数字图像处理大作业合集-四次数字图像处理大作业（95分以上项目）.zip

# 数字图像处理 ## 程序说明 ### 目录结构 - main.py：程序主入口，可通过`python main.py`启动PyQt5界面 - main.ui：使用Qt Designer进行的界面设计 - Ui_main.py：通过编译.ui文件生成的界面代码，供主程序调用 - util.py：各种工具函数，包含直方图、傅里叶变换、各种边缘检测算法等 - dist：此文件夹中包含打包的各种库和依赖，及可执行文件 - 直接运行UI程序，请点击`dist/main/main.exe` 打包命令： ```sh pyinstaller -D -i test.ico main.py ``` ### 程序界面 程序打开后如下图所示，包含输入输出两个窗格，都是固定600*600大小，窗口可放大缩小，当窗格不可伸缩。  菜单栏包含5个主菜单，每个菜单中都有一些具体的功能，一一对应了下面大作业的所有需求，部分功能都相应的快捷键。 - 文件：打开、关闭和导出图片，注意打开之后会显示在输入窗格 - 输入：对输入窗格内的图片进行处理，直接在输入窗口中修改（inplace操作） - 输出：使用输入窗格内激活的图片作为输入，进行图像基础操作，在输出窗格出显示图片 - FFT：使用输入窗格内激活的图片作为输入，自动转为灰度图，进行FFT相关操作，在输出窗格出显示图片 - “傅里叶变换”功能一共输出 - 边缘检测：使用输入窗格内激活的图片作为输入，自动转为灰度图，进行边缘检测相关操作，在输出窗格出显示图片   在运行程序时： - 控制台输出的是程序运行的输出，如果执行异常，程序会退出，退出原因间控制台输出 - 打开的图片会被压缩显示，即长、宽中较大的一个被设置成600，另一个维度等比缩放。但是图片的实际尺寸不变，并通过数字显示在右上角 - 输入输出均有多个窗格，可以在窗格之间进行切换，但是尚不支持点击'x'关闭，想要关闭窗格需点击菜单>文件>关闭 - 每个窗格中当前展示的内容是正在激活的tab ## 作业文档 ### 大作业内容（1） - 基于VC的多文档界面（MDI ）方式，设计数字图像处理程序框架 - 软件中编程实现BMP格式图像文件的读取、显示 - 选择实现JPG、 RAW格式文件的读取、显示，以及与BMP格式的转换 - 完成图像的基本操作：加、求反、几何变换 - 完成图像的直方图均衡化处理 #### 文件的读写 文件的格式种类多样，打开和关闭都支持四种类型的格式。通过这种方式实现了各种图片格式之间的转换。  #### 图像的基本操作  加法会使用所有打开的输入进行加法，最终会使用所有图中最大宽和高最为新图的尺寸。 **注意**：请不要使用通道不一致的图片进行加分操作，会造成程序崩溃（可预先都转换为灰度图）  进行缩放呈现的效果不会改变，但实际的大小已经变了，见右上角的尺寸。 #### 直方图均衡化 色彩明显变得更加鲜艳：  ## 大作业内容（2） FFT作业说明 - 实现图像的FFT变换和显示 - 实现FFT反变换 观察典型图像FFT变换后的频谱图 - 首先构造一幅黑白二值测试图像，例如：在128×128的黑色背景中心产生一个4×4的白色方块。然后依次进行以下测试。 - DFT <img src="https://n.sunie.top:9000/gallery/2022summer/202206281712345.png" alt="image-20220627215141715" style="zoom:67%;" /> - 平移、缩放 <img src="https://n.sunie.top:9000/gallery/2022summer/202206281712605.png" alt="image-20220627215247881" style="zoom:67%;" /> #### FFT 通过菜单栏>FFT>傅里叶变换进行，执行过程中输出3张图片： - 复数域上频谱图（强行转换uint8使得图片失真） - 动态范围压缩的2DFT图（将值最高的点映射成亮度255） - FFT反变换的输出图  #### 高通/低通滤波 支持自定义滤波半径，通过交互式输入方式选择，高通、低通的结果分别如下：  ## 大作业内容（3） 对于图1中XY平面上的边界，对其进行傅里叶描述子的表示，用不同的项数重构  傅里叶描述子是一种图像特征，用来描述轮廓的特征参数。 傅里叶描述子的基本思想是：首先我们设定物体的**形状轮廓**是一条闭合的曲线，一个点沿边界曲线运动，假设这个点为p(l)，它的复数形式的坐标为x(l)+jy(l)，它的周期是这个闭合曲线的周长，这也表明属于一个周期函数。该以曲线周长作为周期的函数能够通过傅里叶[级数](https://so.csdn.net/so/search?q=级数&spm=1001.2101.3001.7020)表示。在傅里叶级数里面的多个系数z(k)与闭合边界曲线的形状有着直接关系，将其定义为**傅里叶描述子**。当取到足够阶次的系数项z(k)时，傅里叶描述子能够完全提取形状信息，并恢复物体的形状。 也就是说，傅里叶描述子用一个向量表示轮廓，将轮廓数字化，从而能更好的区分不同的轮廓，达到识别物体的目的。傅里叶描述子的特点是简单并且非常高效，是识别物体形状的重要方法之一。 简单来说，傅里叶描述子就是用一个向量代表一个轮廓，将轮廓数字化，从而能更好地区分不同的轮廓，进而达到识别物体的目的。 如上图所示，少数的傅里叶描述子就可以用于捕获边界的大体特征。这一性质很有用，因为这些系数携带有形状信息。 **整个流程如下：** 1. 边缘检测：使用边缘检测算法将边缘提取出来，并执行闭操作，让边缘更明晰，去掉小黑点 2. 选择所有轮廓中最大轮廓，即目标轮廓，绘制出来 3. 计算轮廓的傅里叶描述子，通过窗格方式输出前32个描述子 4. 可选择描述子的项数进行重构。  ## 大作业内容（4） 边缘检测 - 编程实现基于典型微分算子（不少于Roberts、Sobel、Prewitt、拉普拉斯算子）的图像边缘提取，能够读取图像文件内容，进行检测后输出边缘检测结果 - 分析比较不同算子的特性    | 算子 | 优缺点比较 | | --------- | ------------------------------------------------------------ | | Roberts | 对具有陡峭的低噪声的图像处理效果较好，但利用Roberts算子提取边缘的结果是边缘比较粗，因此边缘定位不是很准确 | | Sobel | 对灰度渐变和噪声较多的图像处理效果比较好，Sobel算子对边缘定位比较准确 | | Scharr | 与Sobel算子的不同点是在平滑部分，这里所用的平滑�