文章插图

矩阵可用二维数组来表示
一个M*N像素的矩阵 ， 在算法语言中 ， 可以用一个M*N的二维数组来表示 。


文章插图

此后对像素的处理就代之以对数组元素的处理 ， 很容易用计算机来实现 。
如何用高级语言实现图像处理？
在图像处理中 ， 一般都是顺序完成对整幅画面的存取和处理操作的 ， 具有代表性的是以光栅扫描方式——逐行逐列存取与处理 。
若数字图像的大小为M*N（width*height）个像素 ， 数组元素灰度值为 f（x ， y） ， 则C语言处理程序的基本框架为：


文章插图

从程序显而易见 ， 计算机处理数字图像是从每个像素点逐个处理 。
图像二值化流程：


文章插图

二值化处理的程序（一个CVI例子程序）


文章插图

程序逐个判断像素点的pixel_value > Th ? 如果为true 设置此像素点的灰度值为255 ， 为false设置此像素点的灰度值为0 ， 由此处理后的图像会呈现黑白鲜明的对比 。
处理结果：


文章插图

图像处理的方法多种多样 ， 从实现处理的过程看有两类：空域处理 和 频域处理 。
空域：即空间域 ， 指灰度图像本身 ， 图像是一种灰度在二维空间变化的信息 。
空域处理：对源图像像素的灰度值直接运算 ， 生成新的图像 ， 被操作者是像素的灰度值 。
空域处理可分为以下几种方式：
点处理
区域处理
迭代处理
跟踪处理
点处理：是指输出像素值仅取决于对应输入像素的像素值 。
若输入像素灰度值为f(x,y) ，
输出像素灰度值为g(x,y),
则g(x,y) = ▲f(x,y) ，
▲代表某种函数关系式 。


文章插图

点处理的典型用途：
调整图像的灰度分布 ， 如灰度变换（线性、非线性）和灰度修正；
图像的二值化；
图像反色；
点处理方法的优点：
可用LUT方法快速实现；
区域处理——领域处理
算法：
根据输入图像某像素f(x,y)的一个小领域N(f(x,y))的像素值 ， 按某种函数关系▲得到输出像素g(x,y)的值 ， 即g(x,y)=▲(N(f(x,y)))


文章插图

区域处理中的领（区）域的形状
领域N(f(x,y))的形状是多种多样的；实用中多采用以像素(x,y)为中心的矩形对称领域如3*3、5*5等


文章插图

领域越大 ， 计算量越大 ， 若图像大小为M*N,领域为K*L ， 则领域处理时总计算量为M*N*K*L 。
领域处理的用途
图像的平滑（滤波）
图像的锐化（增强）
图像的形态学处理等
迭代处理：
迭代是指反复进行某种处理运算 。
迭代处理多用于图像细化、图像增强、图像平滑及边缘探测等方面 。


文章插图