企业网站建立要做的准备,大连外贸建站,阿里云网站建设好了怎么,做结婚视频储存网站使用VC实现锐化处理#xff08;使用Sobel算子、Prewitt算子、Isotropic算子#xff09; 获取源工程可访问gitee可在此工程的基础上进行学习。 该工程的其他文章#xff1a; 01- 一元熵值、二维熵值 02- 图像平移变换#xff0c;图像缩放、图像裁剪、图像对角线镜像以及图像…使用VC实现锐化处理使用Sobel算子、Prewitt算子、Isotropic算子 获取源工程可访问gitee可在此工程的基础上进行学习。 该工程的其他文章 01- 一元熵值、二维熵值 02- 图像平移变换图像缩放、图像裁剪、图像对角线镜像以及图像的旋转 03-邻域平均平滑算法、中值滤波算法、K近邻均值滤波器 04-分段线性变换直方图均衡化、锐化处理 05-基于拉普拉斯算子、Canny的边缘检测功能、实现Otsu分割方法 06-最近邻插值双线性插值立方卷积插值 07-全局固定阈值分割、自适应阈值分割 08-K近邻中值滤波器KNNMF、最小均方差滤波器、矢量中值滤波算法 文章目录 使用VC实现锐化处理使用Sobel算子、Prewitt算子、Isotropic算子实验内容一、Sobel算子1.Sobel算子锐化原理2.Sobel算子锐化实验代码3.Sobel算子锐化现象 二、Prewitt算子1.Prewitt算子锐化原理2.Prewitt算子锐化实验代码3.Prewitt算子锐化实验现象 三、Isotropic算子1.Isotropic算子锐化原理2.Isotropic算子锐化实验代码3.Isotropic算子锐化实验现象 实验内容 对一幅256级灰度图像使用VC实现锐化处理使用Sobel算子、Prewitt算子、Isotropic算子。 一、Sobel算子 1.Sobel算子锐化原理 Sobel算子是一种常用于图像处理的边缘检测算子也可用于图像锐化。其原理基于对图像的卷积操作计算图像中每个像素点的梯度值。Sobel算子有水平方向和垂直方向两种核分别用于检测图像中的水平和垂直边缘。 Sobel算子的水平方向卷积核 -1 0 1 -2 0 2 -1 0 1Sobel算子的垂直方向卷积核 -1 -2 -10 0 01 2 1算法步骤如下 对于图像中的每个像素点将其与Sobel算子的卷积核进行卷积操作分别计算水平方向和垂直方向的梯度值。 将水平和垂直方向的梯度值合并一般使用这两个梯度值的平方和的开根号得到最终的梯度值。 将得到的梯度值映射到图像的灰度范围例如通过取整和截断的方式将其限定在0到255之间。 最终得到的图像就是经过Sobel算子锐化后的图像边缘特征更加明显。 Sobel算子的优势在于简单易实现对噪声具有一定的抑制作用常用于图像边缘检测和锐化。 2.Sobel算子锐化实验代码 // 循环控制变量int y;int x;CSize sizeImage pDib-GetDimensions();int nWidth sizeImage.cx ;int nHeight sizeImage.cy ;int templatewidth 3;int templateheight 3;int gx[100] { 1,0,-1,2,0,-2,1,0,-1 };int gy[100] { -1,-2,-1,0,0,0,1,2,1 };for (y 1; y nHeight - 1; y)for (x 1; x nWidth - 1; x){double Gx 0, Gy 0;for(int k0;k templatewidth;k)for (int m 0; m templateheight; m){int gray pDoc-m_pDibInit-GetPixelGray(x - templatewidth / 2 m, y - templateheight / 2 k);Gx gx[k * templatewidth m] * gray;Gy gy[k * templatewidth m] * gray;}double G_xy sqrt(Gx * Gx Gy * Gy); //平方和开根号pDoc-m_pDibTest-SetPixelGray(x, y, (int)G_xy);} 3.Sobel算子锐化现象 二、Prewitt算子 1.Prewitt算子锐化原理 Prewitt算子是一种用于图像处理的边缘检测和图像锐化的卷积算子。它类似于Sobel算子但其权重系数略有不同。Prewitt算子有两个核分别用于水平和垂直方向的卷积。 水平方向的Prewitt核 -1 0 1 -1 0 1 -1 0 1垂直方向的Prewitt核 -1 -1 -10 0 01 1 1Prewitt算子的原理是通过卷积计算图像中每个像素点与其周围像素的梯度以检测图像中的边缘。具体步骤如下 对图像进行灰度处理如果图像不是灰度图。 使用水平和垂直方向的Prewitt核对图像进行卷积操作分别得到水平方向Gx和垂直方向Gy的梯度图像。 计算每个像素的梯度大小通常使用以下公式 G G x 2 G y 2 G \sqrt{Gx^2 Gy^2} GGx2Gy2 ​ 将计算得到的梯度大小映射到新的像素值范围例如0到255以生成最终的锐化图像。 Prewitt算子主要用于强调图像中的垂直或水平边缘。在图像处理中它常被应用于边缘检测、特征提取和图像增强等任务。 2.Prewitt算子锐化实验代码 只需要在sobel算子的基础上更改两个核 //Prewitt算子int gx[100] { 1,0,-1,1,0,-1,1,0,-1 };int gy[100] { -1,-1,-1,0,0,0,1,1,1 };3.Prewitt算子锐化实验现象 三、Isotropic算子 1.Isotropic算子锐化原理 在图像处理中Isotropic算子是一种用于图像锐化的算子它基于图像的梯度信息类似于Sobel和Prewitt算子。Isotropic算子主要强调图像中的各个方向的边缘。 Isotropic算子没有固定的卷积核而是根据图像中每个像素点周围的梯度方向进行动态调整。其原理如下 计算梯度 对图像进行梯度计算通常使用Sobel、Prewitt或其他梯度算子。这一步会得到每个像素点的梯度强度和方向。 动态卷积核 对于每个像素点根据其梯度方向调整卷积核。通常Isotropic算子采用一个可旋转的卷积核可以在不同方向上产生不同的响应。这个卷积核可以根据梯度方向旋转一定的角度。 卷积操作 使用动态调整后的卷积核对图像进行卷积操作。这一步产生的结果是在多个方向上对图像进行了锐化处理以增强图像中各个方向的特征。 灰度映射 将卷积操作得到的结果映射到合适的灰度范围以生成最终的锐化图像。 Isotropic算子的优势在于它对于不同方向的边缘都有较好的响应能够更全面地提取图像的特征。然而由于其动态卷积核的设计计算成本可能较高具体实现时需要根据应用场景进行权衡。 2.Isotropic算子锐化实验代码 只需要在sobel算子的基础上更改两个核 //Isotropic算子图像锐化// 设置模板系数double gx[100] { 1,0,-1,sqrt(2),0,-sqrt(2),1,0,-1 };double gy[100] { -1,-sqrt(2),-1,0,0,0,1,sqrt(2),1 };3.Isotropic算子锐化实验现象