人工智能项目资料-基于MFC的图像处理软件.zip

<style> h1{color:#ff0000;text-align: center;} h2{text-align: center;} </style> <section id="downloads" class="clearfix"> <a href="https://zhangqunwei.github.io/ImageProcessingMFC/Release/Release.zip" title="测试环境为Visual Studio 2013" style="float:left;" id="view-on-github" class="button"><span>下载exe</span></a> <a href="https://zhangqunwei.github.io/ImageProcessingMFC/sourceZIP/ImageP.zip" title="测试环境为Visual Studio 2013" style="float:right;" id="view-on-github" class="button"><span>下载项目源码</span></a> </section> # 基于MFC的图像处理软件 根据《图像处理》课程内容实现基于MFC的图像处理软件，目前仅实现直方图均衡化、 线性平滑、线性锐化滤波三部分。 ## GUI界面  ## MFC做图像处理的若干缺点 1.MFC对图像处理的支持基本为零，需要自己写DIB图像格式的底层接口。<br> 2.写出来的软件只能处理BMP一种图像格式，其它格式的不行。<br> 3.在图像的操作中还存在一个字节对齐的问题。<br> 4.图像是二维的，在MFC中获取图像的像素点时，如果调用库函数效率会特别低，如果用指针 通过寻址的方式在一维中找到与二维对应的点。效率虽然高但很容易出错。<br> 5.MFC具有很强的数据类型检查，编程中不仅要考虑图像处理的算法还得考虑数据的类型，所 有很容易出错。<br> 6.MFC中需要自己编写矩阵运算和复数运算，没有Matlab中那么方便。<br> 总之，对于图像处理MFC并不适合，如果是研究图像处理的算法最好还是用Matlab，因为Matlab也叫矩阵实验室，支持各种各样的图像操作，而且使用还很方便。当然也可以用OpenCV，本人未用过也就不介绍了。MFC更适合做普通的Windows软件。 部分源码： {% highlight C++ %}     #include "stdafx.h" #include "Dib.h" CDib::CDib() { m_IsUseOBJ = FALSE; m_pixelValue = 0; } CDib::~CDib() { } /************************************************************************ * 直方图均衡化 ************************************************************************/ void CDib::Histeq() { long lWidth, lHeight; // 检索图像的长和宽 lWidth = GetWidth(); lHeight = GetHeight(); // 保存图片中各个灰度级的像素的个数 UINT pixelNum[256] = { 0 }; // 统计图片中每个灰度级像素的个数 for (int i = 0; i < lHeight; i++) // 每行 for (int j = 0; j < lWidth; j++) // 每列 { // 检索像素点（j，i）的灰度值 m_pixelValue = (BYTE)GetPixel(j, i); // 将灰度值作为数组的索引，并计数 pixelNum[m_pixelValue] = pixelNum[m_pixelValue] + 1; } // **1 原始直方图 （Original histogram ） [ 归一化 即计算各个灰度级的概率 ] double Sk[256] = { 0 }; for (int i = 0; i < 256; i++) Sk[i] = pixelNum[i] / (lHeight*lWidth*1.0); // **2 累计直方图 （Cumulative histogram） double Tk[256] = { 0 }; for (int i = 0; i < 256; i++) if (i == 0) Tk[i] = Sk[i]; else Tk[i] = Tk[i - 1] + Sk[i]; // **3 取整扩展（Integral expansion）[ 公式：pixelCumu = int[(L-1)*pixelCumu+0.5]（L为灰度级）] for (int i = 0; i < 256; i++) Tk[i] = UINT8((256 - 1)*Tk[i] + 0.5); // **4 对灰度值进行映射并写入 for (int i = 0; i < lHeight; i++) // 每行 for (int j = 0; j < lWidth; j++) // 每列 { m_pixelValue = (BYTE)GetPixel(j, i); m_pixelValue = (BYTE)Tk[m_pixelValue]; SetPixel(j, i, RGB(m_pixelValue, m_pixelValue, m_pixelValue)); } }// !void CDib::histeq() /************************************************************************ * 使用3x3模版漫游图像 * 注意：1.处理时对应系数相乘，且已经将计算后的像素值写入图像 * 2.模板系数的数据类型为float型 ************************************************************************/ void CDib::Template3x3(int arr[],double coef) { // 检索图像的长和宽 lWidth = GetWidth(); lHeight = GetHeight(); double sum = 0; for (DWORD i = 0; i < lHeight - 3; i++) // 每行 for (DWORD j = 0; j < lHeight - 3; j++) // 每列 { // 使用模板进行卷积计算 sum = arr[0] * (BYTE)GetPixel(j, i + 2) + arr[1] * (BYTE)GetPixel(j + 1, i + 2) + arr[2] * (BYTE)GetPixel(j + 2, i + 2) + sum; sum = arr[3] * (BYTE)GetPixel(j, i + 1) + arr[4] * (BYTE)GetPixel(j + 1, i + 1) + arr[5] * (BYTE)GetPixel(j + 2, i + 1) + sum; sum = arr[6] * (BYTE)GetPixel(j, i) + arr[7] * (BYTE)GetPixel(j + 1, i) + arr[8] * (BYTE)GetPixel(j + 2, i) + sum; sum = (int)(sum*coef); //计算绝对值 sum = fabs(sum); //如果小于0，强制赋值为0 if (sum<0) sum = 0; //如果大于255，强制赋值为255 if (sum>255) sum = 255; SetPixel(j + 1, i + 1, RGB(sum, sum, sum)); } } {% endhighlight %}