源自http://blog.csdn.net/tlovet1314/article/category/718759
1. 真彩色图: 它的颜色数高达256×256×256种，也就是说包含我们上述提到的R、G、B颜色表示方法中所有的颜色。真彩色图是说它具有显示所有颜色的能力，即最多可以包含所有的颜色。
1.2 bmp文件格式
(WORD为无符号16位整数，DWORD为无符号32位整数,LONG为32长整型)
1. bmp文件大体上分成四个部分：
1）位图文件头BITMAPFILEHEADER，共14个字节。
2）位图信息头BITMAPINFOHEADER，共40个字节。
3）调色板Palette
4）实际的位图数据ImageDate
调色板实际上是一个数组，共有biClrUsed个元素(如果该值为零，则有 个元素)。数组中每个元素的类型是一个RGBQUAD结构，占4个字节。(红色，绿色与蓝色的排序与一般图像文件的颜色数据排序恰好相反~)
对于用到调色板的位图，图象数据就是该象素颜在调色板中的索引值。对于真彩色图，图象数据就是实际的R、G、B值
2. 要注意两点：
1) 每一行的字节数必须是4的整倍数，如果不是，则需要补齐。
2) 一般来说，BMP文件的数据从下到上，从左到右的。
一，loadBmpFile函数实现过程：
1. 打开文件到HFILE结构变量中。
2. 从HFILE变量中读取BITMPFILEHEADER和BITMAPINFOHEADER两个结构变量。
3. 计算图像行字节数和图像总字节数。
4. 计算实际使用到的颜色个数并验证结果.
5. 填写bf.bfsize;
6. 分配全局内存空间，大小为（bitmapinfoheader+palette+实际图像）返回一个句柄。
7. LPBITMAPINFOHEADER指向分配的全局内存空间。
8. 文件指针重新定位到BITMAPINFOHEADER开始处并将内容读入LPBITMAPINFOHEADER类型指针中。关闭文件。_hread和_lread的区别。
9. NumColors不为零时，说明用到了调色板。为逻辑调色板分配局部内存，大小为逻辑调色板结构长度加NumColors个PALETTENTRY。
10.LOGPALETTE类型指针pPal指向该内存区，填写逻辑调色板结构的头。lpRGB指向的是调色板开始的位置，填写pPal->palPalEntry的每一项。
11.产生逻辑调色板全局变量hPalette，解锁并释放局部内存。
12.获得设备上下文句柄。
13.如果产生了逻辑调色板，将新的逻辑调色板选入DC，将旧的逻辑调色板句柄保存在hPrevPalette中。
14.产生位图句柄。使用完现在的调色板，就要把原来的调色板还原至DC中。
15.释放设备上下文，解锁内存区。
二，响应WM_PAINT消息：
1. 获得屏幕设备上下文BeginPaint和GetDC的区别。
2. 建立一个内存设备上下文。当有调色板，将调色板选入屏幕设备上下文和内存设备上下文。
3. 将位图选入内存设备上下文，显示位图，释放内存设备上下文，释放屏幕设备上下文。
注意：1）要2个DC的原因是，在绘制位图时要将源（内存）设备上下文的内容复制到目的（屏幕）设备上下文中。
书提供的代码运行都有问题，经过修改，错误是没了，不过就是图片显示不出来！而且对它的代码还有一些不太明白，比如系统如何发送WM_LOADBITMAP这个消息的呢？
终于解决了！！
答：看书上提供的代码时没有注意到有一个.rc为后缀的资源文件，里面定义了一个menu，menu里面有一个子控件open，它和WM_LOADBITMAP关联。以前从来没想过去手动编辑资源文件，要不是昨天开始尝试使用dos下编译c++文件，怎么也没想要打开这个文件看看。看来放一放还是对了，忍了这么久终于解放了！稍后写一篇关于如果VC资源文件结构的文章，对以后学习有帮助。
初始坐标为(x0,y0)的点经过平移(tx,ty)(以向右，向下为正方向)后，坐标变为(x1,y1)。这两点之间的关系是x1=x0+tx ，y1=y0+ty。
其矩阵表示为：
其逆矩阵表示为：
逆运算在计算平移后的RGB值有帮助。通过结果点，利用逆运算计算原点RGB值。
1. 灰度图是指只含亮度信息，不含色彩信息的图象，就象我们平时看到的黑白照片：亮度由暗到明，变化是连续的。可以通过RGB各项都相同的256色调色板来表示，例如：(0，0，0)是全黑色，(255，255，255)是全白色，中间的是灰色。
2. YUV——Y分量的物理含义就是亮度，U和V分量代表了色差信号。这种表示方法有两个优点：1）Y分量包含所有亮度信息，只用Y分量就能完全能够表示出一幅灰度图来。当同时考虑U，V分量时，就能够表示出彩色信息来。可以方便的实现灰度和彩色图之间切换。2）在对图像压缩时，可以着重考虑Y分量的值。
平移的算法实现：
1. 创建对话框，获取偏移量值：xOffset，yOffset
2. 计算新图像所需的缓冲区大小并分配局部内存空间。
3. 定义两个指针lpImgData和lpTempImgData分别指向原和新文件的内存。
4. 初始化lpTempImgData指向的缓冲区。
5. 计算平移前和平移后最左上角和最右下角的坐标，从而得出平移后的图像高。
6. 找出平移前和平移后图像数据最左边的地址（见下面的代码提示，这个表达式想蛮久才想通的，为了怕以后忘记，还自己做了个flash，不错！学了flash第一次做出自己东西的感觉真好！），按行进行复制。
lpPtr=(char*)lpImgData+(BufSize-LineBytes-(i+SrcY0)*LineBytes)+SrcX0;
lpTempPtr=(char*)lpTempImgData+(BufSize-LineBytes-(i+DstY0)*LineBytes)+DstX0;
1. 释放原来的位图句柄
2. 产生新的位图，将平移后的图象存成文件，释放资源和内存。
注：bmp图像数据存储顺序是从下至上，从左至右。
1．定义 旋转通常是以中心为原点进行，这里讨论旋转后图像扩大的情况。将一个点顺时针旋转a角后的坐标变换公式，如图2.10所示，r为该点到原点的距离，在旋转过程中，r保持不变；b为r与x轴之间的夹角。
图2.10 旋转示意图
旋转前：x0=rcosb；y0=rsinb
旋转a角度后：
x1=rcos(b-a)=rcosbcosa+rsinbsina=x0cosa+y0sina；
y1=rsin(b-a)=rsinbcosa-rcosbsina=-x0sina+y0cosa
2. 坐标系转换：以左上角为原点坐标系 和以中心点为原点坐标系 之间的转换矩阵为：其中设图象的宽为w，高为h。
3. 变换步骤：
1）将坐标系o’变成o；
2）将该点顺时针旋转a角；
3）将坐标系o变回o’，这样，我们就得到了变换矩阵，是上面三个矩阵的级联。
逆变换为
镜象(mirror)分水平镜象和垂直镜象两种。设原图宽为w，高为h，变换后，图的宽和高不变。
水平镜象的变化矩阵为：
垂直镜象的变化矩阵为：
转置(transpose)是指将x，y坐标对换，转置后图的宽高对换了。
假设放大因子为ratio，(为了避免新图过大或过小，我们在程序中限制0.25≤ratio≤4)。
第二章终于结束了，虽然没有代码实现，但看了书上的代码，都能看懂！希望快点能找到显示位图的代码错误，这样我才可以实现接下来的代码嘛!也怪自己，太要面子了，不会可以问咯！就是死要面子，不过这样也好，别人告诉我的，终究不如自己发现的。现在在看《深入浅出MFC》，讲机制原理性的比较多，要的就是这方面的。加油~ 誓要把那个错误揪出来... ...
3.1 平滑
1.定义： 平滑又叫去噪声或低通滤波。在灰度连续变化的图象中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现了一个亮点，这样的点就叫噪声。而平滑的目标就是消除噪声，使其能于邻近区域的灰度不会相差很大。
2.方法： 使用模板操作。例如：
(3.1)
将原图中的每一点的灰度和它周围八个点的灰度相加，然后除以9，作为新图中对应点的灰度。中间的黑点表示中心元素，即用哪个元素做为处理后的元素。
模板不允许移出边界，所以结果图象会比原图小。边界上无法进行模板操作的点，通常的做法是复制原图的灰度，不进行任何处理。
由于模板操作是非常耗时的操作，有时可以将二维模板转换成两个一维模板。例如：
（3.2）
典型的模板有两种：1）Box模板（公式3.1）：虽然考虑了邻域点的作用，但并没有考虑各点位置的影响。2）高斯模板（公式3.2）：它考虑了位置的影响。
3.2 中值滤波
1.定义： 也是典型的低通滤波。目的是保护图象边缘的同时去除噪声。所谓中值滤波，是指把以某点(x,y)为中心的小窗口内的所有象素的灰度按从大到小的顺序排列，将中间值作为(x,y)处的灰度值(若窗口中有偶数个象素，则取两个中间值的平均)。
2.几种典型图：
1）“step”：左边区域灰度值低，右边区域灰度值高，中间有一条明显的边界。
2）高斯噪声：图中有很多噪声点，而且是杂乱无章，随机分布的。
3）脉冲：中间的灰度要比两边高许多。
3.总结中值滤波的表现： 中值滤波容易去除孤立点，线的噪声同时保持图象的边缘；它能很好的去除二值噪声（“step”，脉冲），但对高斯噪声无能为力。要注意的是，当窗口内噪声点的个数大于窗口宽度的一半时，中值滤波的效果不好。
3.3 锐化
1.定义： 和平滑相反，属于高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。
2.方法： 拉普拉斯模板（如下公式）。
因为图象中的边缘就是那些灰度发生跳变的区域，所以锐化模板在边缘检测中很有用。要注意的是，运算后如果出现了大于255或者小于0的点，称为溢出，溢出点的处理通常是截断，即大于255时，令其等于255；小于0时，取其绝对值。
1. 黑白二值图：只由黑点和白点组成，表现出灰色图象的效果。黑点越多，图像就暗点，反之，图像就亮点。
2. 半影调技术：由二值图象显示出灰度效果的方法。它的一个主要用途就是在只有二值输出的打印机上打印图象。主要的两种方法：图案法和抖动法。
1. 图案法是指灰度可以用一定比例的黑白点组成的区域表示，从而达到整体图象的灰度感。黑白点的位置选择称为图案化。
2. 分辨率，单位是dpi(dot per inch)，即每英寸点数，点数越多，分辨率就越高，图象就越清晰。显示器的尺寸（英寸）是指对角线。
3. 像素点灰度的表示方法（图案）：如果这16×16的方块中一个黑点也没有，就可以表示灰度256；有一个黑点，就表示灰度255；依次类推，当都是黑点时，表示灰度0。这样，16×16的方块可以表示257级灰度。
4. 图案的构成：有规则的图案和随机的图案。一般情况下，有规则的图案比随即图案能够避免点的丛集，但有时会导致图象中有明显的线条。
5. 标准图案：一个整数矩阵。例如要表示256级灰度，则其中的每个值从0到255。图象的实际灰度和阵列中的每个值比较，当该值大于等于灰度时，对应点打一黑点。
6. 设计标准图案的算法：（由Limb在1969年提出的）
先以一个2×2的矩阵开始：设M1= 
，通过递归关系有Mn+1= 
，其中Mn和Un均为2n×2n的方阵，Un的所有元素都是1。根据这个算法，可以得到M2= 
，为16级灰度的标准图案。
M3(8×8阵)比较特殊，称为Bayer抖动表。M4是一个16×16的矩阵。
7. 在不改变原图的大小下，使用利用图案化技术：设原图是256级灰度，利用Bayer抖动表，做如下处理：
if (g[y][x]>>2) > bayer[y&7][x&7] then 打一白点 else 打一黑点
其中，x,y代表原图的象素坐标，g[y][x]代表该点灰度。首先将灰度右移两位，变成64级，然后将x，y做模8运算，找到Bayer表中的对应点，两者做比较，根据上面给出的判据做处理。模8运算使得原图分成了一个个8×8的小块，每个小块和8×8的Bayer表相对应。
1. 规则抖动：如上面提到Bayer表算法。优点是算法简单；缺点是图案化有时很明显，这是因为取模运算虽然引入了随机成分，但还是有规律的。
2. Floyd-Steinberg算法：
假设灰度级别的范围从b(black)到w(white)，中间值t为(b+w)/2，对应256级灰度，b=0,w=255,t=127.5。设原图中象素的灰度为g，误差值为e，则新图中对应象素的值用如下的方法得到：
if g > t then
打白点
e=g-w
else
打黑点
e=g-b
3/8 × e 加到右边的象素
3/8 × e 加到下边的象素
1/4 × e 加到右下方的象素
但在这个算法中，因为e有可能是负数，为了防止得到的值超出char能表示的范围，我们使用了一个int类型的缓冲区存储新值。
要注意的是，误差传播有时会引起流水效应，即误差不断向下，向右累加传播。解决的办法是：奇数行从左到右传播，偶数行从右到左传播。
1. 原理：首先将位图分成同样大小的小块，求出每一块灰度的平均值，然后和每个字符的灰度做比较，找出最接近的那个字符，来代表这一小块图象。
2. 字符灰度的确定方法：打开记事本(notepad)，输入字符“1”，选定该字符，使其反色。按Alt+PrintScreen键拷贝窗口屏幕。打开画笔(paintbrush)，粘贴；然后把图放到最大(×8)，打开“查看”→“缩放” →“显示网格”菜单。每个字符的面积是8×16(宽×高)，所以一个字符的灰度值可以用如下的公式计算(1-所占的黑点数/(8×16))×255。
在努力，就是向成功一点点迈进！加油~~~
1.定义： 反色(invert)就是形成底片效果。
2.用途： 当黑色区域占比较大区域时，可以利用反色，节省打印的墨。
3.做法：反色的实际含义是将R、G、B值反转。
1）真彩图。真彩图不带调色板，每个象素用3个字节，表示R、G、B三个分量。所以处理很简单，把反转后的R、G、B值写入新图即可。
2）带调色板的彩色图。只需要将调色板中的颜色反转，形成新调色板，而位图数据不用动，就能够实现反转。
3）灰度图，是一种特殊的伪彩色图，所以反转的处理和上面讲的一样。
注：二值图不一定是黑白图，其实在调色板中是黑色和蓝色两种，但通常情况下是黑白图。
1.定义：YUV的颜色表示方法，在这种表示方法中，Y分量的物理含义就是亮度，它含了灰度图的所有信息，只用Y分量就完全能够表示出一幅灰度图来。
我们利用上式，根据R、G、B的值求出Y值后，将R、G、B值都赋值成Y，就能表示出灰度图来，这就是彩色图转灰度图的原理。
2.做法：
1）真彩图。根据R、G、B的值求出Y值后，将R、G、B值都赋值成Y，写入新图即可。由于改成灰度图后，是必须带一个256色的调色板，并把图像中的内容改变为对调色板的索引值。
2）彩色图。我们只需要将调色板中的彩色变成灰度，形成新调色板，而位图数据不用动，就可以了。
1.定义：真彩图能表示2^24种颜色，就是要从中挑选出256种颜色。
2.做法：
1)准备长度为4096的数组——用于存储4096种颜色的信息；
2）统计这4096种颜色在图中的使用频率。对图中的每一个象素，取R、G、B的最高四位，拼成一个12位的整数，该整数值对应的数组元素加1。
3）排除数组值为0的元素；
4）根据数组值从大到小排序；
5）取前256种颜色的数组信息，作为调色板上的256种颜色；
6）将图像内容数据改写为调色板的索引值。对图中每个像素取R,G,B的高4位，拼成一个12位整数，到调色板中查找，如果存在，则填入对应的索引值；如果不存在，则利用最小平方误差在调色板中查找替换颜色的索引值。
注：最小平方误差，即：（red1 – red2）^2+（green1 – green2）^2+（blue1 – blue2）^2中最小的一个。可以先对第256种以后的颜色计算替换颜色索引值，再更改图像内容数据。
1. 低对比度：即灰度都挤在一起，没有拉开。假设有一幅图，由于成象时光照不足，使得整幅图偏暗(例如，灰度范围从0到63)；或者成象时光照过强，使得整幅图偏亮(例如，灰度范围从200到255)。
2. 灰度扩展：把你所感性趣的灰度范围拉开，使得该范围内的象素，亮的越亮，暗的越暗。
3. 做法：根据以下公式计算出新的灰度值：
gold表示原图的灰度值，gnew表示gold经过对比度扩展后得到了新的灰度值。g1old和g2old表示原图中要进行对比度扩展的范围，g1new和g2new表示对应的新值。
我们假设a=c，这样，我们只要给出b，g1old和g2old，就可以求出
a=(255-b(g2old-g1old))/(255-(g2old-g1old))
要注意的是，给出的三个参数必须满：(1) b*(g2old-g1old)<=255；(2) (g2old-g1old)<=255。
1. 定义：是对比度扩展的特例，即a=c=0。
2. 做法：只要给出g1old和g2old两个值，运用方程：b(g2old-g1old)=255计算出b值，并带入上节的公式中求得新图的灰度值即可。
1. 定义：是削波的特例，即g1old=g2old。
2. 做法：阈值就象个门槛，比它大就是白，比它小就是黑。
3. 作用：是一种常用的将图像转换成黑白二值图的方法。
1 .定义：灰度窗口变换是将某一区间的灰度级和其它部分(背景)分开。
2. 种类：
1）清除背景：把不在灰度窗口范围内的象素都赋值为0，在灰度窗口范围内的象素都赋值为255，这也能实现灰度图的二值化；
2）保留背景：把不在灰度窗口范围内的象素保留原灰度值，在灰度窗口范围内的象素都赋值为255。
3. 应用领域：电影特技处理（例如：“蓝幕”技术）。
1.定义：用来统计图像灰度分布情况。，图中的横坐标表示灰度值，纵坐标表示该灰度值出现的次数(频率)。
1. 直方图修正，就是通过一个灰度映射函数Gnew=F(Gold)，将原灰度直方图改造成你所希望的直方图。
2. 直方图均衡化是一种最常用的直方图修正。它是把给定图象的直方图分布改造成均匀直方图分布。直观地讲，直方图均衡化导致图象的对比度增加。//？？感觉像降低对比度。
3. 做法：
1）用一个数组s记录Pi分布的概率，即灰度i出现的次数与总的点数之比；
2）i从1开始，令s[i]=s[i]+s[i-1]；
3）用一个数组L记录新的调色板索引值，即令L[i]=s[i]×(10-1)；
4）计算新调色板的灰度值。
for (i = 0; i < EquaScale; i++) {
Gray=(int)(i*255.0/(EquaScale-1)); //？？超级不理解为什么是这样算的。
… …
｝
5）通过数组L结果，调整图像实际数据内的调色板索引值。
这部份内容属于数学形态学，作者说是他认为最有趣的一个章节。限于篇幅，只介绍二值图象的形态学运算。在程序中，为了处理的方便，还是采用256级灰度图，不过只用到了调色板中的0和255两项。
先来定义一些基本符号和关系。
1. 元素：记作a∈X
2. B包含于X：记作B X
3. B击中X：B和X有交集，记作B↑X
4. B不击中X：记作B∩X=Ф
5. 补集：即B Xc
6. 结构元素：也被称作刷子，可以看作是特殊的颜色图案。
7. 对称集：将B中所有元素的坐标取反，即令(x，y)变成(-x，-y)，记作Bv。
8. 平移：设有一幅图象B，有一个点a(x0,y0)，将B平移a后的结果是，把B中所有元素的横坐标加x0，纵坐标加y0，即令(x，y)变成(x+x0，y+y0)，记作Ba
1．定义：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。用公式表示为：E(X)={a| Ba
X}=X
B。
2．性质：
1) 其中，E(X)一定包含于X，而且比X小。
2) B是对称的，即B的对称集Bv=B，所以X被B腐蚀的结果和X被 Bv腐蚀的结果是一样的。如果B不是对称的，X被B腐蚀的结果和X被 Bv腐蚀的结果不同。
3．腐蚀的方法:
拿B的中心点和X上的黑点（因为被腐蚀的只有黑点）一个一个地对比，如果B上的所有点都在X的范围内，则该点保留，否则将该点去掉。
1．定义：膨胀可以看做是腐蚀的对偶运算。把结构元素B平移a后得到Ba，若Ba击中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膨胀的结果。用公式表示为：D(X)={a | Ba↑X}=X
B。
2．性质：
1）X一定包含于D(X)，而且比D（X）小。
2）如果B不是对称的，X被B膨胀的结果和X被 Bv膨胀的结果不同。
3．膨胀的方法：
拿B的中心点和X上的白点（只对白点进行扩张）及X周围的点一个一个地对，如果B上有一个点落在X的范围内，则该点就为黑。
腐蚀运算和膨胀运算互为对偶的，用公式表示为(X B)c=(Xc B)，即X 被B腐蚀后的补集等于X的补集被B膨胀。
1．定义：先腐蚀后膨胀称为开，即OPEN(X)=D(E(X))。
2．作用：一般来说，开运算能够去除孤立的小点，毛刺和小桥(即连通两块区域的小点)，而总的位置和形状不变。
1．定义：先膨胀后腐蚀称为闭，即CLOSE(X)=E(D(X))。
2．作用：一般来说，闭运算能够填平小湖(即小孔)，弥合小裂缝，而总的位置和形状不变。
注意：如果B是非对称的，进行开运算或闭运算时要用B的对称集Bv膨胀，否则，开运算或闭运算的结果和原图相比要发生平移。开运算和闭运算是对偶运算。
1．定义：从原来的图中去掉一些点，但仍要保持原来的形状。实际上，是保持原图的骨架。所谓骨架，可以理解为图象的中轴。
2．去除点选择的方法：扫描图中所有黑点的相邻8个点。黑点记为0，白点记为1。从左到右，从上到下，拼成8位二进制数值。然后查对应表（已经定义好了的），来决定是否删除这个点。
3．算法实现方法：设置一个BOOL变量表示这次扫描中有没有删除点。如果有，则继续新一轮扫描；反之终止。每次扫描包括一次水平扫描和一次垂直扫描。在每一行水平扫描的过程中，先判断每一点的左右邻居，如果都是黑点，则该点不做处理。另外，如果某个黑点被删除了，那么跳过它的右邻居，处理下一个点。
这一章的算法实现比较简单，只是在概念理解方面花了一些时间。马上就要开学了，还有三章内容要看，唉~ 为自己加油打气~~~~
由于图像边界上的灰度和其它地方的相差较大，所以可以通过模板的方式检测出边沿。这种模板就是一种边沿检测器，又称边沿算子。模板的梯度和图像边沿的方向总是正交，例如，边是水平方向的，那可以用梯度是垂直方向的模板
检测它的边沿；而边是垂直方向的，就可以用梯度是水平方向的模板
检测它的边沿；一个梯度为45度方向模板
，可以检测出135度方向的边沿。
下面介绍几种算子：
1．Sobel算子
Sobel算子是一种常用的模板，和上面提到的算子相比，对于象素的位置的影响做了加权，因此效果更好。该算子有两种形式：一种是：检测水平边沿的
；检测垂直平边沿的
。另一种形式是各向同性Sobel算子，检测水平边沿的
，检测垂直平边沿的
。各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。
2．高斯拉普拉斯算子
为了消除噪声点对边沿检测的影响，该算子采用将高斯平滑滤波器和拉普拉斯锐化滤波器结合了起来，先平滑掉噪声，再进行边沿检测，所以效果会更好。常用的LOG算子是5×5的模板，如下所示
。到中心点的距离与位置加权系数的关系用曲线很象一顶墨西哥草帽，所以LOG又叫墨西哥草帽滤波器。
Hough变换用来在图象中查找直线。它的原理很简单：假设有一条与原点距离为s，方向角为θ的一条直线，直线上的每一点都满足方程7.1：
可以利用这个变换找出图中最长的直线，实现算法如下：
1．创建一个二维数组hDistAlpha，其中第一维表示距离s（计算可能出现的最大距离为
，用来确定数组第二维的大小），第二维表示方向角θ（书上正好和我说的相反，但看了程序以后我更坚持自己的想法）。
2．创建一个二维数组Line，计算每条直线的上下两个端点。
3．对图像中的每个黑点，角度的变化范围从00到1780(角度每次增加20 )，按方程(7.1)求出对应的距离s来，相应的数组元素[s][
]加1，同时相应的填写数组Line的内容。
4．所有的象素都算完后，找到数组元素中最大的，就是最长的那条直线。直线的端点可以在Line中找到。
轮廓提取的算法非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点都是黑色时(此时该点是内部点)，则将该点删除。
种子填充算法用来在封闭曲线形成的环中填充某中颜色，在这里我们只填充黑色。其原理是：准备一个堆栈，先将要填充的点push进堆栈中；以后，每pop出一个点，将该点涂成黑色，然后按左上右下的顺序查看它的四个相邻点，若为白(表示还没有填充)，则将该邻点push进栈。一直循环，直到堆栈为空。此时，区域内所有的点都被涂成了黑色。
要注意的是：(1)要填充的区域是封闭的；(2)我们处理的虽然是二值图，但实际上是256级灰度图，不过只用到了0和255两种颜色；(3)在菜单中选择种子填充命令时，提示用户用鼠标点取一个要填充区域中的点，处理是在WM_LBUTTONDOWN中。
轮廓跟踪，顾名思义就是通过顺序找出边缘点来跟踪出边界。一个简单二值图象闭合边界的轮廓跟踪算法很简单：首先按从上到下，从左到右的顺序搜索，找到的第一个黑点一定是最左上方的边界点，记为A。它的右，右下，下，左下四个邻点中至少有一个是边界点，记为B。从开始B找起，按右，右下，下，左下，左，左上，上，右上的顺序找相邻点中的边界点C。如果C就是A点，则表明已经转了一圈，程序结束；否则从C点继续找，直到找到A为止。判断是不是边界点很容易：如果它的上下左右四个邻居都是黑点则不是边界点，否则是边界点。
利用电脑来实现图像识别和分割是非常困难的，人脑可以从很复杂的景物中分开并识别每个物体，甚至可以毫不费力地跟上每秒好几十帧变化的图象。而对于计算机来说，要达到人脑的识别水平是相当困难。因为实现复杂，这里只是一些最基本，最简单的算法和思想，针对也只能是一些具体(而不是通用)的应用。算法共有三个：投影法、差影法和模板匹配。
1．定义：投影法结果类似于灰度直方图，通过垂直或水平投影确定识别目标的垂直或水平位置。
2．实现方法：
1）去除噪声（由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑）。
2）将图像进行阈值化（为了使处理想过更好）；
3）二值化（方便后期统计处理）；
4）做垂直或水平投影（统计每行（或每列）白点（或黑点）的个数，再形成相应的直方图）。
差影法的原理非常简单：将前后两幅图象相减，得到的差作为结果结果图象。差影法是非常有用的，可以用在监控系统中，电影“阿甘正传”特技中应用了“蓝幕”技术，其实也包含了差影法的原理。
所谓模板匹配，其实想法很简单：拿已知的模板(在本例中为足球的图象)，和原图象中同样大小的一块区域去对，可以用平方误差之和来衡量原图中的块和模板之间的差别。
因为需要一个个象素的平移和匹配，所以运算量相当庞大。
呵呵~ 好像习惯了每章内容都写一点感想！这章内容虽然电子书上介绍的很少，但深刻感受到，这部分的内容有很多，也有专门的学派在研究图像识别。以前经常在电视上看到很多关于图像识别的技术，都挺感兴趣的，不过真要深究这方面的话，还是比较麻烦的！涉及的算法太多。。。
9号就开学了，还剩两章内容没有看，得加油啦！
每个人不同，所以每个人的路不同。对于不同人来说，成功的终点也会不同，所以只要朝着自己的方向，用自己的方法去活者就好，每天多努力一点。。。
注：1英寸=25.4毫米
从信息论的角度来看，压缩就是去掉信息中的冗余，即保留不确定的信息，去掉确定的信息(可推知的)，也就是用一种更接近信息本质的描述来代替原有冗余的描述。
压缩可分为两大类：无损压缩（可逆）和有损压缩（不可逆）。
压缩编码的方法有很多，主要分成以下四大类：象素编码，预测编码，变换编码和其它方法。
1） 象素编码：编码时对每个象素单独处理，不考虑象素之间的相关性。常用的几种方法有：脉冲编码调制(PCM)，熵编码，行程编码和位平面编码。
2） 预测编码: 去除相邻象素之间的相关性和冗余性，只对新的信息进行编码。常用的预测编码有调制(DM)；微分预测编码(DPCM)
3） 变换编码: 将给定的图象变换到另一个数据域(如频域)上，使得大量的信息能用较少的数据来表示。变换编码有很多，如离散傅立叶变换(DFT)，离散余弦变换(DCT)和离散哈达玛变换(DHT)。
4） 其它的编码方法也有很多，如混合编码、矢量量化(VQ) 、LZW算法。
它的基本原理是频繁使用的数据用较短的代码代替，较少使用的数据用较长的代码代替，每个数据的代码各不相同。
产生Huffman编码需要对原始数据扫描两遍。第一遍扫描要精确地统计出原始数据中，每个值出现的频率，第二遍是建立Huffman树并进行编码。由于需要建立二叉树并遍历二叉树生成编码，因此数据压缩和还原速度都较慢，但简单有效，因而得到广泛的应用。
由于以前学过这种编码，所以算法就不详记了~
行程编码的原理也很简单：将一行中颜色值相同的相邻象素用一个计数值和该颜色值来代替。
优点：如果一幅图象是由很多块颜色相同的大面积区域组成，那么压缩效率惊人。
缺点：如果图象中每两个相邻点的颜色都不同，用这种算法不但不能压缩，反而数据量增加一倍。所以现在单纯采用行程编码的压缩算法用得并不多，PCX文件算是其中的一种。
LZW是一种比较复杂的压缩算法，其压缩效率也比较高。它的基本原理：LZW把每一个第一次出现的字符串用一个数值来编码，在还原程序中再将这个数值还成原来的字符串。LZW是无损的。GIF文件采用了这种压缩算法。
额。。。 最后一节实在是看不下去了！
深刻总结，对图像压缩和编码完全没有兴趣~ 就饶了我吧~~~~~~~~~
祈祷——别让我从事压缩和编码这方面的事情~~~~
问题：1.没找到lead std control这一项，也没有找到lead32.ocx这个文件。
DirectDraw是为速度而设计的，它绕过与Windows的图形设备相连的多个层次，直接与硬件的底层打交道。这很适合游戏编程，因为它着重于快速产生平稳的图形。
DirectX技术的最大特点是能直接对硬件抽象层(HAL)操作，实现视频、声音的输出、网络相互通信，特别能对游戏杆直接编程。
目前的最新版DirectX5.0 SDK包括DirectDraw、DirectSound、DirectPlay、Direct3D、DirectInput、DirectSetup六个部分。其中DirectDraw管理游戏的视频输出，DirectSound管理游戏的声音输出，DirectPlay管理游戏的网络通信，Direct3D管理游戏的三维图形，DirectInput管理游戏的游戏杆控制，DirectSetup管理游戏的安装。
下图一说明了DirectDraw和其他Windows显示构件的联系。
图10.4 DirectDraw和其他Windows显示构件
MCI是Media Control Interface(媒体控制接口)的缩写，它提供了一套与设备无关的命令消息和命令字来控制媒体的播放。
库VFW32.LIB中提供了MCI的所有功能，编译后生成的是真正的可执行文件，无需附加动态库和控件，如VBX和OCX等。
勉勉强强总算看完了这本电子书，可能是因为中间断断续续的看，所以前面很多东西都不太记得了！明天把所有的内容都重温一遍吧~ 还得找出所有不太明白的地方，开学去问学长学姐们！不由得松一口气，两个月看一本电子书好像真的不会很艰难的，如果没看完，导师不知道会怎么想我呢！
看完全书总结：图像处理涉及的范围真的很广，虽然一些数学公式和算法我还没弄清楚，但已经找到自己喜欢的部分了，那就是电影特效处理！那种漂亮和奇特的画片，真想是自己的作品。
好的，既然找到自己喜欢的部分，好好向那方面努力吧！！！ 加油哦~~~
扫一扫
7306
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
