VC實現(xiàn)數(shù)字圖像增強處理

1、圖像處理-Visual C+實現(xiàn)數(shù)字圖像增強處理Visual C+實現(xiàn)數(shù)字圖像增強處理、八 刖言后面的工作根本無法展開。對于一個圖像處理系統(tǒng)來說，可以將流程分為三個階段，在獲取原始圖像后，首先是圖像預處理階段、第二是 特征抽取階段、第三是識別分析階段。 圖像預處理階段尤為重要，如果這階段處理不好，在實際應用中，我們的系統(tǒng)獲取的原始圖像不是完美的，例如對于系統(tǒng)獲取的原始圖像，由于噪聲、光照等原 因，圖像的質(zhì)量不高，所以需要進行預處理，以有利于提取我們感興趣的信息。圖像的預處理包括圖像增強、平滑 濾波、銳化等內(nèi)容。圖像的預處理既可以在空間域?qū)崿F(xiàn)，也可以在頻域內(nèi)實現(xiàn)，我們主要介紹在空間域內(nèi)對圖像進

2、行點運算，它是一種既簡單又重要的圖像處理技術，它能讓用戶改變圖像上像素點的灰度值，這樣通過點運算處理 將產(chǎn)生一幅新圖像。下面我們開始介紹與圖像點運算的相關知識。、圖像的直方圖圖像直方圖是圖像處理中一種十分重要的圖像分析工具，它描述了一幅圖像的灰度級內(nèi)容，任何一幅圖像的直 方圖都包含了豐富的信息，它主要用在圖象分割，圖像灰度變換等處理過程中。從數(shù)學上來說圖像直方圖是圖像各 灰度值統(tǒng)計特性與圖像灰度值的函數(shù)，它統(tǒng)計一幅圖像中各個灰度級出現(xiàn)的次數(shù)或概率；從圖形上來說，它是一個 二維圖，橫坐標表示圖像中各個像素點的灰度級，縱坐標為各個灰度級上圖像各個像素點出現(xiàn)的次數(shù)或概率。如果 不特別說明，本講座中的

3、直方圖的縱坐標都對應著該灰度級在圖像中出現(xiàn)的概率。我們的例子是在一個對話框中顯 示一個圖像的直方圖，為實現(xiàn)該目的，我們定義了一個名為ZFT的對話框類用來顯示圖像的直方圖，具體實現(xiàn)代碼和效果圖如下（關于代碼實現(xiàn)部分可以參考筆者2001年在天極網(wǎng)上發(fā)表的一篇 VC實現(xiàn)數(shù)字圖像處理的文章）/ 直方圖對話框構(gòu)造函數(shù)；ZFT:ZFT(CWnd* pParent /*=NULL*/):CDialog(ZFT:IDD, pP are nt)/ZFT為定義的用來顯示直方圖的對話框類；Width=Height=O;/對話框初始化階段設置圖像的寬和高為0;/ 對話框重畫函數(shù)；void ZFT:O nP ai nt

4、()CRect rect;/矩形區(qū)域?qū)ο?；CWnd *pWnd;/得到圖片框的窗口指針；pWnd=GetDlgltem(IDC_Graphic);/ 得到 ZFT 對話框內(nèi)的Frame控件的指針；file:/ (IDC_Graphic為放置在對話框上的一個Picture控件，并講類型設置為Frame)。PWnd-GetClientRect(&rect);/ 得到Frame控件窗口的”視區(qū)域；int i;CPaintDC dc(pWnd);/得到Frame控件的設備上下文；file:/畫直方圖的 x、y軸；dc.MoveTo(0,rect.Height();dc.Li neTo(rect.Wid

5、th(),rect.Height();dc.MoveTo(0,rect.Height();dc.Li neTo(0,0);file:/畫直方圖，num是ZFT的內(nèi)部數(shù)組變量，存放的是圖像各個灰度級出現(xiàn)的概率；該數(shù)組的各個分量在 顯示具體圖像的直方圖時設置；for(i=0;iGetWindowRect(&rect);/ 獲取 pWnd 窗口對象窗口區(qū)域位置；file:/屏幕坐標轉(zhuǎn)換為客戶區(qū)坐標；Scree nToClie nt(&rect);file:/判斷當前鼠標是否指在直方圖內(nèi)；if(rect. PtI nRect (poi nt)int x=p oi nt1.x-rect .left;fi

6、le:/當前鼠標位置減去區(qū)域的起始位置恰好為當前鼠標所指位置所表示的灰度級；stri ng.Format(%d,x);file:/顯示當前位置對應的圖像的灰度級；P WndText-SetWi ndowText(L PCTSTR)stri ng);CDialog:O nM ouseMove( nFlags, point);/void CDibView:O nl magehorgm()file:/在程序的視類對象內(nèi)處理顯示圖像直方圖的函數(shù)；CDibDoc *p Doc=GetDocume nt();HDIB hdib;hdib=pDoc-GetHDIB();BITMA PINF OHEADER

7、*lp DIBHdr;/位圖信息頭結(jié)構(gòu)指針；BYTE *lp DIBBits;/指向位圖像素灰度值的指針；Ip DIBHdr=( BITMA PINF OHEADER *)GlobalLock(hdib);/得到圖像的位圖頭信息Ip DIBBits=(BYTE*)l pDIBHdr+sizeof(BITMA PINF OHEADER)+256*sizeof(RGBQUAD); file:/獲取圖像像素值ZFT dialog;/直方圖對話框模板對象；int i,j;int wlmgWidth=l pDIBHdr-biWidth;int wImgHeight=l pDIBHdr-biHeight;

8、file:/a數(shù)組用來存放各個灰度級出現(xiàn)的概率；float a256;for(i=0;i256;i+)/ 初始化數(shù)組；ai=0;file:/統(tǒng)計各個灰度級出現(xiàn)的次數(shù)；for(i=0;i for(j=0;j a*(l pDIBBits+WIDTHBYTES(wlmgWidth*8)*i+j)+;file:/統(tǒng)計各個灰度級出現(xiàn)的概率；for(i=0;iGetHDIB();BITMA PINF OHEADER *lp DIBHdr;/位圖信息頭結(jié)構(gòu)指針；BYTE *lp DIBBits;/指向位圖像素灰度值的指針；lp DIBHdr=( BITMA PINF OHEADER *)GlobalLock

9、(hdib);/得到圖像的位圖頭信息lp DIBBits=(BYTE*)l pDIBHdr+sizeof(BITMA PINFOHEADER)+256*sizeof(RGBQUAD); file:/獲取圖像像素值float p256, p1256, nu m256;int i,j,k;for(i=0;ibiHeight;int Width=l pDIBHdr-biWidth;for(i=0;i for(j=30;j nu m*(l pDIBBits+WIDTHBYTES(Width*8)*i+j)+;file:/p存放圖像各個灰度級的出現(xiàn)概率；for(i=0;i256;i+)pi=numi/(

10、Width*Height);file:/p1存放各個灰度級之前的概率和，用于直方圖變換；for(i=0;i256;i+)for(k=0;kbiWidth,l pDIBHdr-biHeight,0,0,lp DIBHdr-biWidth,l pDIBHdr-biHeight,lp DIBBits,(L PBITMA PINFO)I pDIBHdr,DIB_RGB_COLORS,SRCCOPY);/顯示圖像；4 ：1|(a)LENA 原圖*(b)直方圖均衡化后的效果圖It(c)原始圖象的直方圖(d)均衡化后的直方他圖LENA的圖像從上述效果圖可以看出，經(jīng)過直方圖均衡化處理后，圖像變的清晰了，從直方

11、圖來看，處理后的 直方圖分布更均勻了，在每個灰度級上圖像都有像素點。但是直方圖均衡化存在著兩個缺點：1)變換后圖像的灰度級減少，某些細節(jié)消失;2)某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強。為此M.Kamel和Lian Guan等人從圖像相鄰像素一般高度相關這一事實出發(fā)，將灰度概率分布和空間相關性聯(lián)系在一起，提出了用二維條件概率密度函數(shù)取代一維概率密度函數(shù)作為均衡化條件，很好的解決了這個問題，有興 趣的朋友可以參閱一些圖像處理書籍和資料。2 .圖像平滑圖像平滑主要是為了消除噪聲。噪聲并不限于人眼所能看的見的失真和變形，有些噪聲只有在進行圖像處理時 才可以發(fā)現(xiàn)。圖像的常見噪聲主要有

12、加性噪聲、乘性噪聲和量化噪聲等。圖像中的噪聲往往和信號交織在一起，尤 其是乘性噪聲，如果平滑不當，就會使圖像本身的細節(jié)如邊界輪廓、線條等變的模糊不清，如何既平滑掉噪聲有盡 量保持圖像細節(jié)，是圖像平滑主要研究的任務。一般來說，圖像的能量主要集中在其低頻部分，噪聲所在的頻段主要在高頻段，同時系統(tǒng)中所要提取的汽車邊 緣信息也主要集中在其高頻部分，因此，如何去掉高頻干擾又同時保持邊緣信息，是我們研究的內(nèi)容。為了去除噪 聲，有必要對圖像進行平滑，可以采用低通濾波的方法去除高頻干擾。圖像平滑包括空域法和頻域法兩大類，在空域法中，圖像平滑的常用方法是采用均值濾波或中值濾波，對于均值濾波，它是用一個有奇數(shù)點的

13、滑動窗口在圖像 上滑動，將窗口中心點對應的圖像像素點的灰度值用窗口內(nèi)的各個點的灰度值的平均值代替，如果滑動窗口規(guī)定了 在取均值過程中窗口各個像素點所占的權重，也就是各個像素點的系數(shù)，這時候就稱為加權均值濾波；對于中值濾 波，對應的像素點的灰度值用窗口內(nèi)的中間值代替。實現(xiàn)均值或中值濾波時， 為了簡便編程工作，可以定義一個n*n的模板數(shù)組。另外，讀者需要注意一點，在用窗口掃描圖像過程中，對于圖像的四個邊緣的像素點，可以不處理； 也可以用灰度值為0的像素點擴展圖像的邊緣。下面給出了采用加權均值濾波的圖像平滑函數(shù)代碼和效果圖：void CDibView:O nimage Ph()CClie ntDC

14、p DC(this);HDC hDC=pDC.GetSafeHdcO；/獲取當前設備上下文的句柄；SetStretchBltMode(hDC,COLORONCOLOR);HANDLE data1ha ndle;LP BITMA PINF OHEADER lp Bi;CDibDoc *p Doc=GetDocume nt();HDIB hdib;un sig ned char *hData;un sig ned char *data;hdib=pDoc-GetHDIB();Begi nWaitCursor();lp Bi=(L PBITMA PINFOHEADER)GlobalLock(HGLO

15、BAL)hdib);hData=(u nsig ned char*)Fi ndDIBBits(L PSTR)I pBi);p Doc-SetModifiedFlag(TRUE);data1ha ndle=GlobalAlloc(GMEM_SHARE,WIDTHBYTES(l pBi-biWidth*8)*l pBi-biHeight);data=(u nsig ned char*)GlobalLock(HGLOBAL)data1ha ndle);AfxGetA pp( )-Begi nWaitCursor();int i,j,s,t,ms=1;int sum=0,sumw=0;int mask

16、33=1,1,1,1,2,1,1,1,1;/ 定義的 3x3 加權平滑模板；for(i=0; ibiHeight; i+)for(j=0; jbiWidth; j+)sumw=0; sum=0;for(s=(-ms); s=0)&(j+t)=0)&(i+s)biHeight)&(j+t)biWidth)for(t=(-ms); tbiWidth*8)+(j+t)*mask1+s1+t;if(sumw=0) sumw=1;sum/=sumw;if(sum255)sum=255;if(sumbiWidth*8)+j)=sum;for( j=0; jbiHeight; j+)for(i=0;ibiW

17、idth;i+)*(hData+i*WIDTHBYTES(l pBi-biWidth*8)+j)=*(data+i*WIDTHBYTES(l pBi-biWidth*8)+j); StretchDIBits (hDC,0,0,l pBi-biWidth,l pBi-biHeight,0,0,lp Bi-biWidth,l pBi-biHeight,hData,(L PBITMA PINFO)I pBi,DIB_RGB_COLORS,SRCCOPY);/顯示圖像；（b）平滑后的效果圖(a)LENA 原圖圖三它雖然去除了一定的噪聲，但同時使圖像中的邊緣變的模糊， 其算法如圖四所示:中值或均值平滑有

18、時處理圖像的效果并不是很好， -? 1 -J 1h(b)I(a)(c)這主要和所選取的窗口大小有關，為此下面介紹了一種既能保持邊緣清晰又能消除噪聲的方法,圖像平滑模板上圖的含義是在圖像中取5*5的區(qū)域，包含點（i,j）的五邊形和六邊形各四個，3*3的區(qū)域一個，計算這九個區(qū)域的標準差和灰度的平均值，取標準差最小區(qū)域的灰度平均值作為點（i,j）的灰度。由于該算法的實現(xiàn)代碼和上述代碼大同小異，所以代碼部分就不再贅述。3 .圖像銳化圖像平滑往往使圖像中的邊界、輪廓變的模糊，為了減少這類不利效果的影響，這就需要利用圖像鋭化技術， 使圖像的邊緣變的清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像

19、的細節(jié)變的清晰，經(jīng)過平滑的 圖像變得模糊的根本原因是因為圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變的清晰。從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。為了要把圖像中間任何方向伸展的的邊緣和輪廓線變得清晰，我們希望對圖像的某種運算是各向同性的?？梢?證明偏導平方和的運算是各向同性的，既：涂 如 OA dy式中（）是圖像旋轉(zhuǎn)前的坐標,（盂，）是圖像旋轉(zhuǎn)后的坐標。梯度運算就是在這個式子的基礎上開方得 到的。圖像（x，y）點的梯度值:為了突出物體的邊緣， 常常采用梯度值的改進算法， 將圖像各個點的梯度值與某一閾值作比較，如果

20、大于閾值,該像素點的灰度用梯度值表示，否則用一個固定的灰度值表示。我們在對圖像增強的過程中，采用的是一種簡單的高頻濾波增強方法:區(qū)“)叫(劈 + (野 d -I /() -n 1妙 +1 /(兀 7)-Mm + 9 I式中f，g分別為銳化前后的圖像，是與擴散效應有關的系數(shù)。V7表示對圖像f進行二次微分的拉普拉可以用下面的汪選取2-8之間往斯算子。這表明不模糊的圖像可以由模糊的圖像減去乘上系數(shù)的模糊圖像拉普拉斯算子來得到。模板H=1，4，1，4，-20，4，1，4，1來近似。在具體實現(xiàn)時，上述模板H中的各個系數(shù)可以改變，民弋 這 個系數(shù)的選擇也很重要，太大了會使圖像的輪廓過沖，太小了則圖像銳化不

21、明顯。實驗表明,往可以達到比較滿意的效果。下面給出等于4的情況下的實現(xiàn)代碼和效果圖:void CDibView:O nMen uitem32785()CClie ntDC p DC(this);HDC hDC=pDC.GetSafeHdcO；/獲取當前設備上下文的句柄;SetStretchBltMode(hDC,COLORONCOLOR);CDibDoc *p Doc=GetDocume nt();HDIB hdib;hdib=pDoc-GetHDIB();BITMA PINF OHEADER *lp DIBHdr;/位圖信息頭結(jié)構(gòu)指針；BYTE *lp DIBBits;/指向位圖像素灰度值的

22、指針；Ip DIBHdr=(BITMA PINF OHEADER*)GlobalLock(hdib);/ 得 到 圖 像 的 位 圖 頭Ip DIBBits=(BYTE*)l pDIBHdr+sizeof(BITMA PINFOHEADER)+256*sizeof(RGBQUAD);/獲取圖像像素值BYTE* p Data1;static int a33=1,4,1,4,-20,4,1,4,1;/拉普拉斯算子模板；int m,n, i,j,sum;int Width=l pDIBHdr-biWidth;int Height=l pDIBHdr-biHeight;p Data1=(BYTE* )

23、n ew charWIDTHBYTES(Width*8)*Height;file:/進行拉普拉斯濾波運算；for(i=1;i for(j=1;j sum=0;for(m=-1;m2;m+)for(n=-1; n2;n+) sum+=* (Ip DIBBits+WIDTHBYTES(Width*8)*(i+m)+j+n)*a1+m1+ n;if(sum255) sum=255;*(p Data1+WIDTHBYTES(Width*8)*i+j)=sum;file:/原始圖像pData減去拉普拉斯濾波處理后的圖像pData1for(j=0;jfor(i=0;i sum=(i nt)(* (Ip D

24、IBBits+WIDTHBYTES(Width*8)*i+j)-4*(*( pData1+WIDTHBYTES(Width*8)*i+j);if(sum255) sum=255;*(l pDIBBits+WIDTHBYTES(Width*8)*i+j)=sum;StretchDIBits (hDC,0,0,l pDIBHdr-biWidth,l pDIBHdr-biHeight,O,O,lp DIBHdr-biWidth,l pDIBHdr-biHeight,lp DIBBits,(L PBITMA PINFO)I pDIBHdr,DIB_RGB_COLORS,SRCC OPY);L(a) L

25、ENA 原圖(b)拉普拉斯銳化圖本文主要講解了圖像直方圖的基本概念和圖像點處理運算中的增強、平滑、銳化概念和實現(xiàn)算法，并給處理實 現(xiàn)代碼和處理效果圖和廣大讀者朋友們交流，希望達到拋磚引玉的作用。VC+實現(xiàn)對退化圖像的恢復摘要：本文以VC+ 6.0為編程工具，講述了采取逆濾波和維納濾波兩種圖像恢復算法對退化圖像的恢復實現(xiàn)過程。引言圖像恢復技術是圖像處理領域一類重要的處理技術，與圖像增強等其他基本圖像處理技術類似，該技術也是以 獲取視覺質(zhì)量得到某種程度改善為目的的，所不同的是圖像恢復過程需要根據(jù)指定的圖像退化模型來完成，根據(jù)這 個退化模型對在某種情況下退化或惡化了的退化圖像進行恢復，以獲取到原始的

26、、未經(jīng)過退化的原始圖像。換句話 說，圖像恢復的處理過程實際是對退化圖像品質(zhì)的提升，并通過圖像品質(zhì)的提升來達到圖像在視覺上的改善。本文 以VC+作為開發(fā)工具，講述了對退化圖像進行逆濾波和維納濾波處理算法。逆濾波處理對圖像進行恢復處理通常需要根據(jù)一定的圖像退化模型來進行，一個簡單的通用圖像退化模型可將圖像的退化過程模型化為一個作用在原始圖像f(x,y)上的退化系統(tǒng)H,作用結(jié)果與一個加性噪聲n(x,y)的聯(lián)合作用導致產(chǎn)生出了退化圖像g(x,y)，表現(xiàn)為數(shù)學形式為g(x,y)=Hf(x,y)+n(x,y)。根據(jù)上述退化系統(tǒng)H可以從給定的退化圖像g(x,y)得到原始圖像f(x,y)的一個近似結(jié)果。逆濾波

27、處理就是其中一種無約束恢復的圖像恢復技術，其恢復過程的數(shù)學形式可表示為 F (u,v)=G(u,v)/H(u,v) (u,v=0,1,-!)/)其中 F(u,v)和 G(u,v)分別為圖像 f(x,y)和 g(x,y)的頻域變換,H(u,v)可看作是一個濾波函數(shù)。由于圖像在退化過程中存在噪聲的干擾，因此通常情況下的濾波器往往不是正好的1/H(u,v),而是關于U和v的某個非線形的恢復轉(zhuǎn)移函數(shù)M(u,v)。經(jīng)過以上的分析，圖像的退化和恢復過程(模型)大致可用下圖來表示：1/H(u,v)，否則為1。這樣處理H(u,v)的值作為判據(jù)，如不二維的傅立葉變換較2次運用一維離散快速傅立葉變換的方法來實現(xiàn)，

28、即先沿f(x,y)的每一然后再將得到的F(x,v)沿f(x,v)的每一個v對x求變換即可一種簡便的恢復方法是在選取恢復轉(zhuǎn)移函數(shù)M(u,v)時，如果U2+V2W w2則取值雖然簡單，但是恢復后的圖像往往存在較明顯的振鈴現(xiàn)象，通常為了消除振鈴現(xiàn)象，以 大于d(0由于恢復過程需要在頻域進行，因此需要通過二維傅立葉變換將圖像由空域變換到頻域。 一維傅立葉變換要復雜的多，一般采取連續(xù) 個x對y求變換再乘以N得到F(x,v),完成第一步變換。 得到f(x,y)的最終變換F(u,v)，這兩步的數(shù)學表達式如下：yF(x,v)=N*(1/N)* H f(x,y)exp-j2 n vy/N (v=0,1,-1)

29、,NVF(u,v)=(1/N)* 芒 F(x,v)exp-j2 n ux/N (u,v=0,1,-1)- ,NVF(x,v)=二類似也可以得出二維離散傅立葉變換逆變換用一維變換計算的表達式:F(u,v)expj2n ux/N (x,y=0,1,-1),NV(x,y)=(1/N)* 肓 F(x,v)expj2 n vy/N (y=0,1,-1),N在分布進行一維傅立葉變換時，多采用”蝴蝶圖”的快速算法（詳見信號處理方面資料），其核心算法如下:int N=(int)pow(2,M); file:/N:序列長度(2 的整數(shù)次幕)ReverseOrder(A,N); file:/對空間序列進行倒序fo

30、r(i nt i=1;i=M;i+)int b=(i nt)po w(2,(i-1);for(i nt j=0;j=(b-1);j+) float p=(float)( pow(2,(M-i)*j*2.0* PI/(float)N);for(i nt k=j;k=(N-1);)float tr=(float)(Ak+b.Re*cos(p)+Ak+b.lm*sin(p); file:/計算復數(shù)運算 A*Ufloat ti=(float)(Ak+b.Im*cos( p)-Ak+b.Re*si n(p);Ak+b.Re=Ak.Re-tr; file:/復數(shù)運算 A-trAk+b.Im=Ak.Im-t

31、i;Ak.Re+=tr; file:/ 復數(shù)運算 A+trAk.Im+=ti;k+=b*2;傅立葉逆變換的同傅立葉變換比較相似，只是在計算expj2 n vy/N時同正變換有符號的區(qū)別，以及在計算完成后逆變換需要將值除以N，因此不難寫出一維傅立葉逆變換的實現(xiàn)代碼。在進行二維傅立葉變換將圖像由空域變換到頻域之前，首先需要通過補0的手段將點數(shù)非2的整數(shù)次幕的非正方型網(wǎng)格采樣構(gòu)造為一個長寬均為2的整數(shù)次幕的正方型網(wǎng)格：int WM=(int)(log(W)/log(2)+1.0f); file:/ 計算圖像寬應為 2 的多少次幕 int HM=(int)(log(H)/log(2)+1.0f); f

32、ile:/ 計算圖像高應為 2 的多少次幕WM=HM=max(WM,HM); file:/ int WN=(i nt)po w(2,WM); file:/ int HN=(i nt)po w(2,HM); file:/ fori nt i=0;i;for(i nt j=O;jUi*WN*3+j.lm=0.0f;else file:/ 缺位補 0 Ui*WN*3+j.Re=Ui*WN*3+j.lm=0.0f;取二者大值構(gòu)造網(wǎng)格寬度構(gòu)造網(wǎng)格高度if(iUi*WN*3+j.Re=Di*W*3+j; file:/D為圖像序列預處理完畢后，可對構(gòu)造網(wǎng)格的每一列分別進行一維快速傅立葉變換，并將結(jié)果存放在原

33、位置，結(jié)果乘以 完成第一步的轉(zhuǎn)換，求得 F(x,v):for(i=0;ifor(i nt j=0;jUHj.Re=Uj*WN*3+i.Re;UHj.Im=Uj*WN*3+i.Im;DFT_FFT(UH,HM); file:/ 對UH進行快速離散傅立葉變換 for(j=0;j Uj*WN*3+i.Re=HN*UHj.Re; file:/N=HN Uj*WN*3+i.Im=HN*UHj.Im;隨即對構(gòu)造網(wǎng)格的每一行進行傅立葉變換，得到最終的變換結(jié)果F(u,v):for(i=0;ifor(int k=0;k0.45f) file:/ 閥值 d 取 0.45Ui*3*WN+j.Re/=H; file:/在頻域與 M(u,v)相乘Ui*3*WN+j.lm/=H;elseUi*3*WN+j.Re*=0.6f; file:/如未超過閥值則 M(u,v)取常數(shù) k=0.6Ui*3*WN+j.lm*=0.6f;ds p.DFT_2D_IFFT(m_cpBuffer+54,m_ nWidth,m_nHeight,U); file:/進行傅立葉逆變換這里的逆濾波處理算法采用的是經(jīng)過改進的恢復轉(zhuǎn)移函數(shù)M(u,v)，因此恢復后的圖像不會出現(xiàn)振鈴現(xiàn)象。以標準檢測圖像Lina為處理對象應用以上恢復處理算法，效果如下圖所示。其中間圖像為未經(jīng)過改進的簡單算法，在胳膊和臉部存在較明顯