实现灰度图像和彩色图像的迭代阈值分割算法c语言代码实现

时间: 2023-11-15 08:06:36 浏览: 43
以下是灰度图像和彩色图像的迭代阈值分割算法的C语言代码实现: ## 灰度图像迭代阈值分割算法 ```c #include <stdio.h> #include <stdlib.h> #include <math.h> #define WIDTH 512 #define HEIGHT 512 #define MAX_ITER 100 void threshold(unsigned char* img, int width, int height, int* t) { int iter = 0; double t1 = 0.0, t2 = 255.0; double mean1 = 0.0, mean2 = 0.0; int count1 = 0, count2 = 0; double diff = 0.0, max_diff = 0.0; while (iter < MAX_ITER && fabs(t1 - t2) > 0.1) { iter++; mean1 = 0.0; mean2 = 0.0; count1 = 0; count2 = 0; for (int i = 0; i < height; i++) { for (int j = 0; j < width; j++) { if (img[i * width + j] <= *t) { mean1 += img[i * width + j]; count1++; } else { mean2 += img[i * width + j]; count2++; } } } if (count1 > 0 && count2 > 0) { mean1 /= count1; mean2 /= count2; t1 = *t; *t = (int) ((mean1 + mean2) / 2.0); t2 = *t; } else { break; } } } int main() { unsigned char* img = (unsigned char*) malloc(WIDTH * HEIGHT * sizeof(unsigned char)); int t = 128; // 读取图像 FILE* fp = fopen("lena_gray.raw", "rb"); fread(img, sizeof(unsigned char), WIDTH * HEIGHT, fp); fclose(fp); // 进行阈值分割 threshold(img, WIDTH, HEIGHT, &t); // 将阈值以下的像素设为0,以上的像素设为255 for (int i = 0; i < HEIGHT; i++) { for (int j = 0; j < WIDTH; j++) { if (img[i * WIDTH + j] <= t) { img[i * WIDTH + j] = 0; } else { img[i * WIDTH + j] = 255; } } } // 保存图像 fp = fopen("lena_gray_threshold.raw", "wb"); fwrite(img, sizeof(unsigned char), WIDTH * HEIGHT, fp); fclose(fp); free(img); return 0; } ``` ## 彩色图像迭代阈值分割算法 ```c #include <stdio.h> #include <stdlib.h> #include <math.h> #define WIDTH 512 #define HEIGHT 512 #define MAX_ITER 100 void threshold(unsigned char* img, int width, int height, int* t) { int iter = 0; double t1 = 0.0, t2 = 255.0; double mean1_r = 0.0, mean1_g = 0.0, mean1_b = 0.0; double mean2_r = 0.0, mean2_g = 0.0, mean2_b = 0.0; int count1 = 0, count2 = 0; double diff = 0.0, max_diff = 0.0; while (iter < MAX_ITER && fabs(t1 - t2) > 0.1) { iter++; mean1_r = 0.0; mean1_g = 0.0; mean1_b = 0.0; mean2_r = 0.0; mean2_g = 0.0; mean2_b = 0.0; count1 = 0; count2 = 0; for (int i = 0; i < height; i++) { for (int j = 0; j < width; j++) { int index = (i * width + j) * 3; if (img[index] <= *t && img[index + 1] <= *t && img[index + 2] <= *t) { mean1_r += img[index]; mean1_g += img[index + 1]; mean1_b += img[index + 2]; count1++; } else { mean2_r += img[index]; mean2_g += img[index + 1]; mean2_b += img[index + 2]; count2++; } } } if (count1 > 0 && count2 > 0) { mean1_r /= count1; mean1_g /= count1; mean1_b /= count1; mean2_r /= count2; mean2_g /= count2; mean2_b /= count2; t1 = *t; *t = (int) ((mean1_r + mean1_g + mean1_b + mean2_r + mean2_g + mean2_b) / 6.0); t2 = *t; } else { break; } } } int main() { unsigned char* img = (unsigned char*) malloc(WIDTH * HEIGHT * 3 * sizeof(unsigned char)); int t = 128; // 读取图像 FILE* fp = fopen("lena_color.raw", "rb"); fread(img, sizeof(unsigned char), WIDTH * HEIGHT * 3, fp); fclose(fp); // 进行阈值分割 threshold(img, WIDTH, HEIGHT, &t); // 将阈值以下的像素设为0,以上的像素设为255 for (int i = 0; i < HEIGHT; i++) { for (int j = 0; j < WIDTH; j++) { int index = (i * WIDTH + j) * 3; if (img[index] <= t && img[index + 1] <= t && img[index + 2] <= t) { img[index] = img[index + 1] = img[index + 2] = 0; } else { img[index] = img[index + 1] = img[index + 2] = 255; } } } // 保存图像 fp = fopen("lena_color_threshold.raw", "wb"); fwrite(img, sizeof(unsigned char), WIDTH * HEIGHT * 3, fp); fclose(fp); free(img); return 0; } ```

相关推荐

最新推荐

recommend-type

解析C#彩色图像灰度化算法的实现代码详解

本篇文章是对C#中彩色图像灰度化算法的实现进行了详细的分析介绍,需要的朋友参考下
recommend-type

Python-numpy实现灰度图像的分块和合并方式

在本文中,我们将深入探讨如何使用...通过利用numpy数组的操作,我们可以方便地对图像数据进行切割和组合,从而实现各种图像处理算法。这个例子展示了如何在实践中实现这些操作,为图像处理工作提供了有价值的参考。
recommend-type

人工智能遗传算法实现灰度图像阈值分割

在本实验中,使用 matlab 代码编写,读取彩色图并转化为灰度图,通过 otus 算法得到遗传算法的适应度函数,在通过遗传算法得到灰度图的阈值分割点,再把灰度图采用此分割点进行阈值分割。 实验步骤包括: 1. 彩色...
recommend-type

python基于K-means聚类算法的图像分割

在本文中,我们将深入探讨如何...通过上述步骤,我们可以利用Python和K-means算法对图像进行有效的分割,从而提取图像的特征或进行其他图像处理任务。这种方法在计算机视觉、图像分析和模式识别等领域有着广泛的应用。
recommend-type

pytorch 彩色图像转灰度图像实例

在PyTorch中,将彩色图像转换为灰度图像是一项常见的任务,特别是在计算机视觉和深度学习领域。在处理图像数据时,有时我们需要将RGB彩色图像转换为灰度图像,因为灰度图像通常需要更少的计算资源,并且可能对某些...
recommend-type

利用迪杰斯特拉算法的全国交通咨询系统设计与实现

全国交通咨询模拟系统是一个基于互联网的应用程序,旨在提供实时的交通咨询服务,帮助用户找到花费最少时间和金钱的交通路线。系统主要功能包括需求分析、个人工作管理、概要设计以及源程序实现。 首先,在需求分析阶段,系统明确了解用户的需求,可能是针对长途旅行、通勤或日常出行,用户可能关心的是时间效率和成本效益。这个阶段对系统的功能、性能指标以及用户界面有明确的定义。 概要设计部分详细地阐述了系统的流程。主程序流程图展示了程序的基本结构,从开始到结束的整体运行流程,包括用户输入起始和终止城市名称,系统查找路径并显示结果等步骤。创建图算法流程图则关注于核心算法——迪杰斯特拉算法的应用,该算法用于计算从一个节点到所有其他节点的最短路径,对于求解交通咨询问题至关重要。 具体到源程序,设计者实现了输入城市名称的功能,通过 LocateVex 函数查找图中的城市节点,如果城市不存在,则给出提示。咨询钱最少模块图是针对用户查询花费最少的交通方式,通过 LeastMoneyPath 和 print_Money 函数来计算并输出路径及其费用。这些函数的设计体现了算法的核心逻辑,如初始化每条路径的距离为最大值,然后通过循环更新路径直到找到最短路径。 在设计和调试分析阶段,开发者对源代码进行了严谨的测试,确保算法的正确性和性能。程序的执行过程中,会进行错误处理和异常检测,以保证用户获得准确的信息。 程序设计体会部分,可能包含了作者在开发过程中的心得,比如对迪杰斯特拉算法的理解,如何优化代码以提高运行效率,以及如何平衡用户体验与性能的关系。此外,可能还讨论了在实际应用中遇到的问题以及解决策略。 全国交通咨询模拟系统是一个结合了数据结构(如图和路径)以及优化算法(迪杰斯特拉)的实用工具,旨在通过互联网为用户提供便捷、高效的交通咨询服务。它的设计不仅体现了技术实现,也充分考虑了用户需求和实际应用场景中的复杂性。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】基于TensorFlow的卷积神经网络图像识别项目

![【实战演练】基于TensorFlow的卷积神经网络图像识别项目](https://img-blog.csdnimg.cn/20200419235252200.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQ4OTQw,size_16,color_FFFFFF,t_70) # 1. TensorFlow简介** TensorFlow是一个开源的机器学习库,用于构建和训练机器学习模型。它由谷歌开发,广泛应用于自然语言
recommend-type

CD40110工作原理

CD40110是一种双四线双向译码器,它的工作原理基于逻辑编码和译码技术。它将输入的二进制代码(一般为4位)转换成对应的输出信号,可以控制多达16个输出线中的任意一条。以下是CD40110的主要工作步骤: 1. **输入与编码**: CD40110的输入端有A3-A0四个引脚,每个引脚对应一个二进制位。当你给这些引脚提供不同的逻辑电平(高或低),就形成一个四位的输入编码。 2. **内部逻辑处理**: 内部有一个编码逻辑电路,根据输入的四位二进制代码决定哪个输出线应该导通(高电平)或保持低电平(断开)。 3. **输出**: 输出端Y7-Y0有16个,它们分别与输入的编码相对应。当特定的
recommend-type

全国交通咨询系统C++实现源码解析

"全国交通咨询系统C++代码.pdf是一个C++编程实现的交通咨询系统,主要功能是查询全国范围内的交通线路信息。该系统由JUNE于2011年6月11日编写,使用了C++标准库,包括iostream、stdio.h、windows.h和string.h等头文件。代码中定义了多个数据结构,如CityType、TrafficNode和VNode,用于存储城市、交通班次和线路信息。系统中包含城市节点、交通节点和路径节点的定义,以及相关的数据成员,如城市名称、班次、起止时间和票价。" 在这份C++代码中,核心的知识点包括: 1. **数据结构设计**: - 定义了`CityType`为short int类型,用于表示城市节点。 - `TrafficNodeDat`结构体用于存储交通班次信息,包括班次名称(`name`)、起止时间(原本注释掉了`StartTime`和`StopTime`)、运行时间(`Time`)、目的地城市编号(`EndCity`)和票价(`Cost`)。 - `VNodeDat`结构体代表城市节点,包含了城市编号(`city`)、火车班次数(`TrainNum`)、航班班次数(`FlightNum`)以及两个`TrafficNodeDat`数组,分别用于存储火车和航班信息。 - `PNodeDat`结构体则用于表示路径中的一个节点,包含城市编号(`City`)和交通班次号(`TraNo`)。 2. **数组和变量声明**: - `CityName`数组用于存储每个城市的名称,按城市编号进行索引。 - `CityNum`用于记录城市的数量。 - `AdjList`数组存储各个城市的线路信息,下标对应城市编号。 3. **算法与功能**: - 系统可能实现了Dijkstra算法或类似算法来寻找最短路径,因为有`MinTime`和`StartTime`变量,这些通常与路径规划算法有关。 - `curPath`可能用于存储当前路径的信息。 - `SeekCity`函数可能是用来查找特定城市的函数,其参数是一个城市名称。 4. **编程语言特性**: - 使用了`#define`预处理器指令来设置常量,如城市节点的最大数量(`MAX_VERTEX_NUM`)、字符串的最大长度(`MAX_STRING_NUM`)和交通班次的最大数量(`MAX_TRAFFIC_NUM`)。 - `using namespace std`导入标准命名空间,方便使用iostream库中的输入输出操作。 5. **编程实践**: - 代码的日期和作者注释显示了良好的编程习惯,这对于代码维护和团队合作非常重要。 - 结构体的设计使得数据组织有序,方便查询和操作。 这个C++代码实现了全国交通咨询系统的核心功能,涉及城市节点管理、交通班次存储和查询,以及可能的路径规划算法。通过这些数据结构和算法,用户可以查询不同城市间的交通信息,并获取最优路径建议。