图像变换--灰度切割、位图切割

最新推荐文章于 2022-10-18 08:53:31 发布
最新推荐文章于 2022-10-18 08:53:31 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 1618
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。
数字图像处理1--图像增强技术
samkieth
10-31 2万+
我们从这一节开始进入数字图像处理的大门。预备知识后序补充。图像处理可以有多种分类，其中图像增强和图像复原可以看作是一组相反的过程，这篇主要是概括图像增强技术。那么，增强技术也可以有多种分类，如，可以分为平滑（抑制高频成分）与锐化（增强高频成分），空间域与频域。我们把以第二种为例，分开解释两种技术，并进行对比。为了更加贴近实际操作，我将主讲算法。 空间域图像增强 基于空域的算法分为点运算算法和邻
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 7329
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...
位图切割
Fools_______的博客
09-17 385
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 ...
[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） ...
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 2832
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,
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：...
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！，
最大方差法计算灰度分割门限,是用于灰度处理
08-25
最大方差法计算灰度分割门限,是用于灰度处理，非常基础的代码，学习matlab的朋友可以下在过去参考一下，学习学习
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
本实验报告主要涵盖了四个关键知识点：线性灰度变换、直方图均衡化、图像平滑处理（包括均值滤波和中值滤波）以及拉普拉斯锐化，这些都是图像处理中的基本技术。 **1. 线性灰度变换**是改变图像亮度和对比度的一种...
灰度变换 - 灰度切割（灰度级分层）+threshold函数
Henry的博客
10-18 1943
灰度切割：增强特定范围的对比度，突出图像中特定范围的亮度（灰度级分层也叫灰度切割）实现灰度切割的方法有很多种，但基本的方法就两种，其余的方法都是这两个方法的变体将感兴趣范围内的灰度值全部映射成为一个值（如白色），将其余的灰度值显示为另一个颜色（如黑色），产生一个二值图像将感兴趣的灰度值变亮，保持其余的灰度值不变对应的映射函数为：灰度切割的特殊使用：阈值处理将感兴趣的物体从背景中分离出来，也叫二值化处理，是第一种方法的变体2. 灰度切割代码实现这次没有采用for循环的方式去遍历每个像素点。
空间域图像增强
weixin_53344209的博客
07-01 1092
图像增强是为了使图像更适合分析某种特定问题。空间域指的是直接对图像的像素进行处理。其实这是很好理解的。 下面我们以灰度变换这一最基本的类型来学习。 1.反转变换 灰度级为[0,L-1]的图像反转： s=L-1-r,s为输出灰度，r为输入灰度 这种变换适用于分析嵌入在黑色里的白色或灰色细节，特别是黑色占主导地位时。 2.对数变换 s=clog(1+r) 我们都知道Log函数在接近于1的部分斜率很大，越往后斜率越小，这样我们就可以将图像中低灰度值部分扩展，显示其更多细节，高灰度值部分压缩，比如傅里叶频谱中，后
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。
[数字图像处理]灰度变换——反转，对数变换，伽马变换，灰度拉伸，灰度切割，位图切割
热门推荐
zhoufan的专栏
10-14 3万+
灰度变换，属于一个非常重要的概念。这里主要参考《Digital Image Processing》 Rafael C. Gonzalez / Richard E. Woods 的第三章。书中所有的实验与数学式都采用了8-bit 图像的灰度范围，也就是0到255这样一个范围，这是本书不合理的一个地方。首先，这样做并不泛用，图片不一定是8-bit的。其次，在做某些变换的时候，可能会导致溢出。比如，伽马
图像切割实例——MATLAB代码
weixin_53216963的博客
04-05 2135
gary = imread('image_name'); [m,n,h] = size(gary);%读取图片维数 ww = fix(m/2);%取图片高度的一半 hh = fix(n/2);%取图片宽度的一半 gary1 = gary(1:ww,1:hh,1:h);%取图片左上角的1/4 gary2 = gary(1:ww,hh+1:end,1:h);%取图片右上角的1/4 gary3 = gary(ww+1:end,1:hh,1:h); gary4 = gary(ww+1:end,hh+1:end,1:
python-opencv转灰度图像
最新发布
05-23
使用OpenCV库可以很方便地将彩色图像转换为灰度图像。以下是一个示例代码： ```python import cv2 # 读入一张彩色图像 img = cv2.imread('image.jpg') # 将彩色图像转换为灰度图像 gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 显示原图和灰度图 cv2.imshow('Original Image', img) cv2.imshow('Gray Image', gray_img) # 等待按下任意键退出 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例中，我们首先使用`cv2.imread`函数读入一张彩色图像。然后，使用`cv2.cvtColor`函数将彩色图像转换为灰度图像。最后，使用`cv2.imshow`函数显示原图和灰度图。注意，在转换为灰度图像后，图像的通道数会减少为1。

“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