空间域 变换域_图像处理里的空间域滤波&形态学运算小结

图像处理里面比较基本的操作是在空间域的滤波处理。最常见的模糊啊锐化啊的都可以归于这类。其实质就是邻域间的组合运算，在shader技术上的乒乓也就差不多这个样子，而且操作纹理要更简捷。——ZwqXin.com

本文来源于 ZwqXin (http://www.zwqxin.com/), 转载请注明
原文地址：http://www.zwqxin.com/archives/image-processing/image-process-spatial-domain-filter.html

比较直方图类那种“单点”操作，空间域滤波中的每个像素都得多少顾及一下邻里情况，因而依其关注面大小而出现了不同大小的“邻域”的定义。至于不同的空间域滤波对应不同类型的矩阵式，就是所谓的“滤波”（FILTER），或者说模板。简单的就是3*3大小的高斯平滑，中值平滑，一阶梯度锐化/边缘，二阶拉普拉斯锐化/边缘等等，还有实现各种不同效果的FILTER，可上网找找，其实运用都是差不多的，但是要得出一个“有价值”的FILTER，可不是随随便便就能行的。

在[基于亮度的图像二值化处理] 里对8BIT，16BIT，24/32BIT的BMP分别应用“单点”的计算，一提取BMP数据区的像素信息，马上就作转换操作了，而在“邻域”计算里，把全部像素信息提取出来后，再进行转换操作比较合适：

1. void SpatialDomainTemplate::BmpProcess24_32(OperateBMP& image, int Hdis, int Wdis, int step)
2. {
3. int index;
4. int Wmax = (Wdis-1)*step;
5. FilterColor *color;
6. FilterColor *result_color;
7. color = new FilterColor[Hdis*Wdis];
8. result_color = new FilterColor[Hdis*Wdis];
9. memset(color, 0, Hdis*Wdis*sizeof(FilterColor));
10. memset(result_color, 0, Hdis*Wdis*sizeof(FilterColor));
11. for(int j = 0; j < Hdis; j++)
12. for(int i = 0; i < Wdis; i++)
13. {
14. index = j*Wdis + i;
15. color[index].blue = image.GetImageData().buffer[i*step + 0 + Wmax * j];
16. color[index].green = image.GetImageData().buffer[i*step + 1 + Wmax * j];
17. color[index].red = image.GetImageData().buffer[i*step + 2 + Wmax * j];
18. }
19. ApplyTemplate(color, result_color, Hdis, Wdis);
20. if(GetReadBack())
21. {
22. for(int k = 0; k < Hdis; k++)
23. for(int l = 0; l < Wdis; l++)
24. {
25. index = k*Wdis + l;
26. image.GetImageData().buffer[l*step + 0 + Wmax * k] = result_color[index].blue;
27. image.GetImageData().buffer[l*step + 1 + Wmax * k] = result_color[index].green;
28. image.GetImageData().buffer[l*step + 2 + Wmax * k] = result_color[index].red;
29. }
30. }
31. delete []color;
32. delete []result_color;
33. }

这是24/32BIT版本，其他BIT的可参照上篇文章，类似的。color,resultcolor数组分别作为操作函数ApplyTemplate的输入和输出，模板操作就在此函数里完成——它无关BMP是多少BIT的，进来的是一个代表原图像的RGB数组，出来的是代表结果图像的RGB数组，就这样。当然可以看出为了结构我还是牺牲了不少“效率”的。

1. void SpatialDomainTemplate::ApplyTemplate(FilterColor* oColor, FilterColor* rColor, int Hdis, int Wdis)
2. {
3. if(FilterType == AverageBlur)
4. ApplyAverageBlur(oColor, rColor, Hdis, Wdis);
5. if(FilterType == MedianBlur)
6. ApplyMedianBlur(oColor, rColor, Hdis, Wdis);
7. if(FilterType == FirstOrderSharp)
8. ApplyFirstOrderSharp(oColor, rColor, Hdis, Wdis);
9. if(FilterType == SecondOrderSharp)
10. ApplySecondOrderSharp(oColor, rColor, Hdis, Wdis);
11. if(FilterType == SelfDefine)
12. ApplySelfDefine(oColor, rColor, Hdis, Wdis);
13. }

根据客户端的要求，调用不同的FILTER。举最后一个（自定义）为例：

1. void SpatialDomainTemplate::ApplySelfDefine(FilterColor* oColor, FilterColor* rColor, int Hdis, int Wdis)
2. {
3. for(int j = 0; j < Hdis; j++)
4. for(int i = 0; i < Wdis; i++)
5. {
6. AdjustImageEdge(i, j, Wdis, Hdis);
7. rColor[Index[1][1]]
8. = oColor[ Index[0][0] ] * templateParam[2]
9. + oColor[ Index[0][1] ] * templateParam[3]
10. + oColor[ Index[0][2] ] * templateParam[4]
11. + oColor[ Index[1][0] ] * templateParam[5]
12. + oColor[ Index[1][1] ] * templateParam[6]
13. + oColor[ Index[1][2] ] * templateParam[7]
14. + oColor[ Index[2][0] ] * templateParam[8]
15. + oColor[ Index[2][1] ] * templateParam[9]
16. + oColor[ Index[2][2] ] * templateParam[10];
17. rColor[Index[1][1]] = rColor[Index[1][1]] * templateParam[0] / templateParam[1];
18. if(rColor[Index[1][1]].blue < 0) rColor[Index[1][1]].blue = 0;
19. if(rColor[Index[1][1]].green < 0)rColor[Index[1][1]].green = 0;
20. if(rColor[Index[1][1]].red < 0) rColor[Index[1][1]].red = 0;
21. }
22. }

对每个像素，以它为中心的3邻域每个邻接像素都乘以一个系数，相加后结果乘以一个主调节量，判断边界后得到该元素的结果。加上类型转换的截断，可以保证结果在0~255之间——为免去计算过程越界的危险，FilerColor间是整型的运算：

1. class FilterColor {
2. public:
3. int red;
4. int green;
5. int blue;
6. ............
7. }

只要最后结果的类型是UCHAR（或BYTE），VC6就能自动类型转换从INT转换到UCHAR。AdjustImageEdge函数是调节边界的，这里对于边界元素，它的那些“不存在的邻居”都被虚拟成一个与该像素等值的像素。边界问题总是那样需要掂量啊。

高斯平滑：

原图片：

处理后：

---

数学形态学(Mathematical Morphology)，是分析几何形状和结构的数学方法，包括膨胀、腐蚀、开、闭等运算。在图像处理里面，用于“保持基本形状，去除不相关特征”——ZwqXin.com
什么意思呢？图像中有一个貌似正方形的区域，然后你通过处理，可以把“貌似”去掉；图像是一个不清晰的指纹，然后你通过处理，也把“不”字去掉；图像中有很多大小不一的圆形区域，然后你通过处理，找出大者祛除小者（去噪）......应用是很多的，但是没有一个完整的范畴，就是很多时候要做某种图像处理实际应用的时候，会想起它吧。
本文来源于 ZwqXin (http://www.zwqxin.com/), 转载请注明
原文地址：http://www.zwqxin.com/archives/image-processing/morphologic-process.html

因为处理的都是二值图像（用来分清目标和背景），因此有必要预先把图片转化为8BIT的二值图像，便于处理操作。我是把黑色像素作为目标区域，白色像素作为背景的（当然可以反相）。

结构元素：

其实就是自己定义的一块像素区域，形态学处理的时候用这个元素与原图像作与或运算，生成结果。

膨胀：

设A为原图像。B为结构元素（C为B的映像，没用），那么D的整块“灰+黑”区域就是新图像了（反映在图像里都是黑像素），可以看到图中用黑色标识的是“膨胀”出来的。它就是把结构元素B的中心（+）分别与原图像A“重合”，然后考虑结构元素里的“中心以外”的像素将在原图像中出现的位置，并与原图像该位置的像素进行0-1值的“或运算”（设黑色为0，白色为1，下同）

腐蚀：

腐蚀的解释与膨胀相同，不过执行的是“与运算”。如图，最终图像是C中的纯黑色部分。由此可见膨胀与腐蚀的关系与不同点。

至于“开”与“闭”，无非是结合膨胀腐蚀的二次操作。前者是先腐蚀后膨胀，后者是先膨胀后腐蚀。要注意的是第一次是用结构元素，第二次则是用结构元素的倒置（相当于矩阵的转置咯，这是为了最后图像的“平衡”，如果两次用同一个的话，结果只会是等同双重“膨胀”或“腐蚀”。注意，概念跟“映像”是不同 di，见下图，元素中心也换位置了）：

开运算效果：
- 删除小物体；
–将物体拆分为小物体；
–平滑大物体边界而不明显改变它们的面积；

闭运算效果：
- 填充物体的小洞；
–连接相近的物体；
–平滑物体的边界而不明显改变它们的面积。

（前者为“开”，后者为“闭”）
[注：以上图片多转自冈萨雷斯那本图像处理的书，老师的教学用PPT中截取]
总的操作代码见下。

1. void MorphologicProcess::BmpProcess8(OperateBMP& image, int Hdis, int Wdis)
2. {
3. GetMinimumStructureElement(MorphElement, LineGrid, StructLineGridX, StructLineGridY);
4. if(MorphType == MorphErosion)
5. MorphDilaEroProcess(image, Hdis, Wdis, MorphErosion);
6. else if(MorphType == MorphDilation)
7. MorphDilaEroProcess(image, Hdis, Wdis, MorphDilation);
8. else if(MorphType == MorphOpen)
9. {
10. MorphDilaEroProcess(image, Hdis, Wdis, MorphErosion);
11. GetRotInverseStructureElement();
12. GenBinaryMorph(image);
13. MorphDilaEroProcess(image, Hdis, Wdis, MorphDilation);
14. GetRotInverseStructureElement();
15. }
16. else if(MorphType == MorphClose)
17. {
18. MorphDilaEroProcess(image, Hdis, Wdis, MorphDilation);
19. GetRotInverseStructureElement();
20. GenBinaryMorph(image);
21. MorphDilaEroProcess(image, Hdis, Wdis, MorphErosion);
22. GetRotInverseStructureElement();
23. }
24. }

在细节上不想多说了。难处不在形态学算法本身，而在“自定义结构元素”（MorphElement）这块，包括它与原图像进行形态学运算时必须要考虑的边界条件处理。有需要的同学可以留言给我[http://www.zwqxin.com]。（当然如果自己连算法怎么样也不懂，只是为了交作业交任务而索要的话，恕不理会- -）

(原始测试图片，处理对话框)

(自定义任意的结构元素，约定中间红点为结构元素中心)

(膨胀，处理结果图片)

(任意定义新的结构元素，作为腐蚀例子)

(腐蚀，处理结果图片)

开和闭运算就不截图了，免得一篇日志里图太多。

2009-4-27 / 2009-5-16