图像变换--灰度切割、位图切割

最新推荐文章于 2022-09-20 17:37:07 发布
最新推荐文章于 2022-09-20 17:37:07 发布
阅读量5.9k 收藏 7
点赞数
分类专栏： PR&Image Processing
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/ningyaliuhebei/article/details/17161701
版权

灰度切割：分为两种情况，一种情况是将某段阈值的图像设为一个较高值，其它灰度指定一个较低值。另一种情况是所需范围的灰度变亮，但仍保持图像的背景和灰度色调。

for (int i = 0; i < img_height - 1; i++)
  {
   for (int j = 0; j < img_width - 1; j++)
   {
    uchar cur = data[i * img_width + j];

    if (cur > 20 && cur < 200)
    {
     cur  = cur + 50;
     if (cur < 0)
     {
      cur =0;
     }
     else if(cur > 255)
     {
      cur =255;
     }
     data[i * img_width + j] = cur;
    }
   }
  }

位图切割：就8比物图像的位平面抽取而主，说明用一个灰度阈值变换函数处理输入图像可以获得位平面7的二值图像并不困难。该灰度阈值变换函数：（1）把图像中0和127间的所有灰度映射到一个灰度级例如（0）（2）把129到255间的灰度映射为另一种灰度级。例如（255）

#include "math.h"
#include"cv.h"
#include"highgui.h"


int main(int argc,char **argv)
{ 
 IplImage *pImg;
 IplImage *pImg_gray;
 IplImage *pImg_cut[8];
 

 if(argc == 3 && (pImg = cvLoadImage(argv[1],-1))!= 0)
 { 
  
  pImg_gray = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);


  cvCopy(pImg,pImg_gray,NULL);
  
  int img_width = pImg->width;//image width
  int img_height = pImg->height;//image height

  uchar *data;
  data = (uchar *)pImg_gray->imageData;
  uchar *data_cut[8];
  pImg_cut[0] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[1] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[2]= cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[3] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[4] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[5] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[6] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[7] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U,1);

  
  uchar zhi = 1;
  for (int k = 0; k< 8 ;k++)
  {
   data_cut[k] = (uchar *)pImg_gray->imageData;
   if (k > 0)
    zhi = zhi<<1;
   for (int i = 0; i< img_height; i++)
   {
    for (int j = 0; j< img_width ; j++)
    {
      uchar cur = data[i * img_width + j];
         cur = cur & 0x40; //按位与运算
      if (cur == 1)
      {
       cur = 255;
      }
      else cur = 0;
      data[i * img_width + j] = cur;
     
    }

   }
   cvCopy(pImg_gray,pImg_cut[k],NULL);
   cvCopy(pImg,pImg_gray,NULL);
   

  }

  cvNamedWindow("log1",1);//create window
  cvNamedWindow("log2",2);//create window
  cvNamedWindow("log3",3);//create window
  cvNamedWindow("log4",4);//create window
  cvNamedWindow("log5",5);//create window
  cvNamedWindow("log6",6);//create window
  cvNamedWindow("log7",7);//create window
  cvNamedWindow("log8",8);//create window

  cvShowImage("log1", pImg_cut[0]);
  cvShowImage("log2", pImg_cut[1]);
  cvShowImage("log3", pImg_cut[2]);
  cvShowImage("log4", pImg_cut[3]);
  cvShowImage("log5", pImg_cut[4]);
  cvShowImage("log6", pImg_cut[5]);
  cvShowImage("log7", pImg_cut[6]);
  cvShowImage("log8", pImg_cut[7]);

  cvWaitKey(0);

  cvDestroyWindow("canny");

  cvReleaseImage(&pImg);
  cvReleaseImage(&pImg_gray);
  
  return 0;
 }
 
 return -1;
}

 

 


 

 


#include "math.h"
#include"cv.h"
#include"highgui.h"
//#include <iostream>
//using namespace std;


int main(int argc,char **argv)
{
 /*IplImage *img=cvLoadImage("F:\HU\testopencv\pp.jpg");
 cvNamedWindow("Example1",CV_WINDOW_AUTOSIZE);
 cvShowImage("Example1",img);
 cvWaitKey(0);
 cvReleaseImage(&img);
 cvDestroyWindow("Example1"); */
 //图像反转
 IplImage *pImg;
 IplImage *pImg_gray;
 IplImage *pImg_cut[8];
 /*IplImage *pImg_cut0;
 IplImage *pImg_cut1;
 IplImage *pImg_cut2;
 IplImage *pImg_cut3;
 IplImage *pImg_cut4;
 IplImage *pImg_cut5;
 IplImage *pImg_cut6;
 IplImage *pImg_cut7;*/
 /*pImg_cut0 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut1 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut2 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut3 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut4 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut5 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut6 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 pImg_cut7 = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);*/
 //IplImage *pImg_bi;
 

 if(argc == 3 && (pImg = cvLoadImage(argv[1],-1))!= 0)
 { 
  
  pImg_gray = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
 // cvCvtColor(pImg,pImg_gray,CV_BGR2GRAY);
  cvCopy(pImg,pImg_gray,NULL);
  //pImg_bi = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  //cvThreshold(pImg_gray,pImg_bi,127,255  ,CV_THRESH_BINARY);
  //int a = pImg_bi->nChannels;
  //int bi_width = pImg_bi->
  int img_width = pImg->width;//image width
  int img_height = pImg->height;//image height

  uchar *data;
  data = (uchar *)pImg_gray->imageData;
  uchar *data_cut[8];
  pImg_cut[0] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[1] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[2]= cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[3] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[4] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[5] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[6] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
  pImg_cut[7] = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);

 /*  //for (int i = 0; i < img_height - 1; i++)
  //{
  // for (int j = 0; j < img_width - 1; j++)
  // {
  //  uchar cur = data[i * img_width + j];
  //   
  //  //cur =  3 * log((double)cur + 1.0);
  //  cur =  6 * sqrt((float)cur);
  //  if (cur < 0)
  //  {
  //   cur =0;
  //  }
  //  else if(cur > 255)
  //  {
  //   cur =255;
  //  }
  // }
  //}
  //line trans func线性变换
  float ratio = -3;//斜率
  float intercept = -838;//截距

  for (int i = 0; i < img_height - 1; i++)
  {
   for (int j = 0; j < img_width - 1; j++)
   {
    uchar cur = data[i * img_width + j];
    /*cur = ratio * cur + intercept;//线性变换

    data[i * img_width + j] = cur;
    if (cur < 0)
    {
     cur =0;
    }
    else if(cur > 255)
    {
     cur =255;
    }*/
   /* if (cur > 20 && cur < 200)
    {
     cur  = cur + 50;
     if (cur < 0)
     {
      cur =0;
     }
     else if(cur > 255)
     {
      cur =255;
     }
     data[i * img_width + j] = cur;
    }
   }
  }*/

  /*for (int i = 0; i< img_height -1 ; i++)
  {
  for (int j = 0; j< img_width -1; j++)
  {
  printf("%d",data[i * img_width + j]);
  }
  printf("\n");
  }*/
//  cvSaveImage(argv[2],pImg_bi);
  uchar zhi = 1;
  for (int k = 0; k< 8 ;k++)
  {
   data_cut[k] = (uchar *)pImg_gray->imageData;
   if (k > 0)
    zhi = zhi<<1;
   for (int i = 0; i< img_height; i++)
   {
    for (int j = 0; j< img_width ; j++)
    {
      uchar cur = data[i * img_width + j];
         cur = cur & 0x40; //按位与运算
      if (cur == 1)
      {
       cur = 255;
      }
      else cur = 0;
      data[i * img_width + j] = cur;
     
    }

   }
   cvCopy(pImg_gray,pImg_cut[k],NULL);
   cvCopy(pImg,pImg_gray,NULL);
   

  }

  cvNamedWindow("log1",1);//create window
  cvNamedWindow("log2",2);//create window
  cvNamedWindow("log3",3);//create window
  cvNamedWindow("log4",4);//create window
  cvNamedWindow("log5",5);//create window
  cvNamedWindow("log6",6);//create window
  cvNamedWindow("log7",7);//create window
  cvNamedWindow("log8",8);//create window

  cvShowImage("log1", pImg_cut[0]);
  cvShowImage("log2", pImg_cut[1]);
  cvShowImage("log3", pImg_cut[2]);
  cvShowImage("log4", pImg_cut[3]);
  cvShowImage("log5", pImg_cut[4]);
  cvShowImage("log6", pImg_cut[5]);
  cvShowImage("log7", pImg_cut[6]);
  cvShowImage("log8", pImg_cut[7]);

  cvWaitKey(0);

  cvDestroyWindow("canny");

  cvReleaseImage(&pImg);
  cvReleaseImage(&pImg_gray);
  //cvReleaseImage(&pImg_bi);
  return 0;
 }
 //printf("%s\n %s\n%s\n", argv[0],argv[1],argv[2]);
 return -1;
}

 

 


 

 

 

nancy_princess
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
灰度变换-位图切割（比特平面分层）
Henry的博客
10-18 1611
图像的像素值是由比特组成的。例如一副256级灰度图像中，图像是由8 bit组成。与之前对比度拉伸的区别是，之前我们主要强调在某一范围的灰度值作为我们能感兴趣的目标将其变亮或者变暗。而位图切割主要强调每个bit对图像的贡献，通过方法将不同位的灰度值值取出来还原成图像。如图所示，一副8 bit图像，我们可以将图像分割成8个，将每个图像对应的比特位取出构建成一副新的图像。
位图切割
Fools_______的博客
09-17 382
一个8比特图像，每一个像素由8位表示灰度（0-7）。想要求第i个平面的灰度变换函数时，就对第i位进行检测，这一位是1，就把其他位全部变成1，这一位是0，就把其他位全部变成0，于是就可以得到一个黑白的二值图像。 0–127==》0 //这是对第7位检测（即第7位平面） 128–255==》1 ...
位图分割（MATLAB）
05-30
位图分割（MATLAB）肯定对大家有帮助，有这方面课题肯定有用！，
灰度切割和位图切割的区别_杆切割
cumubi7552的博客
08-02 270
灰度切割和位图切割的区别Description: 描述： In this article we are going to see how to maximize profit by cutting rod with dynamic programming? This is a classic DP problem featured in many interview rounds of Ama...
位图剪切
好记性不如烂笔头
12-05 370
/* 函数功能：剪切bmp图片 */ void CCutBmpDlg::CutBmpTwo(CString soucepath,CString cutpath1,CString cutpath2) { if (GetFileAttributes(soucepath) == -1) { return; } HBITMAP SouceBitma
数字图像实验---灰度变换
05-09
图像的对数变换，图像的指数变换
小波变换_图像灰度值_小波变换-图像处理_图像变换_源码
10-01
在"标签"中提到了"图像灰度值"、"小波变换-图像处理"和"图像变换"，这进一步强调了这个压缩包中的源代码将涉及如何利用小波变换改变图像的灰度值分布，进行图像处理，以及执行其他可能的图像变换操作，如旋转、缩放...
基于Matlab的图像处理算法-灰度变换
11-26
在图像处理领域，灰度变换是一种基础且重要的技术，它用于改变图像的亮度层次，以增强图像的视觉效果或提取特定信息。本篇将详细探讨基于MATLAB的三种灰度变换算法：线性变换、非线性变换和分段线性变换。 1. 线性...
基于MATLAB的数字图像处理-图像进行灰度化.zip
06-12
本项目对低照度图像进⾏灰度化，计算并显⽰以上低照度图像的灰度直⽅图和离散傅⾥叶变换频谱幅度图；对低照度图像分别进⾏直⽅图均衡化和同态滤波操作，并对两种算法的最终结果进⾏对⽐。 详细介绍参考：...
数字图像处理实验报告-线性灰度变换-图像几何变换-频域图像增强技术-图像分割.pdf
11-03
。。。
[图形图像 python]位图切割
qq_41323793的博客
11-22 1151
数字图像处理中提到一个东西叫位图切割，上面说操作很简单，但是没能理解。现在理解了，总结如下： 位图切割是2，4，8，..，128，256，256是灰度值的上限，位图切割转换为灰度值在（0~2，2~256），（0~4，4~256），...，（0~128，128~256）这八种的二值图 （注：图片像素点灰度值在括号前部分的可以设置为0，后部分的设置为255，类似概念） ...
利用位图操作，切割图片
wyr0924的专栏
05-21 757
http://bbs.9ria.com/thread-88642-1-1.html    package     {             import flash.display.Bitmap;             import flash.display.BitmapData;             import flash.display.Loader;
图像处理(Image Processing) ---------- 灰阶位图分割 (bit-plane slicing)（浮水印)(C#实现)
英俊强健的博客
12-26 8519
灰阶图像，通常每个Pixel是由8个bit构成，即有256种变化。然而每个Pixel的8个bit，从最高位到最低位携带的信息量是逐渐递减的。可以看下面几幅图：     右边是原图，下面就是将灰阶图每一个pixel的8bit分别取出，然后构成的8个平面，从右到左是0bit - 7bit 。可以看出越高位的位图携带原图的信息量越多、特征越多，甚至最后几张位图看上去就像杂讯。所以，其实最后几个位图...
关于图像处理中的位图切割(Bit-pane Slicing)原理的自我见解
Yann‘s的博客
05-03 7313
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
数字图像处理——二值、灰度和彩色图像，位图切割
weixin_44791273的博客
10-26 2825
matlab是按行编译，一行一行编译，不写分号，就会直接出来编译结果 数字图像处理 图像：用二维函数f(x,y)表示，f(x,y)是点(x,y)的幅值。 灰度级：0~255 ==》256个灰度级 层次：图像实际拥有灰度级的数量 对比度：灰度反差的大小 二值图像（binary image）：图像上的每一个像素只有两种可能的取值或灰度等级状态。每个像素只需要1Bit就可以完整存储信息 灰度图像：灰度图只包含一个通道的信息，每个采样像素需要8位存储信息。f(x,y)取值在0~255 彩色图像：3个f(x,
收藏两个位图切割实现动画效果的例子（一个是用位图切割的方式，另一个是用scrollRect）
毛业兴
08-05 374
位图切割方式：package { import flash.display.*; import flash.events.*; import flash.net.*; import flash.events.IOErrorEvent; import flash.system.System; import flash.geom.Rectangle; import flash.geom.Po
位图分割的Python实现
Test_Duriel的博客
11-18 3677
最近重温了一下位图分割的相关内容，发现网络上位图分割原理讲得已经很清楚了，但是代码多为C++实现或者Matlab实现，因为需要Python的版本，于是出现了这篇博客。 想要了解位图分割的原理的同学，可以参考下面这篇博客。 https://www.cnblogs.com/qinguoyi/p/7601179.html 话不多说，直接来代码。 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('Fig3
哈希思想的经典应用（位图，哈希切割）
zjq_love的博客
09-20 339
分别计算每个哈希值对应的比特位置存储的是否为零，只要有一个为零，代表该元素一定不在哈希表中，否则可能在哈希表中。所谓位图，就是用每一位来存放某种状态，适用于海量数据，数据无重复的场景。在该问题中，我们可以取40亿个比特位，每个比特位表示一个数，如果该数出现则标记为1，未出现则标记为0。给40亿个不重复的无符号整数，没排过序。将每一个log中的IP通过哈希函数映射成一个整数%100，分到100不同的小文件，在进行计数。我们采取类似位图的思想，将一个字符串通过相同的方式映射成一个整数，再将对应的下表，标位1。
matlab亮度切割代码
最新发布
06-20
在MATLAB中，亮度切割（也称为阈值处理或二值化）是一种图像处理技术，用于将图像转换为只有两种颜色（通常是黑和白）的简单版本，通过设定一个阈值，所有高于这个阈值的像素值被设为白色，其余的设为黑色。以下是一个简单的例子，展示了如何使用MATLAB的`imbinarize`函数进行亮度切割： ```matlab % 加载或创建图像 img = imread('your_image.jpg'); % 替换为你要处理的图片文件名 % 定义阈值，可以根据具体需求调整 threshold = graythresh(img); % 自动计算全局阈值，也可以设置特定阈值 % 应用阈值并创建二值图像 binary_img = imbinarize(img, threshold); % 显示原图和二值化后的图像 figure; subplot(1, 2, 1), imshow(img); title('Original Image'); subplot(1, 2, 2), imshow(binary_img, 'InitialMagnification', 'fit'); title('Binarized Image'); ``` 在这个代码中，`graythresh`函数计算了灰度图像的全局阈值，`imbinarize`函数则根据这个阈值生成了二值图像。

“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
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