美丽说网站建立的主要方式,公司网站本地如何弄,中国建设网官方网站硅灰,杭州装饰网站建设方案本文主要讲述基于VC6.0 MFC图像处理的应用知识#xff0c;主要结合自己大三所学课程《数字图像处理》及课件进行讲解#xff0c;主要通过MFC单文档视图实现显示BMP图片点运算处理#xff0c;包括图像灰度线性变换、灰度非线性变换、图像阈值化处理、图像均衡化处理等知识6.0 MFC图像处理的应用知识主要结合自己大三所学课程《数字图像处理》及课件进行讲解主要通过MFC单文档视图实现显示BMP图片点运算处理包括图像灰度线性变换、灰度非线性变换、图像阈值化处理、图像均衡化处理等知识并结合前一篇论文灰度直方图进行展示 。同时文章比较详细基础希望该篇文章对你有所帮助尤其是初学者和学习图像处理的学生。 【数字图像处理】一.MFC详解显示BMP格式图片 【数字图像处理】二.MFC单文档分割窗口显示图片 【数字图像处理】三.MFC实现图像灰度、采样和量化功能详解 【数字图像处理】四.MFC对话框绘制灰度直方图 免费资源下载地址 http://download.csdn.net/detail/eastmount/8764373 一. 点运算与初始操作 图像的点运算是图像处理中非常基础的技术它主要用于改变一篇图像的灰度分布范围通过一定的变换函数将图像的像素进行转换最终生成一幅新的图像。点运算的最大特点就是输出像素值只与当前输入像素值相关。定义如下。 点运算(Point Operation)指对于一幅输入图像将产生一幅输出图像输出图像的每个像素点的灰度值由输入像素点决定。 点运算由灰度变换函数(Grap Scale TransformationGST)确定B(x,y)F[A(x,y)] 需要注意一下几点 (1).与局部或邻域运算的差别输入像素和输出像素是一一对应的(2).与几何运算的差别不改变图像的空间关系(3).又称为对比增强对比拉伸或灰度变换。 在前面第四篇博客的基础上增加点运算处理。 第一步在资源视图中Menu中添加“图像点运算”菜单栏如下所示 对应的ID值为 线性变换 ID_DYS_XXYD(点运算 线性移动) ID_DYS_XXZQ( 点运算 线性增强) ID_DYS_XXJX(点运算 线性减小) ID_DYS_XXQB(点运算 线性求补) 非线性变换 ID_DYS_FXXPF(点运算 非线性平方) ID_DYS_FXXHS(非线性函数) 阈值变换 ID_DYS_YZBH(点运算 阈值变换) 图像均衡化 ID_DYS_JHH 第二步打开类向导(CtrlW)为点运算每个ID菜单添加相应的功能处理函数如下图所示选择类CImageProcessingView在选择IDs为ID_DYS_...(点运算)添加函数OnDysXxqb()线性求补。 二. 线性变换 图像线性变换是通过建立灰度映射来调整资源图像的灰度从而达到图像增强的目的。其中GST函数f(D)为线性的即 若a1,b0图像像素不发生变化 若a1,b!0图像所有灰度值上移或下移 若a1输出图像对比度增强 若0a1输出图像对比度减小 若a0暗区域变亮亮区域变暗图像求补 1.D(B)D(A)50 首先是图像移动代码如下 /**********************************************************************/ /* 图像点运算 4种线性变化直方图 /* ID_DYS_XXYD:表示线性灰度变化移动 D(B)D(A)50 灰度值上移下移 /* ID_DYS_XXZQ:表示线性灰度变化增强 D(B)1.5*D(A) 图像对比度增强 /* ID_DYS_XXJX:表示线性灰度变化减小 D(B)0.8*D(A) 图像对比度减小 /* ID_DYS_XXQB:表示线性灰度求补 D(B)-1*D(A)255 图像暗区变亮,亮区变暗 /**********************************************************************/ // 1.点运算 线性灰度变化移动 D(B)D(A)50 void CImageProcessingView::OnDysXxyd() { // TODO: Add your command handler code here if(numPicture0) { AfxMessageBox(载入图片后才能线性灰度运算!,MB_OK,0); return; } AfxMessageBox(线性灰度直方图-灰度变化移动 D(B)D(A)50!,MB_OK,0); int i; //打开临时的图片 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); //读取文件 fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //灰度图像 unsigned char color; unsigned char red,green,blue; for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); if( (int)red50 255 ) red255; else red(int)red50; if( (int)green50255 ) green255; else green(int)green50; if( (int)blue50255 ) blue255; else blue(int)blue50; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; //赋值101在ShowBitmap中调用显示处理后的图片 Invalidate(); } 同时修改void CImageProcessingView::ShowBitmap(CDC *pDC, CString BmpName)函数中的代码 else //图像点运算 线性变化 if(level101) { m_hBitmapChange (HBITMAP) LoadImage(NULL,BmpNameLin,IMAGE_BITMAP,0,0, LR_LOADFROMFILE|LR_DEFAULTSIZE|LR_CREATEDIBSECTION); } 运行效果如下图所示同时我截取了直方图(RGB相同只显示一种)。 可以发现图像的灰度上移了50图像更白了黑0-255白。 2.D(B)1.5*D(A) // 2.点运算 线性灰度变化增强 D(B)1.5*D(A) void CImageProcessingView::OnDysXxzq() { if(numPicture0) { AfxMessageBox(载入图片后才能线性灰度运算!,MB_OK,0); return; } AfxMessageBox(线性灰度直方图-灰度变化增强 D(B)1.5*D(A)!,MB_OK,0); int i; //打开临时的图片 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //灰度图像 unsigned char color; unsigned char red,green,blue; for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); if( (int)red*1.5 255 ) red255; else red(int)red*1.5; if( (int)green*1.5255 ) green255; else green(int)green*1.5; if( (int)blue*1.5255 ) blue255; else blue(int)blue*1.5; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; //线性变化 ShowBitmap中调用 Invalidate(); } 运行效果如下图所示图像对比度增强平均灰度122*1.5181 3.D(B)0.8*D(A) // 3.点运算 线性灰度变化减小D(B)0.8*D(A) void CImageProcessingView::OnDysXxjx() { if(numPicture0) { AfxMessageBox(载入图片后才能线性灰度处理!,MB_OK,0); return; } AfxMessageBox(线性灰度直方图-灰度减小 D(B)0.8*D(A)!,MB_OK,0); int i; //打开临时的图片 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //灰度图像 unsigned char color; unsigned char red,green,blue; for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); red(int)red*0.8; green(int)green*0.8; blue(int)blue*0.8; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; Invalidate(); } 运行如下图所示图像减弱。 4.D(B)-1*D(A)255 // 4.点运算 线性灰度求补 D(B)-1*D(A)255 void CImageProcessingView::OnDysXxqb() { if(numPicture0) { AfxMessageBox(载入图片后才能线性灰度处理!,MB_OK,0); return; } AfxMessageBox(线性灰度直方图-灰度求补 D(B)-1*D(A)255!,MB_OK,0); int i; //打开临时的图片 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //灰度图像 unsigned char color; unsigned char red,green,blue; for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); red(int)red*(-1)255; green(int)green*(-1)255; blue(int)blue*(-1)255; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; Invalidate(); } 运行效果如下图所示它是图像的求补发现直方图是互补的。 PS:注意图片下面的直方图应该还有一个处理后的直方图但原理都一样我不想重复工作你自己可以去简单实现下参考第四篇文章。同时这些图片制作还挺麻烦的只是为了给你更好的呈现它们的变化希望对你有用和尊重作者不喜勿喷~ 三. 非线性变换 灰度非线性变换主要包括对数变换、幂次变换、指数变换、分段函数变换通过非线性关系对图像进行灰度处理下面主要讲解课件中的两个函数对其进行处理。其中对数变换实现了扩展低灰度值而压缩高灰度值的效果图像灰度分布更符合而你的视觉特征。 1.D(B)D(A)*D(A)/252 /************************************************************************/ /* 2种非线性变化直方图 /* ID_DYS_FXXPF:表示非线性平方灰度变化,D(B)D(A)*D(A)/255 /* ID_DYS_FXXHS:表示非线性函数灰度变化,D(B)D(A)0.8*D(A)*(255-D(A))/255 /************************************************************************/ // 非线性平方灰度变化 D(B)D(A)*D(A)/252 void CImageProcessingView::OnDysFxxpf() { if(numPicture0) { AfxMessageBox(载入图片后才能非线性灰度处理!,MB_OK,0); return; } AfxMessageBox(非线性灰度变化 D(B)D(A)*D(A)/255!,MB_OK,0); int i; //打开临时的图片 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); //读取文件 fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //灰度图像 unsigned char color; unsigned char red,green,blue; for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); red(int)red*(int)red/255; green(int)green*(int)green/255; blue(int)blue*(int)blue/255; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; Invalidate(); } 运行效果如下图所示 2.D(B)D(A)0.8*D(A)*(255-D(A))/255 // 非线性函数灰度变化 D(B)D(A)0.8*D(A)*(255-D(A))/255 void CImageProcessingView::OnDysFxxhs() { if(numPicture0) { AfxMessageBox(载入图片后才能非线性灰度处理!,MB_OK,0); return; } AfxMessageBox(线性灰度直方图-灰度变化增强 D(B)D(A)0.8*D(A)*(255-D(A))/255!,MB_OK,0); int i; FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); unsigned char color; unsigned char red,green,blue; for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); if( ((int)red0.8*(int)red*(255-(int)red)/255) 255 ) red255; else red(int)red0.8*(int)red*(255-(int)red)/255; if( ((int)green0.8*(int)green*(255-(int)green)/255) 255 ) green255; else green(int)green0.8*(int)green*(255-(int)green)/255; if( ((int)blue0.8*(int)blue*(255-(int)blue)/255) 255 ) blue255; else blue(int)blue0.8*(int)blue*(255-(int)blue)/255; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; Invalidate(); } 运行效果如下图所示 写到此处你会发现图像灰度的线性变换和非线性变换是非常简单的主要是通过以下步骤完成 第一步赋值处理后图像的BMP头信息 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); 第二步通过循环和线性变换或非线性便函函数处理每一个像素 for( i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); 处理像素RBG 如:red(int)red*(int)red/255; fwrite(red,sizeof(char),1,fpw); } 第三步调用ShowBitmap自定义函数并重绘图像 numPicture 2; level101; Invalidate(); 而它的主要应用包括光度学标定希望数字图像的灰度能够真实反映图像的物理特性对比度增强和对比度扩展显示标定和轮廓线确定(阈值化)。 四. 灰度阈值化 阈值又称为临界值它的目的是确定出一个范围然后这个范围内的部分使用同一种方法处理而阈值之外的部分则使用另一种处理方法或保持原样。常用的包括产生二值图当xT时y0当xT时y255其中T是阈值。阈值变换在生物学上的应用比较广泛常用语细胞图像分割等。 打开类向导(CtrlW)生成选择ImageProcessingView类IDs选择ID_DYS_YZBH后添加相应的函数。代码如下 /**************************************************************/ /* ID_DYS_YZBH:表示点运算阈值变换 也看做灰度拉伸 /* 此处的拉伸是阈值化(thresholding)可以看作是削波的一个特例 /* 只要令削波中的g1oldg2old就实现了阈值化。 /* 阈值就象个门槛比它大就是白比它小就是黑,二值 /**************************************************************/ void CImageProcessingView::OnDysYzbh() { if(numPicture0) { AfxMessageBox(载入图片后才能点运算阈值化处理!,MB_OK,0); return; } AfxMessageBox(图像点运算阈值化处理!,MB_OK,0); //读写文件 FILE *fpo fopen(BmpName,rb); FILE *fpw fopen(BmpNameLin,wb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //处理 unsigned char color; unsigned char red,green,blue; for(int i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); if( (int)red 128 ) red255; else red0; if( (int)green 128 ) green255; else green0; if( (int)blue 128 ) blue255; else blue0; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpo); fclose(fpw); numPicture 2; level101; Invalidate(); } 运行效果如下图所示感觉还挺好看的显然此时的直方图就是0和255两条直线。 五. 灰度均衡化 灰度均衡化的目的是使一输入图像转换为在每一灰度级上都有相同的像素点即输出的直方图是平的它可以产生一幅灰度级分布概率均衡的图像。 换句话说经过均衡化后的图像在每一级灰度上像素点的数量相差不大对应的灰度直方图的每一级高度也相差不大。它是增强图像的有效手段之一。 研究思路是通过直方图变换公式实现 它的步骤如下图所示 例有一幅图象共有16级灰度其直方图分布为Pi, i0,1,…,15求经直方图均衡化后量化级别为10级的灰度图象的直方图分布Qi其中Pi和Qi为分布的概率即灰度i出现的次数与总的点数之比。 Pi0.03, 0, 0.06, 0.10, 0.20, 0.11, 0, 0, 0, 0.03, 0, 0.06, 0.10, 0.20, 0.11, 0 步骤1用一个数组s记录Pi即s[0]0.03,s[1]0,s[2]0.06,…,s[14]0.11,s[15]0 步骤2i从1开始令s[i]s[i]s[i-1]得到的结果是s 0.03, 0.03, 0.09, 0.19, 0.39, 0.50, 0.50, 0.50, 0.50, 0.53, 0.53, 0.59, 0.69, 0.89, 1.0, 1.0 步骤3用一个数组L记录新的调色板索引值即令L[i]s[i]×(10-1)得到的结果是L0,0,1,2,4,5,5,5,5,5,5,5,6,8,9,9 这样就找到了原来的调色板索引值和新的调色板索引值之间的对应关系即 0→0, 1→0, 2→1, 3→2, 4→4, 5→5, 6→5, 7→5, 8→5, 9→5, 10→5, 11→5, 12→6, 13→8, 14→9, 15→9。 步骤4将老的索引值对应的概率合并作为对应的新的索引值的概率。例如原来的索引值0,1都对应了新的索引值0则灰度索引值为0的概率为P0P10.03新的索引值3和7找不到老的索引值与之对应所以令Q3和Q7为0。最后得到的结果是Qi0.03, 0.06, 0.10, 0, 0.20, 0.20, 0.10, 0, 0.20, 0.11 代码中有详细注释如下 // ID_DYS_JHH:表示图像均衡化 相见算法 void CImageProcessingView::OnDysJhh() { if(numPicture0) { AfxMessageBox(载入图片后才能图像均衡化!,MB_OK,0); return; } AfxMessageBox(图像均衡化!,MB_OK,0); //第一步:获取图像的数据信息 //此操作可以在打开图片时就进行 在直方图采样(ZFTCY)中也有该代码 FILE *fpo fopen(BmpName,rb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); int i,j,k; for(j0;j256;j) { //定义数组并清零 Red[j]0; Green[j]0; Blue[j]0; } //计算4个数据 unsigned char red,green,blue; int IntRed,IntGreen,IntBlue; //强制转换 double sumRedHD0,sumGreenHD0,sumBlueHD0; //记录像素总的灰度值和 for(i0; im_nImage/3; i ) { fread(red,sizeof(char),1,fpo); IntRedint(red); sumRedHDsumRedHDIntRed; if( IntRed0 IntRed256 ) Red[IntRed]; fread(green,sizeof(char),1,fpo); IntGreenint(green); sumGreenHDsumGreenHDIntGreen; if( IntGreen0 IntGreen256 ) Green[IntGreen]; fread(blue,sizeof(char),1,fpo); IntBlueint(blue); sumBlueHDsumBlueHDIntBlue; if( IntBlue0 IntBlue256 ) Blue[IntBlue]; } fclose(fpo); /*****************************************************************/ /* 图像均衡化处理 /* 利用全局变量 Red[256] Blue[256] Green[256] /* 第一步:用3个数组Count..记录0-255灰度出现的概率即 /* 概率该灰度出现次数*3/总得像素 (因为分成3部分RGB) /* 第二步:i从1开始令s[i]s[i]s[i-1] 记录新概率数 /* 第三步:用一个数组L记录新的调色板索引值即 /* L[i]s[i]×(256-1)结果四舍五入2.8即为3 /* 第四步:将老的索引值对应的概率合并作为对应的新的索引值的概率 /* 1.原来的索引值0,1都对应了新的索引值0则灰度索引值为0的概率 /* 为P0P10.03 /* 2.新的索引值3和7找不到老的索引值与之对应所以令Q3和Q7为0 /*****************************************************************/ //记录出现的概率,会加到1 用于相加到调色板 float CountRed[256],CountGreen[256],CountBlue[256]; //记录原始数据,不会相加到1 用于计算新灰度概率 float CountRedLin[256],CountGreenLin[256],CountBlueLin[256]; for( k0 ; k256 ; k ) { CountRed[k](float)(Red[k])*3/m_nImage; CountRedLin[k]CountRed[k]; CountGreen[k](float)(Green[k])*3/m_nImage; CountGreenLin[k]CountGreen[k]; CountBlue[k](float)(Blue[k])*3/m_nImage; CountBlueLin[k]CountBlue[k]; } for( k1 ; k256 ; k ) { CountRed[k]CountRed[k]CountRed[k-1]; CountGreen[k]CountGreen[k]CountGreen[k-1]; CountBlue[k]CountBlue[k]CountBlue[k-1]; } /****************************************************/ /* 此处百度到一个四舍五入浮点型的算法: /* float a3.456; 保留到小数点后两位 /* float b(int)((a * 100) 0.5) / 100.0; /* output b3.46 /****************************************************/ int LRed[256],LGreen[256],LBlue[256]; //记录调色板 for( k0 ; k256 ; k ) { LRed[k](int)(CountRed[k]*(256-1)0.5); LGreen[k](int)(CountGreen[k]*(256-1)0.5); LBlue[k](int)(CountBlue[k]*(256-1)0.5); } //第三步:处理均衡化图像写入 打开临时的图片 fpo fopen(BmpName,rb); fread(bfh,sizeof(BITMAPFILEHEADER),1,fpo); fread(bih,sizeof(BITMAPINFOHEADER),1,fpo); FILE *fpw fopen(BmpNameLin,wb); fwrite(bfh,sizeof(BITMAPFILEHEADER),1,fpw); fwrite(bih,sizeof(BITMAPINFOHEADER),1,fpw); //m_nWidth*m_nHeight 读取图片最后一行不为m_nWidth时会报错 改为m_nImage/3 for( i0; im_nImage/3 ; i ) { fread(red,sizeof(char),1,fpo); fread(green,sizeof(char),1,fpo); fread(blue,sizeof(char),1,fpo); redLRed[int(red)]; greenLGreen[int(green)]; blueLBlue[int(blue)]; fwrite(red,sizeof(char),1,fpw); fwrite(green,sizeof(char),1,fpw); fwrite(blue,sizeof(char),1,fpw); } fclose(fpw); numPicture 2; level101; Invalidate(); } 运行结果如下图所示图像增强而且异常清晰 最后介绍下图像对比度拉伸它就是把你感兴趣的灰度范围拉开使得该范围内像素亮的更亮暗的更暗从而达到增强对比度的目的。 如下图所示a、b、c为三段直线的斜率g1old和g2old表示途中要进行对比度扩展的范围g1new和g2new表示对应的新值。当g1oldg2old就是二值图像阈值化处理。 由于灰度界别也是255这个约束所以满足 其中g1old100g2old150b3.0的运行效果如下所示 //
https://blog.csdn.net/eastmount/article/details/46312145
