数字摄影测量实习报告

数字摄影测量实习报告书学号：20111000684班级序号：113112-05姓名：舒超指导老师：宋妍成绩：中国地质大学（武汉）信息工程学院遥感科学技术系2014年6月目录实习一：Moravec算子点特征提取 31.1实习目的： 31.2实习原理： 31.3实习步骤以及代码分析： 41.4结果分析： 8实习二：边缘提取算法 102.1实习目的： 102.2实习原理： 102.3实习步骤以及代码： 102.4结果分析： 12实习总结 13实习一：Moravec算子点特征提取1.1实习目的：用程序设计语言（VisualC++或者C语言）编写一个完整的提取点特征的程序，通过对提供的图像数据进行特征点提取，输出提取出的点特征坐标。本实验的目的在于让学生深入理解Moravec算子原理。通过上机调试程序加强动手能力的培养，通过对实验结果的分析，增强学生综合运用所学知识解决实际问题的能力。1.2实习原理：Moravec角点检测算法是最早的角点检测算法之一。该算法将角点定义为具有低“自相关性”的点。算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。如果像素位于平滑图像区域内，周围的patch都会非常相似。如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。Moravec会计算每个像素patch和周围patch的SSD最小值作为强度值，取局部强度最大的点作为特征点。1.3实习步骤以及代码分析：步骤流程图如下：程序实现以及相关关键代码：voidCMy2010302590183cylView::OnMoravec()//读取图像以及相关算法{ //TODO:Addyourcommandhandlercodehere CMmoravecDlgdlg; dlg.DoModal();CMy2010302590183cylDoc*pDoc=GetDocument(); LPSTRm_pDIB=(LPSTR)::GlobalLock((HGLOBAL)pDoc->hdib);//得到句柄内存起始地址存放位图数据hdib句柄变量存放BMP位图::GlobalUnlock((HGLOBAL)pDoc->hdib); LPBITMAPINFOm_pBMP;//指向BITMAPINFO结构的指针 m_pBMP=(LPBITMAPINFO)::GlobalLock(pDoc->hdib); //获取指向BITMAPINFO结构的指针 ::GlobalUnlock((HGLOBAL)pDoc->hdib); intBitCount=m_pBMP->bmiHeader.biBitCount; DWORDWidth=::DIBWidth(m_pDIB);//获取位图宽 DWORDHeight=::DIBHeight(m_pDIB);//获取位图高 LPBYTElpData=(LPBYTE)::FindDIBBits(m_pDIB);//定义字符指针变量,原位图指针 intWidthBytes=WIDTHBYTES(Width*BitCount);//获取字节DWORDpixelCount=WidthBytes*Height; intck1=dlg.c1; intck2=dlg.c2; doubleyz=dlg.m_yuzhi; DWORDr,c; INTh; double*xx=newdouble[Width*Height]; intk; k=INT(ck1/2); for(r=ck1/2;r<Height-ck1/2;r++) for(c=ck1/2;c<Width-ck1/2;c++) { doublemin,v[4]={0.0}; for(h=0;h<=ck1-1;h++) { v[0]+=pow((double)(*((BYTE*)(lpData+r*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r)*WidthBytes+(c-k+1+h)))),2);//0°方向 v[1]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c+k-h)))-*((BYTE*)(lpData+(r-k+h+1)*WidthBytes+(c+k-h-1)))),2);//45°方向 v[2]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c)))),2); //90°方向 v[3]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c-k+h+1)))),2); //135°方向 } min=min(min(min(v[0],v[1]),v[2]),v[3]);//求出v1,v2,v3,v4中的最小值 if(min>yz) xx[r*Width+c]=min; } bool*bMatrix=newbool[Width*Height]; memset(bMatrix,0,Width*Height*sizeof(bool)); DWORDx,y; doublemax2; boolb=false; inttempX(0),tempY(0);for(x=ck2/2;x<Height-ck2/2;x+=ck2) { for(y=ck2/2;y<Width-ck2/2;y+=ck2) { max2=0; for(DWORDm=(x-ck2/2);m<(x+ck2/2);m++) { for(DWORDn=(y-ck2/2);n<(y+ck2/2);n++) if(xx[m*Width+n]>max2) { max2=xx[m*Width+n]; tempY=m; tempX=n; b=true; } } if(b) { bMatrix[tempY*Width+tempX]=1; } }} intsum=0;//特征点总数for(DWORDi=0;i<Height;i++) for(DWORDj=0;j<Width;j++) { if(bMatrix[i*Width+j]) { *((BYTE*)(lpData+i*WidthBytes+j))=0; *((BYTE*)(lpData+i*WidthBytes+j+1))=0; *((BYTE*)(lpData+i*WidthBytes+j-1))=0; *((BYTE*)(lpData+(i+1)*WidthBytes+j))=0; *((BYTE*)(lpData+(i-1)*WidthBytes+j))=0; *((BYTE*)(lpData+i*WidthBytes+j+2))=0; *((BYTE*)(lpData+i*WidthBytes+j-2))=0; *((BYTE*)(lpData+(i+2)*WidthBytes+j))=0; *((BYTE*)(lpData+(i-2)*WidthBytes+j))=0; sum++; } } if(sum<4000) { CStringstrInfo; strInfo.Format("特征点数%d\n",sum); MessageBox(strInfo,"提示",MB_OK); } else { CStringstrInfo; strInfo.Format("特征点数较多，请设置合理参数"); MessageBox(strInfo,"提示",MB_OK); } Invalidate();}1.4结果分析：按照提示，对老师所给数据进行分析，当窗口大小设置为5*5,，阈值设置为5000的时候，对右核线影像进行分析，得到特征点43个，同时图像分析，得出如下结果： 调整阈值和窗口大小，程序能够正常运行，且经过测试，结果精确度有较好的保证。实习二：边缘提取算法2.1实习目的：熟悉Matlab环境下的编程，熟悉边缘提取算法。2.2实习原理：Sobel算子实现思路如下：对输入图像分别使用水平和垂直模板做卷积计算，对得到的两个处理结果求平方和，该平方和与阈值的平方比较。只有当某点的两种卷积的平方大于阈值的平方，且水平占优（水平模板卷积结果大于垂直模板卷积的结果，且该点的卷积平方大于其左右两点的卷积平方和）或者垂直占优（垂直模板卷积的结果大于水平模板卷积的结果，且该点的卷积平方和大于其上下两点的卷积平方和）时，该点的输出结果为255，否则为0。输出的结果为二值图像。第一行和最后一行本来就是图像边界，不包括可用信息，因此相应的输出为0，按照这个思路课题编写了相应的Sobel算子实现程序2.3实习步骤以及代码：2.4结果分析：原图像sobel边缘提取实习总结本次实习过程中，根据自身实际情况，我选择使用vc环境下的编程完成实习，而没有采用Matlab环境下的编程。在实习过程中，我熟悉了sobel算法以及Morave