数字图像处理报告.docx

1、数字图像处理报告数字图像处理实验报告院 系： XXXXX 学 号： XXXXXXX 姓 名： XXX 指导老师： XX XX 完成时间： 2020.02.02 题目一：(1)将宽为2n的正方形图像，用FFT算法从空域变换到频域，并用频域图像的模来进行显示；(2)使图像能量中心，对应到几何中心，并用频域图像的模来进行显示；(3)将频域图象，通过FFT逆变换到空域，并显示。该题实现环境为操作系统：Windows 10 操作系统；编程环境：VS2013；部核心处理算法库：OpenCV。此题目的具体实现过程及其展示如下所示：#include #include #include using namesp

2、ace cv;using namespace std;int main() /以灰度模式读取原始图像并显示 Mat srcImage = imread(lena.png, 0); if (srcImage.empty() cout 打开图像失败！ endl; return -1; imshow(原始图像, srcImage); /将输入图像延扩到最佳的尺寸，边界用0补充 int m = getOptimalDFTSize(srcImage.rows); int n = getOptimalDFTSize(srcImage.cols); /将添加的像素初始化为0. Mat padded; cop

3、yMakeBorder(srcImage, padded, 0, m - srcImage.rows, 0, n - srcImage.cols, BORDER_CONSTANT, Scalar:all(0); /为傅立叶变换的结果(实部和虚部)分配存储空间。 /将planes数组组合合并成一个多通道的数组complexI Mat planes = Mat_(padded), Mat:zeros(padded.size(), CV_32F) ; Mat complexI; merge(planes, 2, complexI); /进行就地离散傅里叶变换 dft(complexI, comple

4、xI); /将复数转换为幅值，即= log(1 + sqrt(Re(DFT(I)2 + Im(DFT(I)2) split(complexI, planes); / 将多通道数组complexI分离成几个单通道数组，planes0 = Re(DFT(I), /planes1 = Im(DFT(I) magnitude(planes0, planes1, planes0);/ planes0 = magnitude Mat magnitudeImage = planes0; /进行对数尺度(logarithmic scale)缩放 magnitudeImage += Scalar:all(1);

5、 log(magnitudeImage, magnitudeImage);/求自然对数 /剪切和重分布幅度图象限 /若有奇数行或奇数列，进行频谱裁剪 magnitudeImage = magnitudeImage(Rect(0, 0, magnitudeImage.cols & -2, magnitudeImage.rows & -2); /重新排列傅立叶图像中的象限，使得原点位于图像中心 int cx = magnitudeImage.cols / 2; int cy = magnitudeImage.rows / 2; Mat q0(magnitudeImage, Rect(0, 0, c

6、x, cy); / ROI区域的左上 Mat q1(magnitudeImage, Rect(cx, 0, cx, cy); / ROI区域的右上 Mat q2(magnitudeImage, Rect(0, cy, cx, cy); / ROI区域的左下 Mat q3(magnitudeImage, Rect(cx, cy, cx, cy); / ROI区域的右下 /交换象限（左上与右下进行交换） Mat tmp; q0.copyTo(tmp); q3.copyTo(q0); tmp.copyTo(q3); /交换象限（右上与左下进行交换） q1.copyTo(tmp); q2.copyTo

7、(q1); tmp.copyTo(q2); /归一化，用0到1之间的浮点值将矩阵变换为可视的图像格式 normalize(magnitudeImage, magnitudeImage, 0, 1, CV_MINMAX); /显示效果图 imshow(频域, magnitudeImage); /（3）频域-空域 Mat inversed; dft(complexI, inversed, DFT_INVERSE | DFT_REAL_OUTPUT); normalize(inversed, inversed, 0, 1, CV_MINMAX); imshow(空域, inversed); wait

8、Key(); return 0;其转换的原始图像及其效果图频域图像、空域图像分别如下图所示：（1）题目四：对MNIST手写数字数据库（可在网上搜索下载），编程实现来提取其链码。该题实现的具体思路过程为：(1)将Mnist字库读取到以OpenCV里的Mat为储存单元的vector中；(2)使用findContours将链码保存在vector中；(3)输出链码。#include #include #include #include #include #include #include using namespace std;using namespace cv;/格式转换int ReverseIn

9、t(int i) unsigned char ch1, ch2, ch3, ch4; ch1 = i & 255; ch2 = (i 8) & 255; ch3 = (i 16) & 255; ch4 = (i 24) & 255; return(int)ch1 24) + (int)ch2 16) + (int)ch3 8) + ch4;/* 将Mnist数据库读取到OpenCV:Mat格式中* 格式：* magic number* number of images* rows* cols* a very very long vector contains all digits*/void

10、read_Mnist(string filename, vector &vec) ifstream file(filename, ios:binary); if (file.is_open() int magic_number = 0; int number_of_images = 0; int n_rows = 0; int n_cols = 0; file.read(char*)&magic_number, sizeof(magic_number); magic_number = ReverseInt(magic_number); file.read(char*)&number_of_im

11、ages, sizeof(number_of_images); number_of_images = ReverseInt(number_of_images); file.read(char*)&n_rows, sizeof(n_rows); n_rows = ReverseInt(n_rows); file.read(char*)&n_cols, sizeof(n_cols); n_cols = ReverseInt(n_cols); for (int i = 0; i number_of_images; +i) cv:Mat tp = Mat:zeros(n_rows, n_cols, C

12、V_8UC1); for (int r = 0; r n_rows; +r) for (int c = 0; c n_cols; +c) unsigned char temp = 0; file.read(char*)&temp, sizeof(temp); tp.at(r, c) = (int)temp; vec.push_back(tp); /ifint main(int argc, char *argv) int count = 1; /存储Mnist字库 vector vec; /将Mnist字库读取到vector中 read_Mnist(t10k-images.idx3-ubyte,

13、 vec); cout 共含有： vec.size() 幅图片 endl; for (auto iter = vec.begin(); iter != vec.end(); iter+) cout 第 count+ 幅图片. endl; /显示Mnist字库 imshow(Mnist, *iter); vectorvector contours; /读取轮廓 findContours(*iter, contours, CV_RETR_EXTERNAL, CV_CHAIN_CODE); /输出链码 for (int i = 0; i contours.size(); i+) for (int j = 0; j contoursi.size(); j+) cout contoursij; cout endl; waitKey(1000); waitKey(); return 0;实现的效果图如下截图所示：根据输出结果，所得到的链码并不是所熟悉的4方向和8方向链码，由于时间仓促，进一步的完善会在接下来的学习过程中继续进行。