[英](c++)(visual studio) Applying Gaussian Blur Filter to Grayscale Image From RGB
我将RGB图片转换为灰度。 现在,我正在尝试将高斯模糊滤镜应用于此灰度图像。 这就是我最初访问图像的方式:
pDoc = GetDocument();
int iBitPerPixel = pDoc->_bmp->bitsperpixel; // used to see if grayscale(8 bits) or RGB (24 bits)
int iWidth = pDoc->_bmp->width;
int iHeight = pDoc->_bmp->height;
BYTE *pImg = pDoc->_bmp->point; // pointer used to point at pixels in the image
int Wp = iWidth;
const int area = iWidth * iHeight;
这是我用来将RGB图像转换为灰度的代码:
double r; // red pixel value
double g; // green pixel value
double b; // blue pixel value
int gray; // gray pixel value
// convert RGB values to grayscale at each pixel, then put in grayscale array
for (int i = 0; i < iHeight; i++)
for (int j = 0; j < iWidth; j++)
{
r = pImg[i*iWidth * 3 + j * 3 + 2];
g = pImg[i*iWidth * 3 + j * 3 + 1];
b = pImg[i*Wp + j * 3];
r = static_cast<double>(r) * 0.299;
g = static_cast<double>(g) * 0.587;
b = static_cast<double>(b) * 0.114;
gray = std::round(r + g + b);
pImg[i*iWidth * 3 + j * 3 + 2] = gray;
pImg[i*iWidth * 3 + j * 3 + 1] = gray;
pImg[i*Wp + j * 3] = gray;
}
}
然后在这里尝试应用高斯模糊滤镜:
// gaussian filter kernel
float gauss[3][3] = { {1, 2, 1},
{2, 4, 2},
{1, 2, 1} };
int convHeight; // height value of convolution filter, gaussian in this case
int convWidth; // width value of convolution filter, gaussian in this case
//////gaussian blur/////////
for (int i = 0; i < iHeight; i++) {
for (int j = 0; j < iWidth; j++) {
gaussPixel = 0;
for (int x = 0; x < convHeight; x++) {
for (int y = 0; y < convWidth; y++) {
//gaussPixel += OldImage[x - convWidth / 2 + i, y - convHeight / 2 + j] * gauss[i, j];
}
}
//NewImage[x, y] = gaussPixel;
}
}
我的一些问题如下:1)我不确定如何为其中一个高斯模糊内核看着一个偏离图像的点,因此不看着像素的情况作条件; 2)我正在获取我认为来自Visual Studio的错误说“访问冲突读取位置0x ....”与问题1有关。同样,我也不知道我将图像从RGB更改为灰度的事实是否在方式上有所不同我在灰度图像上读写像素值。
任何帮助都将不胜感激。
您不必检查是否违反了图像/阵列边界。
您知道映像和内核的大小,因此您要做的就是选择有效的索引。 如果图像的宽度为200像素,则不应尝试索引<0或> 199的x坐标。
这是图像处理中的常见问题。 通常,您有两个选择。 假设我们有一个5x5内核:
根据过滤器的类型和您的应用程序,您可以选择不同的方式来创建该边距。 常数值,镜像值,各种外推法...
我没有对您的计算进行过多研究,但是您始终可以在线参考高斯实现的示例。
我也鼓励您不要只写一个高斯滤波器。 实现卷积,然后可以与任何高斯内核或其他内核一起使用。
还请记住,高斯滤波器是可分离的!
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.