笔迹鉴别程序
考试的笔迹鉴别程序，分辨出不同人写的笔迹
This commit is contained in:
yanshui177
713
测试/本机测试/HWCV_vc6/process.cpp
Normal file
713
测试/本机测试/HWCV_vc6/process.cpp
Normal file
@@ -0,0 +1,713 @@
|
||||
/*
|
||||
实现文件：process.cpp 图像处理过程的实现文件
|
||||
*/
|
||||
#include "process.h"
|
||||
|
||||
int ComputeImage(vector<string> files, double bzckesa[50][50], double *wcd, int conti)
|
||||
{
|
||||
cout<<"1231s"<<endl;
|
||||
int i, ii, jj, size;
|
||||
double bzcu[50][50] = { 0 }; //标准差中的u
|
||||
double featurep[50][50][30] = { 0 }; //所有图像的轮廓方向特征初始化//干什么 //30
|
||||
int feature[50][50][30] = { 0 }; //所有图像的特征值初始化 //所有图像指的什么意思 //30找出30的位置或者50的位置限制。。。。带入num_dir==49的情况进行类比
|
||||
int featx[50][50] = { 0 }; //循环赋值的feature
|
||||
int featureall; //图像特征值和 //做什么用
|
||||
IplImage* imglk[30]; //轮廓图变量 //30
|
||||
|
||||
size = files.size();
|
||||
for (i = 0; i < size; i++)
|
||||
{
|
||||
memset(featx, 0, sizeof(featx));
|
||||
// strcpy(str,files[i].c_str());
|
||||
imglk[i] = singlefeature((char*)files[i].c_str(), featx); //featx[][50]
|
||||
featureall = 0; //图像特征值和的初始化
|
||||
for (ii = 0; ii<48; ii++) //将featx存起来,回头看能不能用函数换掉
|
||||
for (jj = ii + 1; jj<47; jj++)
|
||||
{
|
||||
feature[ii][jj][i] = featx[ii][jj];
|
||||
featureall = featureall + featx[ii][jj];
|
||||
}
|
||||
//求轮廓方向特征featurep，式(5) 与标准差中的u的和
|
||||
for (ii = 0; ii<48; ii++)
|
||||
for (jj = ii + 1; jj<47; jj++)
|
||||
{
|
||||
featurep[ii][jj][i] = (double)featx[ii][jj] / featureall;
|
||||
bzcu[ii][jj] += (double)featx[ii][jj] / featureall * 1000; //标准差的值过小,进行放大（1）
|
||||
}
|
||||
}
|
||||
//处理完一个人的每一张图片后
|
||||
for (ii = 0; ii<48; ii++)//求标准差中的u
|
||||
for (jj = ii + 1; jj<47; jj++)
|
||||
bzcu[ii][jj] = bzcu[ii][jj] / size;
|
||||
//求相似性就是带权卡方wcd
|
||||
for (i = 0; i < size; i++)
|
||||
for (ii = 0; ii<48; ii++)
|
||||
for (jj = ii + 1; jj<47; jj++)
|
||||
if (featurep[ii][jj][i] * featurep[ii][jj][conti] != 0 && bzckesa[ii][jj] != -1)
|
||||
wcd[i] += pow((featurep[ii][jj][i] - featurep[ii][jj][conti]), 2) / ((featurep[ii][jj][i] + featurep[ii][jj][conti])*bzckesa[ii][jj]);
|
||||
memset(imglk, 0, sizeof(imglk));
|
||||
memset(feature, 0, sizeof(feature));
|
||||
memset(featurep, 0, sizeof(featurep));
|
||||
|
||||
return 1;
|
||||
}
|
||||
/*
|
||||
功能：读入图像文件，进行二值化
|
||||
|
||||
@变量 img iplimage图像文件
|
||||
@变量 bithro 二值化阈值
|
||||
@返回值 黑像素的数目（待用）
|
||||
*/
|
||||
int* binary(IplImage* img, int g_bi_threshold)
|
||||
{
|
||||
int height, width, step, channels;
|
||||
uchar *data;
|
||||
int i, j;
|
||||
static int black[1000]; //C语言不提倡返回一个局部变量的地址以外的功能，所以你必须定义的局部变量，如静态变量。
|
||||
/* 获取图像信息*/
|
||||
height = img->height;
|
||||
width = img->width;
|
||||
step = img->widthStep;
|
||||
channels = img->nChannels;
|
||||
data = (uchar *)img->imageData;
|
||||
|
||||
/*二值化，并统计黑像素的个数*/
|
||||
for (i = 0; i<height; i++)
|
||||
{
|
||||
for (j = 0; j<width; j++)//对图像每个点进行二值化,原值为128
|
||||
data[i*step + j*channels] = (data[i*step + j*channels]>g_bi_threshold) ? 255 : 0;
|
||||
}
|
||||
|
||||
/*计算每一行的黑像素个数*/
|
||||
int tempBlackPixel = 0;
|
||||
|
||||
memset(black, 0, 1000); //##初始化内存，这里用做清零black数组
|
||||
for (i = height - 1; i>0; i--)
|
||||
{
|
||||
for (int j = 0; j<width; j++)
|
||||
{
|
||||
if (data[i*step + j*channels] == 0) //计算黑色的像素数
|
||||
tempBlackPixel += 1;
|
||||
}
|
||||
black[height - i] = tempBlackPixel; //black记录黑色像素数
|
||||
tempBlackPixel = 0;
|
||||
}
|
||||
//二值化，并统计黑像素的个数**********
|
||||
return black;
|
||||
}
|
||||
|
||||
|
||||
|
||||
/*
|
||||
功能：读入图像文件，对图像进行裁剪
|
||||
|
||||
@变量 img iplimage图像文件
|
||||
@变量 img 裁剪后的iplimage图像文件
|
||||
@jbwhite
|
||||
@jbblack
|
||||
@返回值 返回裁剪后的图像
|
||||
*/
|
||||
IplImage* Cjbsb(IplImage* img, IplImage* imgjbsb, int jbwhite, int jbblack)
|
||||
{
|
||||
/*定义变量*/
|
||||
int i, j, jbi = 0, jbj = 0;
|
||||
int height, width, step, channels;
|
||||
uchar *data;
|
||||
int brklab = 0;
|
||||
/* 获取图像信息*/
|
||||
height = img->height;
|
||||
width = img->width;
|
||||
step = img->widthStep;
|
||||
channels = img->nChannels;
|
||||
data = (uchar *)img->imageData;
|
||||
|
||||
// IplImage* imgjbsb = cvCreateImage(cvGetSize(img),img->depth,img->nChannels);
|
||||
cvCopy(img, imgjbsb, NULL);
|
||||
uchar *imgjbsbdata = (uchar *)imgjbsb->imageData;
|
||||
|
||||
//以角标为起点进行裁剪与画框
|
||||
CvSize jbcjsize = cvSize(835, 165); //角标裁剪框的大小，宽为835象素，高为165象素
|
||||
IplImage* imgjbcj = cvCreateImage(jbcjsize, img->depth, img->nChannels);
|
||||
uchar *imgjbcjdata = (uchar *)imgjbcj->imageData;
|
||||
int jbcjstep = imgjbcj->widthStep;
|
||||
int jbcjchannels = imgjbcj->nChannels;
|
||||
for (i = 0; i<165; i++)
|
||||
for (j = 0; j<835; j++)
|
||||
imgjbcjdata[i*jbcjstep + j*jbcjchannels] = data[(i + jbi)*step + (j + jbj)*channels];
|
||||
for (i = 0; i<165; i = i + 2)
|
||||
{
|
||||
imgjbsbdata[(i + jbi)*step + jbj*channels] = 0;
|
||||
imgjbsbdata[(i + jbi)*step + (jbj + 835)*channels] = 0;
|
||||
}
|
||||
for (j = 0; j<835; j = j + 2)
|
||||
{
|
||||
imgjbsbdata[jbi*step + (j + jbj)*channels] = 0;
|
||||
imgjbsbdata[(jbi + 165)*step + (j + jbj)*channels] = 0;
|
||||
}
|
||||
|
||||
return imgjbcj;
|
||||
}
|
||||
|
||||
|
||||
/*
|
||||
功能：计算图像的特征
|
||||
|
||||
@变量 imgbj 笔迹部分的图像
|
||||
@返回值 计算得到的特征图像
|
||||
*/
|
||||
IplImage* outline(IplImage* imgbj)
|
||||
{
|
||||
/*定义变量*/
|
||||
int i, j;
|
||||
int height, width, step, channels;
|
||||
uchar *data;
|
||||
|
||||
/*定义新的图像*/
|
||||
IplImage* imglk = cvCreateImage(cvGetSize(imgbj), imgbj->depth, imgbj->nChannels);
|
||||
|
||||
/* 获取图像信息*/
|
||||
height = imgbj->height;
|
||||
width = imgbj->width;
|
||||
step = imgbj->widthStep;
|
||||
channels = imgbj->nChannels;
|
||||
data = (uchar *)imgbj->imageData;
|
||||
|
||||
// printf("--outline--");
|
||||
for (j = 0; j<height; j++){
|
||||
for (i = 0; i<width; i++){
|
||||
imglk->imageData[j*step + i*channels] = 255;
|
||||
}
|
||||
for (i = 0; i<width - 1; i++){
|
||||
if (data[j*step + (i + 1)*channels] - data[j*step + i*channels] == 255) //竖线右侧框
|
||||
imglk->imageData[j*step + i*channels] = 0;
|
||||
else if (data[j*step + i*channels] - data[j*step + (i + 1)*channels] == 255) //竖线左侧框
|
||||
imglk->imageData[j*step + (i + 1)*channels] = 0;
|
||||
}
|
||||
}
|
||||
|
||||
for (i = 0; i<width; i++){
|
||||
for (j = 0; j<height - 1; j++){
|
||||
if (data[j*step + i*channels] - data[(j + 1)*step + i*channels] == 255) //横线下侧框
|
||||
imglk->imageData[(j + 1)*step + i*channels] = 0;
|
||||
else if (data[(j + 1)*step + i*channels] - data[j*step + i*channels] == 255) //横线上侧框
|
||||
imglk->imageData[j*step + i*channels] = 0;
|
||||
}
|
||||
}
|
||||
return imglk;
|
||||
}
|
||||
|
||||
|
||||
/*
|
||||
功能：输入图像的特征轮廓图，返回图像的特征值
|
||||
@变量 imglk 输入的图像轮廓图
|
||||
@变量 feature 得到的图像特征
|
||||
@返回值 成功1失败0
|
||||
*/
|
||||
int outlinefeature(IplImage* imglk, int feature[][50])
|
||||
{
|
||||
//定义变量
|
||||
int i, j;
|
||||
int height, width, step, channels;
|
||||
uchar *data;
|
||||
|
||||
int feat[50][50] = { 0 }; //特征值初始化
|
||||
Point featblk[32]; //标记相同H的黑点坐标
|
||||
int featk; //标记相同H的黑点数目
|
||||
int m; //for 里面的变量
|
||||
// printf("--outlinefeature--");
|
||||
// 获取图像信息
|
||||
height = imglk->height;
|
||||
width = imglk->width;
|
||||
step = imglk->widthStep;
|
||||
channels = imglk->nChannels;
|
||||
data = (uchar *)imglk->imageData;
|
||||
|
||||
//初始化特征矩阵 最大值为47 ，非空的特征字有1081个
|
||||
int outllab[9][9] = { \
|
||||
{3, 37, 10, 36, 2, 35, 9, 34, 1}, { 38, 3, 21, 20, 2, 19, 18, 1, 33 }, \
|
||||
{11, 22, 3, 10, 2, 9, 1, 17, 8}, { 39, 23, 11, 3, 2, 1, 8, 16, 32 }, \
|
||||
{4, 4, 4, 4, 0, 0, 0, 0, 0}, { 40, 24, 12, 5, 6, 7, 15, 31, 47 }, \
|
||||
{12, 25, 5, 13, 6, 14, 7, 30, 15}, { 41, 5, 26, 27, 6, 28, 29, 7, 46 }, \
|
||||
{5, 42, 13, 43, 6, 44, 14, 45, 7} };
|
||||
|
||||
|
||||
for (i = 4; i <= width - 5; i++){
|
||||
for (j = 4; j <= height - 5; j++){
|
||||
if (data[j*step + i*channels] == 0){
|
||||
//**************H=1
|
||||
|
||||
memset(featblk, 0, sizeof(Point) * 32); //归零
|
||||
featk = 0;
|
||||
if (data[j*step + (i + 1)*channels] == 0){ //右侧点
|
||||
featblk[featk].x = i + 1;
|
||||
featblk[featk].y = j;
|
||||
featk++;
|
||||
}
|
||||
for (m = i + 1; m >= i - 1; m--){ //上排点
|
||||
if (data[(j - 1)*step + m*channels] == 0) {
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j - 1;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
if (data[j*step + (i - 1)*channels] == 0){ //左侧点
|
||||
featblk[featk].x = i - 1;
|
||||
featblk[featk].y = j;
|
||||
featk++;
|
||||
}
|
||||
for (m = i - 1; m <= i + 1; m++) { //下排点
|
||||
if (data[(j + 1)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j + 1;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
//统计特征点
|
||||
if (featk >= 2){
|
||||
for (m = 1; m <= featk - 1; m++){
|
||||
feat[outllab[featblk[m - 1].x - i + 4][featblk[m - 1].y - j + 4]][outllab[featblk[m].x - i + 4][featblk[m].y - j + 4]]++;
|
||||
}
|
||||
}
|
||||
//H=1*******************
|
||||
|
||||
|
||||
//*********************H=2
|
||||
memset(featblk, 0, sizeof(Point) * 32); //归零
|
||||
featk = 0;
|
||||
|
||||
for (m = j + 1; m >= j - 2; m--){
|
||||
if (data[m*step + (i + 2)*channels] == 0){ //右排点
|
||||
featblk[featk].x = i + 2;
|
||||
featblk[featk].y = m;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = i + 1; m >= i - 2; m--){ //上排点
|
||||
if (data[(j - 2)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j - 2;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = j - 1; m <= j + 2; m++){ //左侧点
|
||||
if (data[m*step + (i - 2)*channels] == 0){
|
||||
featblk[featk].x = i - 2;
|
||||
featblk[featk].y = m;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = i - 1; m <= i + 2; m++){ //下排点
|
||||
if (data[(j + 2)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j + 2;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
//统计特征点
|
||||
if (featk >= 2){
|
||||
for (m = 1; m <= featk - 1; m++){
|
||||
feat[outllab[featblk[m - 1].x - i + 4][featblk[m - 1].y - j + 4]][outllab[featblk[m].x - i + 4][featblk[m].y - j + 4]]++;
|
||||
}
|
||||
}
|
||||
//H=2********************
|
||||
|
||||
//*********************H=3
|
||||
memset(featblk, 0, sizeof(Point) * 32); //归零
|
||||
featk = 0;
|
||||
|
||||
for (m = j + 2; m >= j - 3; m--){
|
||||
if (data[m*step + (i + 3)*channels] == 0){ //右排点
|
||||
featblk[featk].x = i + 3;
|
||||
featblk[featk].y = m;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = i + 2; m >= i - 3; m--){ //上排点
|
||||
if (data[(j - 3)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j - 3;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = j - 2; m <= j + 3; m++){ //左侧点
|
||||
if (data[m*step + (i - 3)*channels] == 0){
|
||||
featblk[featk].x = i - 3;
|
||||
featblk[featk].y = m;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = i - 2; m <= i + 3; m++){ //下排点
|
||||
if (data[(j + 3)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j + 3;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
//统计特征点
|
||||
if (featk >= 2){
|
||||
for (m = 1; m <= featk - 1; m++){
|
||||
feat[outllab[featblk[m - 1].x - i + 4][featblk[m - 1].y - j + 4]][outllab[featblk[m].x - i + 4][featblk[m].y - j + 4]]++;
|
||||
}
|
||||
}
|
||||
//H=3********************
|
||||
|
||||
//*********************H=4
|
||||
memset(featblk, 0, sizeof(Point) * 32); //归零
|
||||
featk = 0;
|
||||
|
||||
for (m = j + 3; m >= j - 4; m--){
|
||||
if (data[m*step + (i + 4)*channels] == 0){ //右排点
|
||||
featblk[featk].x = i + 4;
|
||||
featblk[featk].y = m;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = i + 3; m >= i - 4; m--) { //上排点
|
||||
if (data[(j - 4)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j - 4;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = j - 3; m <= j + 4; m++){ //左侧点
|
||||
if (data[m*step + (i - 4)*channels] == 0){
|
||||
featblk[featk].x = i - 4;
|
||||
featblk[featk].y = m;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
for (m = i - 3; m <= i + 4; m++){ //下排点
|
||||
if (data[(j + 4)*step + m*channels] == 0){
|
||||
featblk[featk].x = m;
|
||||
featblk[featk].y = j + 4;
|
||||
featk++;
|
||||
}
|
||||
}
|
||||
//统计特征点
|
||||
if (featk >= 2){
|
||||
for (m = 1; m <= featk - 1; m++){
|
||||
feat[outllab[featblk[m - 1].x - i + 4][featblk[m - 1].y - j + 4]][outllab[featblk[m].x - i + 4][featblk[m].y - j + 4]]++;
|
||||
}
|
||||
}
|
||||
//H=4***********************
|
||||
}// if
|
||||
} //for j
|
||||
} //for i
|
||||
|
||||
//****注：最终特征值为feat(x,y)+feat(y,x)，放入feat(x,y)中，x<y
|
||||
for (i = 1; i<50; i++)
|
||||
for (j = 0; j<i; j++){
|
||||
feat[j][i] = feat[i][j] + feat[j][i];
|
||||
feat[i][j] = 0;
|
||||
}
|
||||
memcpy(feature, feat, 2500 * 4); //int有四个字节
|
||||
// printf("轮廓特征值计算完成\n");
|
||||
return 0;
|
||||
}
|
||||
|
||||
|
||||
/*
|
||||
功能：对单张图像的处理，最终得到一个特征值，用来计算各个图像之间的卡方距离
|
||||
|
||||
@变量 path 图像的物理地址
|
||||
@变量 feature 图像的特征值
|
||||
@返回值 处理后的图像
|
||||
*/
|
||||
IplImage* singlefeature(char* path, int feature[][50])
|
||||
{
|
||||
//定义变量
|
||||
//原图
|
||||
IplImage* imglk = 0; //轮廓图
|
||||
IplImage* imggj = 0; //骨架图
|
||||
IplImage* imgjbsb = 0; //角标识别图
|
||||
IplImage* imgbj = 0; //只提取笔记部分的图像
|
||||
IplImage* imgbjhf = 0; //为文字区域画上方格
|
||||
IplImage* imgwzbj = 0; //为文字区域标出是否为文字（文字标记）
|
||||
|
||||
int height, width, step, channels;
|
||||
uchar *data;
|
||||
|
||||
int i, j; //用于返回图像每行黑像素的个数
|
||||
//int feature[50][50]={0}; //特征值初始化
|
||||
|
||||
IplImage* img = cvLoadImage(path, 0);
|
||||
|
||||
/* 获取图像信息*/
|
||||
|
||||
height = img->height;
|
||||
width = img->width;
|
||||
step = img->widthStep;
|
||||
channels = img->nChannels;
|
||||
data = (uchar *)img->imageData;
|
||||
|
||||
/*开始处理*/
|
||||
|
||||
/*图像放大*/
|
||||
IplImage* imgbig = 0; //原图的放大图
|
||||
CvSize dst_cvsize; //目标图像的大小
|
||||
float scale = 1;
|
||||
if (width<840){
|
||||
scale = (float)840 / width;
|
||||
dst_cvsize.width = 840;
|
||||
dst_cvsize.height = (int)(height*scale);
|
||||
}
|
||||
else
|
||||
{
|
||||
dst_cvsize.width = width;
|
||||
dst_cvsize.height = height;
|
||||
}
|
||||
|
||||
imgbig = cvCreateImage(dst_cvsize, img->depth, img->nChannels);
|
||||
cvResize(img, imgbig, CV_INTER_LINEAR); // CV_INTER_NN - 最近邻插值,
|
||||
//CV_INTER_LINEAR - 双线性插值 (缺省使用),
|
||||
//CV_INTER_AREA - 使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。
|
||||
//CV_INTER_CUBIC - 立方插值.
|
||||
|
||||
/*二值化*/
|
||||
binary(imgbig, g_bi_threshold);
|
||||
//SaveLog("singlefeature_binary\n", "D:\\HWCV\\numtxt.txt", "a");
|
||||
|
||||
|
||||
|
||||
/*裁剪识别*/
|
||||
int jbwhite = 5, jbblack = 4;
|
||||
imgjbsb = cvCreateImage(cvGetSize(imgbig), imgbig->depth, imgbig->nChannels);
|
||||
imgbj = Cjbsb(imgbig, imgjbsb, jbwhite, jbblack); //返回文字的笔迹部分
|
||||
|
||||
|
||||
/*计算骨架图*/
|
||||
imggj = cvCreateImage(cvGetSize(imgbj), imgbj->depth, imgbj->nChannels); //复制
|
||||
cvCopy(imgbj, imggj, NULL);
|
||||
uchar *gjdata = (uchar *)imggj->imageData;
|
||||
|
||||
beforethin(gjdata, gjdata, imggj->width, imggj->height);
|
||||
|
||||
/*笔迹图像颜色范围转换，以进行细化*/
|
||||
for (j = 0; j<imggj->height; j++)//取值范围转到0--1
|
||||
{
|
||||
for (i = 0; i<imggj->width; i++)
|
||||
{
|
||||
if (gjdata[j*imggj->widthStep + i] == 255)
|
||||
gjdata[j*imggj->widthStep + i] = 1;
|
||||
}
|
||||
}
|
||||
|
||||
/*细化*/
|
||||
ThinnerRosenfeld(imggj->imageData, imggj->height, imggj->width);
|
||||
|
||||
/*笔记图像颜色范围转化回正常水平*/
|
||||
for (j = 0; j<imggj->height; j++)//取值范围转到0--255,反转过来
|
||||
{
|
||||
for (i = 0; i<imggj->width; i++)
|
||||
{
|
||||
if (gjdata[j*imggj->widthStep + i] == 1)
|
||||
gjdata[j*imggj->widthStep + i] = 0;
|
||||
else
|
||||
gjdata[j*imggj->widthStep + i] = 255;
|
||||
}
|
||||
}
|
||||
|
||||
/*计算骨架特征徝*/
|
||||
outlinefeature(imggj, feature); //特征值占48*48的右上三角形，feature调用返回
|
||||
|
||||
/*释放内存*/
|
||||
cvReleaseImage(&imgbig);
|
||||
cvReleaseImage(&img);
|
||||
cvReleaseImage(&imgbj);
|
||||
cvReleaseImage(&imglk);
|
||||
cvReleaseImage(&imgjbsb);
|
||||
cvReleaseImage(&imgbjhf);
|
||||
cvReleaseImage(&imgwzbj);
|
||||
cvDestroyAllWindows();
|
||||
|
||||
return imggj;
|
||||
}
|
||||
|
||||
|
||||
|
||||
/*
|
||||
功能：细化之前的图像颜色处理，将颜色范围转换到0-1
|
||||
|
||||
@变量 ip 图像的句柄
|
||||
@变量 jp
|
||||
@变量 lx 图象宽度
|
||||
@变量 ly 图象高度
|
||||
@返回值 空
|
||||
*/
|
||||
void beforethin(unsigned char *ip, unsigned char *jp, unsigned long lx, unsigned long ly)
|
||||
{
|
||||
unsigned long i, j;
|
||||
|
||||
for (i = 0; i<ly; i++){
|
||||
for (j = 0; j<lx; j++){
|
||||
//这里要视前景是白点还是黑点而定，可以改动
|
||||
//如果前景是白点，就是这样；反之反过来
|
||||
//jp[i*lx+j]=ip[i*lx+j];
|
||||
/* jp[i*lx+j]=255;*/
|
||||
if (ip[i*lx + j]>0)
|
||||
jp[i*lx + j] = 0;
|
||||
else
|
||||
jp[i*lx + j] = 255;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
/*功能：细化算法 ，Rosenfeld细化算法，用于完成对笔迹图像的股价提取
|
||||
|
||||
@变量 image 代表图象的一维数组
|
||||
@变量 lx 图象宽度
|
||||
@变量 ly 图象高度
|
||||
@返回值 无返回值
|
||||
*/
|
||||
void ThinnerRosenfeld(void *image, unsigned long lx, unsigned long ly)
|
||||
{
|
||||
char *f, *g;
|
||||
char n[10];
|
||||
char a[5] = { 0, -1, 1, 0, 0 };
|
||||
char b[5] = { 0, 0, 0, 1, -1 };
|
||||
char nrnd, cond, n48, n26, n24, n46, n68, n82, n123, n345, n567, n781;
|
||||
short k, shori;
|
||||
unsigned long i, j;
|
||||
long ii, jj, kk, kk1, kk2, kk3, size;
|
||||
|
||||
// printf("--Thinner_Rosenfeld--");
|
||||
size = (long)lx * (long)ly;
|
||||
|
||||
g = (char *)malloc(size);
|
||||
if (g == NULL){
|
||||
printf("error in alocating mmeory!\n");
|
||||
return;
|
||||
}
|
||||
|
||||
f = (char *)image;
|
||||
for (kk = 0l; kk<size; kk++){
|
||||
g[kk] = f[kk];
|
||||
}
|
||||
|
||||
do{
|
||||
shori = 0;
|
||||
for (k = 1; k <= 4; k++){
|
||||
for (i = 1; i<lx - 1; i++){
|
||||
ii = i + a[k];
|
||||
|
||||
for (j = 1; j<ly - 1; j++){
|
||||
kk = i*ly + j;
|
||||
|
||||
if (!f[kk])
|
||||
continue;
|
||||
|
||||
jj = j + b[k];
|
||||
kk1 = ii*ly + jj;
|
||||
|
||||
if (f[kk1])
|
||||
continue;
|
||||
|
||||
kk1 = kk - ly - 1;
|
||||
kk2 = kk1 + 1;
|
||||
kk3 = kk2 + 1;
|
||||
n[3] = f[kk1];
|
||||
n[2] = f[kk2];
|
||||
n[1] = f[kk3];
|
||||
kk1 = kk - 1;
|
||||
kk3 = kk + 1;
|
||||
n[4] = f[kk1];
|
||||
n[8] = f[kk3];
|
||||
kk1 = kk + ly - 1;
|
||||
kk2 = kk1 + 1;
|
||||
kk3 = kk2 + 1;
|
||||
n[5] = f[kk1];
|
||||
n[6] = f[kk2];
|
||||
n[7] = f[kk3];
|
||||
|
||||
nrnd = n[1] + n[2] + n[3] + n[4]
|
||||
+ n[5] + n[6] + n[7] + n[8];
|
||||
if (nrnd <= 1)
|
||||
continue;
|
||||
|
||||
cond = 0;
|
||||
n48 = n[4] + n[8];
|
||||
n26 = n[2] + n[6];
|
||||
n24 = n[2] + n[4];
|
||||
n46 = n[4] + n[6];
|
||||
n68 = n[6] + n[8];
|
||||
n82 = n[8] + n[2];
|
||||
n123 = n[1] + n[2] + n[3];
|
||||
n345 = n[3] + n[4] + n[5];
|
||||
n567 = n[5] + n[6] + n[7];
|
||||
n781 = n[7] + n[8] + n[1];
|
||||
|
||||
if (n[2] == 1 && n48 == 0 && n567>0){
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[6] == 1 && n48 == 0 && n123>0) {
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[8] == 1 && n26 == 0 && n345>0){
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[4] == 1 && n26 == 0 && n781>0) {
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[5] == 1 && n46 == 0){
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[7] == 1 && n68 == 0){
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[1] == 1 && n82 == 0){
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
if (n[3] == 1 && n24 == 0){
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
continue;
|
||||
}
|
||||
cond = 1;
|
||||
if (!cond)
|
||||
continue;
|
||||
g[kk] = 0;
|
||||
shori = 1;
|
||||
}
|
||||
}
|
||||
|
||||
for (i = 0; i<lx; i++){
|
||||
for (j = 0; j<ly; j++){
|
||||
kk = i*ly + j;
|
||||
f[kk] = g[kk];
|
||||
}
|
||||
}
|
||||
}
|
||||
} while (shori);
|
||||
free(g);
|
||||
}
|
||||
Reference in New Issue
Block a user