QT实现图像处理-傅立叶变换、傅立叶反变换、平滑、锐化与模板匹配

From: http://www.cnblogs.com/qytan36/archive/2010/04/04/1704226.html

实验环境：
1，Linux操作系统
2，QT3编程开发环境
3，C++编程语言

傅立叶变换和傅立叶反变换

1.1. 主要源代码

readImage() 从图像中读取数据
writeImage() 往图像中写入数据
fft() 快速傅立叶变换
ifft() 快速傅立叶反变换
adjustImageSize() 调整图像大小
fourier() 傅立叶变换
ifourier() 傅立叶反变换

1.1.1 从图像中读取数据

void ImageProcess::readImage(complex<double> data[], const QImage &srcImage)

{

byte *pImageBytes = srcImage.bits(); //数据首地址

int depth = srcImage.depth(); //每个像素的bit数

int lineBytes = srcImage.bytesPerLine(); //每行的字节数

int w = srcImage.width(); //宽

int h = srcImage.height(); //高

byte *pByte;

//遍历读取每个像素，并转换为灰度值

int i, j;

for(i = 0; i < h; i++)

{

for(j = 0; j < w; j++)

{

if(8 == depth) //采用了256色调色板，8位颜色索引

{

pByte = pImageBytes + i * lineBytes + j;

data[i * w + j] = complex<double>( *pByte, 0);

}

else if(32 == depth)//32位表示，数据格式为0xFFBBGGRR或0xAABBGGRR

{

pByte = pImageBytes + i * lineBytes + j * 4;

//根据RGB模式转化成YIQ色彩模式的方式，取Y作为灰度值

byte pixelValue = (byte)(0.299 * (float)pByte[0] + 0.587 * (float)pByte[1]

+ 0.114 * (float)pByte[2]);

data[i * w + j] = complex<double>( pixelValue, 0);

}

else

{

cout << "invalid format. depth = " << depth << "\n";

return;

}

}

}

}

1.1.2 将数据写入图像

//coef为比例系数，主要用来调整灰度值以便于观察

void ImageProcess::writeImage(QImage &destImage, const complex<double> data[], double coef)

{

int lineBytes = destImage.bytesPerLine();

int depth = destImage.depth();

int w = destImage.width();

int h = destImage.height();

byte *pImageBytes = destImage.bits();

byte *pByte;

for(int i = 0; i < h; i++)

{

for(int j = 0; j < w; j++)

{

double spectral = abs(data[i * w + j]) * coef; //灰度值调整

spectral = spectral > 255 ? 255 : spectral;

//根据图像格式写数据

if(8 == depth)

{

pByte = pImageBytes + i * lineBytes + j;

*pByte = spectral;

}

else if(32 == depth)

{

pByte = pImageBytes + i * lineBytes + j * 4;

pByte[0] = pByte[1] = pByte[2] = spectral;

}

else

{

return;

}

}

}

}

1.1.3 递归形式的快速傅立叶变换

//数组a为输入，数组y为输出，2的power次方为数组的长度

void ImageProcess::fft(const complex<double> a[], complex<double> y[], int power)

{

if(0 == power)

{

y[0] = a[0];

return;

}

int n = 1 << power;

double angle = 2 * PI / n;

complex<double> wn(cos(angle), sin(angle));

complex<double> w(1, 0);

complex<double> *a0 = new complex<double>[n / 2];

complex<double> *a1 = new complex<double>[n / 2];

complex<double> *y0 = new complex<double>[n / 2];

complex<double> *y1 = new complex<double>[n / 2];

for(int i = 0; i < n / 2; i ++)

{

a0[i] = a[2 * i];

a1[i] = a[2 * i + 1];

}

//分开成两个子fft过程

fft(a0, y0, power - 1);

fft(a1, y1, power - 1);

complex<double> u;

for(int k = 0; k < n / 2; k++) //蝶形算法

{

u = w * y1[k];

y[k] = y0[k] + u;

y[k + n / 2] = y0[k] - u;

w = w * wn;

}

delete[] a0;

delete[] a1;

delete[] y0;

delete[] y1;

}

1.1.4 快速傅立叶反变换

//y为输入，a为输出，2的power次方为数组的长度

void ImageProcess::ifft(const complex<double> y[], complex<double> a[], int power)

{

int count = 1 << power;

complex<double> *x = new complex<double>[count];

memcpy(x, y, sizeof(complex<double>) * count);

int i;

for(i = 0; i < count; i++)

{

x[i] = complex<double>(x[i].real(), -x[i].imag()); //共轭复数

}

fft(x, a, power); //调用快速傅立叶变换算法

for(i = 0; i < count; i++)

{

a[i] = complex<double>(a[i].real() / count, -a[i].imag() / count); //共轭复数

}

delete[] x;

}

1.1.5 调整图像的大小

//宽和高都截取为2的指数倍

void ImageProcess::adjustImageSize(QImage &image)

{

int w = 1;

int h = 1;

int width = image.width();

int height = image.height();

wp = 0, hp = 0;

while(w * 2 <= width) { w *= 2; wp++; }

while(h * 2 <= height) {h *= 2; hp++;}

QImage adjustedImage(w, h, image.depth(), image.numColors(), image.bitOrder());

byte *destBytes = adjustedImage.bits();

byte *srcBytes = image.bits();

int lineBytes = image.bytesPerLine();

int bytesPerPixel = image.depth() / 8; //每个象素的字节数

for(int i = 0; i < h; i++) //拷贝数据

{

memcpy(destBytes + i * w * bytesPerPixel, srcBytes + i * lineBytes,

sizeof(byte) * w * bytesPerPixel);

}

image = adjustedImage; //更新图像

}

1.1.6 傅立叶变换的主过程

void ImageProcess::fourier()

{

int w = currentImage.width();

int h = currentImage.height();

if(needAdjust) //调整图像的大小为2的幂次以便于快速傅立叶变换

{

adjustImageSize(currentImage); //调整大小

needAdjust = false;

if(currentImageData)

{

delete[] currentImageData;

}

currentImageData = new complex<double>[w * h];

readImage(currentImageData, currentImage); //读取数据

}

else if(NULL == currentImageData)

{

currentImageData = new complex<double>[w * h];

readImage(currentImageData, currentImage); //读取数据

}

w = currentImage.width(); //更新宽和高

h = currentImage.height();

complex<double> *TD = currentImageData; //当前读取的数据为时域

complex<double> *FD = new complex<double>[w * h]; //申请空间保存变换结果

int i, j;

for(i = 0; i < h; i++) //在x方向上对按行进行快速傅立叶变换

{

fft(&TD[w * i], &FD[w * i], wp);

}

memcpy(TD, FD, sizeof(complex<double>) * w * h);

complex<double> *columnt = new complex<double>[h];

complex<double> *columnf = new complex<double>[h];

for(i = 0; i < w; i++) //调整行列数据，在y方向上按列进行快速傅立叶变换

{

for(j = 0; j < h; j++)

{

columnt[j] = TD[j * w + i];

}

fft(columnt, columnf, hp);

for(j = 0; j < h; j++)

{

FD[j * w + i] = columnf[j];

}

}

delete[] columnt;

delete[] columnf;

writeImage(currentImage, FD, 0.02); //写入数据

delete[] currentImageData;

currentImageData = FD;

pDispLabel->setPixmap(QPixmap(currentImage));

}

1.1.7 傅立叶反变换

傅立叶反变换的思想与傅立叶变化相似，只是时域和频域互换，然后调用快速傅立叶反变换ifft而不是快速傅立叶变换fft。

1.2. 运行截图

1.2.1 正方形

输入一个256*256的图形，背景为白色，中间有一黑色的正方形，如图1-1所示。经过傅立叶变换后的结果如图1-2所示（注：没有采用平移到中心的方法）。

clip_image002

图1-1

clip_image004

图1-2

1.2.2 旋转45度

将图1-1旋转45度后的输入如图1-3所示。其傅立叶变换结果如图1-4所示。

clip_image006

图1-3

clip_image008

图1-4

1.2.3 输入长方形图像

输入图像如图1-5所示。傅立叶变换结果如图1-6所示。

clip_image010

图1-5

clip_image012

图1-6

1.2.4 傅立叶反变换

对傅立叶变换结果图1-2进行傅立叶反变换，其结果与原图1-1相同，如图1-7所示：

clip_image014

图1-7


图像增强

图像增强是一种很重要的图像处理技术，为了方便人们观察以及机器处理而去处理给定的一幅图像。有很多图像增强的方法，以下这部分实现了其中的平滑和锐化这两种方法。

2.1. 主要源码

2.1.1 平滑

平滑采用的模板是clip_image016, 实现如下：

void ImageProcess::smooth()

{

int w = currentImage.width();

int h = currentImage.height();

if(NULL == currentImageData) //判断是否需要重新读取数据

{

currentImageData = new complex<double>[w * h];

readImage(currentImageData, currentImage);

}

//拷贝一份数据便于计算

complex<double> *buffer = new complex<double>[w * h];

memcpy(buffer, currentImageData, sizeof(complex<double>) * w * h);

//根据模板进行计算

//为了简化编码忽略了图像边界(i =0 or h, j =0 or w)，对于整体效果没有影响

int i, j;

for(i = 1; i < h - 1; i++)

{

for(j = 1; j < w - 1; j++)

{

complex<double> k;

k = buffer[(i - 1) * w + j - 1];

k += buffer[(i - 1) * w + j];

k += buffer[(i - 1) * w + j + 1];

k += buffer[i * w + j - 1];

k += buffer[i * w + j];

k += buffer[i * w + j + 1];

k += buffer[(i + 1) * w + j - 1];

k += buffer[(i + 1) * w + j];

k += buffer[(i + 1) * w + j + 1];

k = complex<double>(k.real() / 9, 0);

currentImageData[i * w + j] = k;

}

}

writeImage(currentImage, currentImageData);

pDispLabel->setPixmap(QPixmap(currentImage));

}

2.1.2 锐化

采用拉普拉斯锐化，其模板为clip_image018，其实现如下：

void ImageProcess::sharp()

{

int w = currentImage.width();

int h = currentImage.height();

if(NULL == currentImageData) //判断是否需要读取数据

{

currentImageData = new complex<double>[w * h];

readImage(currentImageData, currentImage);

}

//拷贝一份数据便于计算

complex<double> *buffer = new complex<double>[w * h];

memcpy(buffer, currentImageData, sizeof(complex<double>) * w * h);

//根据模板进行计算

//为了简化编码忽略了图像边界(i =0 or h, j =0 or w)，对于整体效果没有影响

int i, j;

complex<double> k;

for(i = 1; i < h - 1; i++)

{

for(j = 1; j < w - 1; j++)

{

k = buffer[i * w + j];

k = complex<double>(k.real() * 5, 0);

k -= buffer[(i - 1) * w + j];

k -= buffer[i * w + j - 1];

k -= buffer[i * w + j + 1];

k -= buffer[(i + 1) * w + j];

currentImageData[i * w + j] = k;

}

}

writeImage(currentImage, currentImageData);

pDispLabel->setPixmap(QPixmap(currentImage));

}

2.2. 运行截图

输入图像2-1，其平滑结果为图2-2，锐化结果为 图2-3。

clip_image020

图2-1原来的图像

clip_image022

图2-2 平滑后的图像

clip_image024

图2-3 锐化后的图像


图像分析

这部分主要实现了图像的模板匹配。模板匹配是一种非常原始的模式识别方法。有很多模板匹配的算法。这里采用的算法是计算二者之间的相似度，在目标图像中选取一个坐标，将以该坐标为左上角选定一块区域，计算该区域与模板的相似度，相似度最大的点即为匹配之处。通过二者之间的差异度来判断其相似程度，差异度的计算：m = clip_image026。即将累加其像素之间的差值，为了提高计算速度，可以设置阀值，当m大于阀值时，认定该块区域不匹配，继续寻找下一区域。

3.1. 主要源码

void ImageProcess::match()

{

//让用户选取模板

QString fileName = QFileDialog::getOpenFileName("/home/tanqiyu", "Images (*.png *.xpm

.jpg)", this, "open file dialog", "Choose a model image");

if(QString::null == fileName)

{

return;

}

//读取模板数据

QImage modelImage(fileName);

int mw = modelImage.width();

int mh = modelImage.height();

complex<double> *modelImageData = new complex<double>[mw * mh];

readImage(modelImageData, modelImage);

unsigned long t = mw * mh * 8; //根据匹配模板的大小设置一定的阀值

unsigned long m = t; //初始差异度

int ri = -1; //z左上角坐标(ri, rj)

int rj = -1;

int w = currentImage.width();

int h = currentImage.height();

if(NULL == currentImageData) //判断是否需要读取目标图像数据

{

currentImageData = new complex<double>[w * h];

readImage(currentImageData, currentImage);

}

//遍历目标图像，选取左上角坐标，考虑到模板图像的大小注意不要越界

int i, j;

for(i = 0; i < h - mh + 1; i++ )

{

for(j = 0; j < w - mw + 1; j++)

{

//下面开始对点(i, j)为左上角的mw * mh区域进行匹配

bool overFlag = false;

unsigned long k = 0; //差异值的累加和

int u, v;

for(u = 0; u < mh && !overFlag; u++)

{

for(v = 0; v < mw && !overFlag; v++)

{

k += abs(currentImageData[(i + u) * w + j + v].real()

- modelImageData[u * mw + v].real()); //计算差值并累加

if(k >= t) //判断是否大于阀值

{

overFlag = true;

}

}

}

if(k < m) //判断是否找到更加匹配的区域

{

ri = i;

rj = j;

m = k;

}

}

}

//找到匹配区域，则将目标图像匹配区域之外的点置成白色以便于观察结果

if(ri != -1)

{

for(i = 0; i < h; i++)

{

for(j = 0; j < w; j++)

{

if(i < ri || j < rj || i > ri + mh - 1 || j > rj + mw - 1)

{

currentImageData[i * w + j] = complex<double>(255, 0);

}

}

}

}

writeImage(currentImage, currentImageData);

pDispLabel->setPixmap(QPixmap(currentImage));

}

3.2. 运行截图

目标图像为图3-1，图3-2位匹配模板，匹配结果为图3-3。

clip_image027

图3-1 目标图像

clip_image028

图3-2 匹配模板

clip_image030

匹配结果


本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/404729.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Java finally语句到底是在return之前还是之后执行？

Java finally语句到底是在return之前还是之后执行？

网上有很多人探讨Java中异常捕获机制try...catch...finally块中的finally语句是不是一定会被执行&#xff1f;很多人都说不是&#xff0c;当然他们的回答是正确的&#xff0c;经过我试验&#xff0c;至少有两种情况下finally语句是不会被执行的&#xff1a; &#xff08;1&…
阅读更多...
TLV5618 双路12位DAC 模拟SPI驱动

TLV5618 双路12位DAC 模拟SPI驱动

一、TLV65618芯片 TLV5618A 带掉电功能 2.7V-5.5V&#xff0c;低功耗双路 12 位数模转换器 特点 ●双路 12 位电压输出 DAC ●可编程调节转换时间 - 快速模式 3μs - 低速模式 10μs ●兼容 TMS320 和 SPI 串行接口 16位串行接口包含4位控制和12位数据。 二、驱动代码 采用模…
阅读更多...
python对json的相关操作

python对json的相关操作

From: http://www.cnblogs.com/coser/archive/2011/12/14/2287739.html 什么是json&#xff1a; JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScript Programming Language, Standard ECMA-262 3r…
阅读更多...
UIbutton

UIbutton

第一、UIButton的定义 UIButton *button[[UIButton buttonWithType:(UIButtonType); 能够定义的button类型有以下6种&#xff0c; typedef enum { UIButtonTypeCustom 0, 自定义风格 UIButtonTypeRoundedRect, 圆角矩形 UIButtonTypeDetailDisclosure, 蓝色小箭头按钮&#xf…
阅读更多...
MAX535 单路13位DAC 模拟SPI驱动

MAX535 单路13位DAC 模拟SPI驱动

一、MAX535 max535是低功耗、13位、电压输出DAC&#xff0c;采用串行接口和MAX封装。MAX535通过单个5V/3.3V电源工作&#xff0c;仅需要280A电流工作。 MAX535/MAX5351适用于广泛的应用&#xff0c;包括工业过程控制。其他功能包括软件关机和开机复位。 DAC寄存器可以独立更…
阅读更多...
云服务器开启TCP Server 客户端无法连接的解决方法

云服务器开启TCP Server 客户端无法连接的解决方法

一、问题描述 华为云服务器运行TCPServer后&#xff0c;等待客户端连接&#xff0c;客户端一直无法连接到服务器。经过测试&#xff0c;客户端可以ping通服务器的地址。 客户端网络防火墙已经完全放开。 二、解决办法 1、查看云服务器端的安全组&#xff0c;是否放开该端口。…
阅读更多...
STM32CubeMx HAL库使用硬件IIC读写AT24C02

STM32CubeMx HAL库使用硬件IIC读写AT24C02

介绍使用硬件IIC接口读写AT24C02&#xff0c;STM32自带硬件IIC&#xff0c;比较好用&#xff0c;没必要千篇一律的使用模拟IIC。作为一个IIC的使用例子&#xff0c;可以适当修改用于其他IIC接口设备通信控制。 一、测试环境 STM32F407CubeMx&#xff08;6.1.1&#xff09;MDK…
阅读更多...
第十篇 PO核心功能及流程详解

第十篇 PO核心功能及流程详解

详见链接&#xff1a;http://bbs.erp100.com/thread-272866-1-1.html1. P2P lifecycleP2P是procure to pay的缩写&#xff0c;p2p循环值得就是采购到付款的周而复始&#xff0c;循环往复的过程。主要包含六个大的环节&#xff0c;需求&#xff08;demand&#xff09;&#xff0…
阅读更多...
STM32F407 CubeMx使用定时器测量信号频率 分辨率0.001Hz

STM32F407 CubeMx使用定时器测量信号频率 分辨率0.001Hz

一、需求 使用STM32F407 测量外部输入方波信号的周期&#xff0c;信号变化范围&#xff1a;45HZ~55HZ&#xff0c;测量分辨率0.001HZ。 二、配置 stm32Cubemx&#xff1a;version 6.1.1HAL库&#xff1a;1.25.2MDK&#xff1a;5.34C Compiler&#xff1a;ARMCC 6.16 三、分…
阅读更多...
中移M5310A NBIoT模组通信测试命令

中移M5310A NBIoT模组通信测试命令

总结一下中移M5310A NBIoT模组的常用测试命令&#xff0c;这个命令是个脚本&#xff0c;可以编辑&#xff0c;在自己开发的串口软件上可用&#xff0c;有需要的请留言。 脚本是.ini格式的文件&#xff0c;可以直接编辑文件然后加载到脚本区。字段用\t分割。 [General] msg0don…
阅读更多...
11月中30个精心设计的网站案例精选

11月中30个精心设计的网站案例精选

如果你开始设计一个网站&#xff0c;首先你需要在你的头脑构思的是如何使网站有丰富的视觉感应和排版。现在每天的网络竞争太激烈&#xff0c;如果你的网站设计的一般般&#xff0c;恐怕很难把访问者的目光定睛在你的网站上。因此网站有美丽和创意设计的不仅能吸引游客&#xf…
阅读更多...
Qt定时器的精度问题

Qt定时器的精度问题

一、场景 一个网络音频采集场景如下&#xff1a; 数据发送端&#xff1a;嵌入式设备按照16kHz 16Bit连续不断采集音频数据&#xff0c;通过Socket进行发送 数据接受端&#xff1a;QT上位机开一个tcpserver&#xff0c;数据readReady后由QByteArray进行追加&#xff0c;音频波…
阅读更多...
iperf 测试局域网速度

iperf 测试局域网速度

介绍 iperf使用cs架构&#xff0c;启用一台设备作为server&#xff0c;另一台设备作为client&#xff0c;测试server和lclient的网络速度。 linux 安装 sudo apt install iperf 使用方法 &#xff08;1&#xff09;服务器端 iperf -s 启用tcp连接&#xff0c;默认监控端口…
阅读更多...
NHibernate初学者指南（6）：映射模型到数据库之方式二

NHibernate初学者指南（6）：映射模型到数据库之方式二

使用Fluent NHibernate自动映射 使用Fluent NHibernate自动映射&#xff0c;首先要将映射的实体放到一个命名空间中&#xff0c;这使得通知AutoMapper哪些实体和值对象包含在映射中更容易。建议在你的项目中创建一个Domain文件夹&#xff0c;将需要映射的实体和值对象放到这个文…
阅读更多...
STM32嵌入式系统FreeRTOS使用cJSON解析和构建JSON

STM32嵌入式系统FreeRTOS使用cJSON解析和构建JSON

一、环境 控制器STM32F407MDK5.34cJSON1.7.7 二、安装cJSON MDK中打开Pack Install&#xff0c;选择Generic下边MDK-Pack::cJSON&#xff0c;点击安装Install 安装成功后&#xff0c;在Manage Run-Time Environment 中找到Data Exchange&#xff0c;并选择cJSON&#xff0c;…
阅读更多...
VC6启用运行时类型识别 (RTTI)

VC6启用运行时类型识别 (RTTI)

在程序中&#xff0c;当我们对多态类的基类指针使用typeid&#xff0c;就可以在运行时确定指针指向对象的实际类型&#xff0c;并输出对象类型的名字。 #include <cstdlib >#include <iostream >#include <typeinfo >usingnamespacestd; classB{ public …
阅读更多...
爱快软路由设置DHCP多个LAN处于同一网段

爱快软路由设置DHCP多个LAN处于同一网段

&#xff08;0&#xff09;思路&#xff1a;eth0 启用扩展网卡&#xff0c;然后设置LAN1为DHCP。 &#xff08;1&#xff09;设置扩展网卡 &#xff08;2&#xff09;启用DHCP
阅读更多...
[react] react16跟之前的版本生命周期有哪些变化？

[react] react16跟之前的版本生命周期有哪些变化？

[react] react16跟之前的版本生命周期有哪些变化&#xff1f; 个人简介 我是歌谣&#xff0c;欢迎和大家一起交流前后端知识。放弃很容易&#xff0c; 但坚持一定很酷。欢迎大家一起讨论 主目录 与歌谣一起通关前端面试题
阅读更多...
变压器油参数

变压器油参数

以下体胀系数参考百度百科&#xff1a; 水银1.8210^-4 纯水2.0810^-4 煤油9.010^-4 酒精1.110^-3 汽油1.2410^-3 氢气3.6610^-3 氧气3.6710^-3 氨气3.8010^-3 空气 3.67610^-3 二氧化碳3.74110^-3 一切气体 ≈1/273 甘油 4.910^-4 乙醇 7.510^-4 相关&#xff1a…
阅读更多...
CSS布局教程：用DIV CSS实现国内经典式三行两列布局-CSS布局实例

CSS布局教程：用DIV CSS实现国内经典式三行两列布局-CSS布局实例

我们碰到过很多的企业网站或其它小型的展示类网站&#xff0c;有一些共同的特点&#xff0c;即顶部放一个大的导航或BANNER&#xff0c;右侧是链接或图片&#xff0c;左侧放置内容&#xff0c;页面底部放置版权信息等。这样的形式是国内经典式的布局&#xff0c;我们这里不对它…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023