邻域块中选取图像值与结构元素值的差的最小值。 灰度图像的膨胀运算的数学定义为： 用自然语言描述即：           膨胀运算是由结构元素确定的邻域块中选取图像值与结构元素值的和的最
图像的腐蚀与膨胀
热门推荐
张齐贤的博客
10-10 5万+
图像腐蚀与膨胀 结构元素 设有两幅图象B，X。若X是被处理的对象，而B是用来处理X的，则称B为结构元素(structure element)，又被形象地称做刷子。结构元素通常都是一些比较小的图象。 腐蚀 把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。如下图所示。 其中X是被处理的对象，B是结构元素...
形态学图像处理——腐蚀和膨胀
dujuancao11的博客
10-28 8608
一、基础理论 1、形态学概述 图像处理中的形态学往往指的是数学形态学。 2、数学形态学 建立在格论和拓扑学基础之上的图像分析学科，是数字形态学图像图像处理的基本理论。 其基本的运算包括二值化腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中于击不中变换、形态学梯度、 Top-hat变换、颗粒分析、流域变换、灰度腐蚀和膨胀、灰度开闭运算、灰值形态学梯度等。 3、膨胀与腐蚀的功能： 消除噪声； 分割出独立的图像元素，在图像中连接相邻的元素； 寻找图像中的明细的极大值区域或极小值区域； 求出图像
灰度图像形态学膨胀与腐蚀
04-20 4865
与二值图像有些差异。 示例： （1）灰度膨胀 >> t=rand(7,8); >> t=ceil(t.*256)%t为灰度图像 t =    209   125   191     9   168   246   158    14    232   205   101   113    42   141   122   136     33    37   168    98
灰度图像腐蚀运算的例子
04-02
假设有一张灰度图像如下： ![image](https://user-images.githubusercontent.com/50464959/132684782-9c9a8d3a-3c3d-4cf5-a01c-8d8d6bbf4f61.png) 现在我们对该图像进行腐蚀运算，假设使用一个3x3的结构元素： ``...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

superdont

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值