QT图像处理-

1、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 data, const QImage &src

2、Image)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

3、调色板， 8位颜色索引pByte = pImageBytes + i * lineBytes + j;datai * w + j = complex( *pByte, 0);else if(32 = depth)/32 位表示，数据格式为 0xFFBBGGRR 或 0xAABBGGRRpByte = 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)pByte0 + 0.587 * (float)pByte1+ 0.114

4、 * (float)pByte2);datai * w + j = complex( pixelValue, 0);elsecout 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 data, double coef)int lineBytes = destImage.bytesPerLine();int depth = destImage.depth();int

5、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 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 *

6、 4;pByte0 = pByte1 = pByte2 = spectral;elsereturn;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 a, complex y, int power) if(0 = power)y0 = a0;return;int n = 1 power;double angle = 2 * PI / n;complex wn(cos(angle), sin(angle);complex w(1, 0);complex *a0

7、= new complexn / 2;complex *a1 = new complexn / 2;complex *y0 = new complexn / 2;complex *y1 = new complexn / 2;for(int i = 0; i n / 2; i +)a0i = a2 * i;a1i = a2 * i + 1;/ 分开成两个子 fft 过程 fft(a0, y0, power - 1); fft(a1, y1, power - 1); complex u;for(int k = 0; k n / 2; k+) / 蝶形算法u = w * y1k;yk = y0k +

8、 u;yk + n / 2 = y0k - 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 y, complex a, int power) int count = 1 power; complex *x = new complexcount; memcpy(x, y, sizeof(complex) * count);int i;for(i = 0; i count;

9、i+)xi = complex(xi.real(), -xi.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+)ai = complex(ai.real() / count, -ai.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

10、= 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 bytesPerPix

11、el = 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(n

12、eedAdjust) / 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 complexw * h;readImage(currentImageData, currentImage); /读取数据else if(NULL = currentImageData) currentImageData = new complexw * h; readIm

13、age(currentImageData, currentImage); /读取数据w = currentImage.width(); / 更新宽和高h = currentImage.height();complex *TD = currentImageData; / 当前读取的数据为时域 complex *FD = new complexw * 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(&TDw * i, &FDw * i, wp);memcpy(TD, FD, sizeof(complex) *

14、w * h); complex *columnt = new complexh; complex *columnf = new complexh;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+)columntj = TDj * w + i;fft(columnt, columnf, hp);for(j = 0; j setPixmap(QPixmap(curre ntlmage);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

15、fft o1.2.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)。图1-1图1-21.2.2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。图1-3图1-41.2.3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。图1-5图1-61.2.4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: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

16、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_i 1 rliii9平滑采用的模板是卩1 1，实现如下：void lmageProcess:smooth()int w = curre ntlmage.width();int h = curre ntlmage.height();if(NULL = curren tlmageData) /判断是否需要重新读取数据curre ntlmageData = new complexw * h;readlmage(curre ntlmageData, curre ntlmage);/拷

17、贝一份数据便于计算complex *buffer = new complexw * h;memcpy(buffer, curre ntlmageData, sizeof(complex) * 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 k;k = buffer(i - 1) * w + j - 1;k += buffer(i - 1) * w + j;k += buffer(i - 1)

18、* w + j + 1;k += bufferi * w + j - 1;k += bufferi * w + j;k += bufferi * 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(k.real() / 9, 0);curre ntlmageDatai * w + j = k;writelmage(currentlmage, currentlmageData);pDispLabel-setPixmap(QPix

19、map(curre ntlmage);2.1.2锐化0-10_-15-1采用拉普拉斯锐化，其模板为0-10_，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 complexw * h; readImage(currentImageData, currentImage);/拷贝一份数据便于计算 complex *buffer = new com

20、plexw * h;memcpy(buffer, currentImageData, sizeof(complex) * 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 k;for(i = 1; i h - 1; i+)for(j = 1; j w - 1; j+)k = bufferi * w + j;k = complex(k.real() * 5, 0);k -= buffer(i - 1) * w + j;k -= bufferi * w + j - 1;k -=

21、bufferi * w + j + 1;k -= buffer(i + 1) * w + j; currentImageDatai * 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。图2-1原来的图像图2-2平滑后的图像图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

22、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=:。即将累加其像m 大于阀值时，认定该块区域不匹素之间的差值，为了提高计算速度，可以设置阀值，当 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, op

23、en 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 *modelImageData = new complexmw * 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.heig