多数据源图象点变换的快速可视化算法20135129101046267.doc

多数据源图象点变换的快速可视化算法 1　FVAMSIPT流程图　　　　在FVAMSIPT中引入了二级查找表，分别称为重映射表(trmap)和彩色查找表(tclut).利用重映射表(trmap)，可进行图象的快速点变换处理，并记录点变换的变换关系；利用彩色查找表(tclut)，可进行显示器的伽码校正和彩色映射(如假彩色变换：灰度值映射为彩色RGB值).下面给出整个算法的流程图，流程图分两部分，如图1和图2所示.根据点变换的方式、输入范围和统计的图象直方图，点变换处理只需对重映射表进行处理. 图2　多源图象数据空间域快速点变换Fig.2　Fast point transformation of multisource image 2　FVAMSIPT描述　　　　(1)求最大值、最小值.扫描图象文件，计算图象的最大值、最小值，并用双精度数据类型保存图象的最大值、最小值.若是灰度图象只需保存灰度通道的最大值、最小值，记为dmax，dmin；若是RGB图象则需分别保存R，G，B三通道的最大值、最小值，分别记为drmax，drmin，dgmax，dgmin，dbmax，dbmin.　　(2)统计直方图.考虑到图象的最大可能尺寸，定义直方图为无符号4字节的数组.若是灰度图象，定义灰度通道的直方图为unsigned long dhist［nmax］，若是RGB图象则分别定义R，G，B通道的直方图为unsigned long drhist［nmax］，unsigned long dghist［nmax］，unsigned long dbhist［nmax］，nmax为直方图的最大表项，按以下方式确定.　　对8位有符号数据和8位无符号数据，由于有256个灰度级，定义直方图的表项(nmax)为256项；对8位无符号数据nmax表示0至255灰度级的象元个数，对8位有符号数据表示－128至127灰度级的象元个数.对8位数据的直方图而言，统计结果无信息损失，所占内存空间较小.　　对16位有符号数据和16位无符号数据，由于有65536个灰度级，定义直方图的表项(nmax)为65536项；对16位无符号数据nmax表示0至65535灰度级的象元个数，对16位有符号数据表示－32768至32767灰度级的象元个数.对16位数据的直方图而言，统计结果无信息损失，所占内存空间较大.　　对32位有符号数据、32位无符号数据、32位浮点数据和64位浮点数据，由于灰度级太多，尤其32位浮点数据和64位浮点数据，灰度级可看作是连续量，所以对这4类数据类型无法按通常直方图意义来定义表项的数目.考虑到精度和空间的矛盾以及显示设备为256级，定义直方图的表项(nmax)为65536项；根据最大值和最小值，将各通道的数据按线性量化的方式量化为0至65535灰度级，并按量化的灰度级统计直方图.对灰度图象的象元，按下式统计直方图　　wi=［(draw-dmin)/(dmax-dmin)］×65536，　　dhist［wi］=dhist［wi］+1.其中：draw为象元的值，wi为量化的灰度级.对32位和64位数据的的直方图而言，统计结果是原始数据量化后的结果，有信息损失，内存空间的开销较大.　　(3)建重映射表.重映射表是一类查找表，利用重映射表(trmap)，可进行图象的快速点变换处理.在缺省时，重映射表记录的是原始的线性变换关系，即重映射表的映射值等于映射表的表项索引值(trmap［wrmi］=wrmi).这时，对原始图象未作任何处理，按显示流程图可知，最终显示的原始图象是按最大值和最小值线性拉伸的结果. 　(4)计算重映射表.根据点变换的方式、输入范围和统计的直方图，点变换处理只需对重映射表进行处理.点变换包括有多源数据灰度线性拉伸、多源数据灰度分段线性拉伸、多源数据灰度直方图均衡化、多源数据灰度正规化、多源数据平方变换等.下面给出灰度线性拉伸变换和灰度直方图均衡化变换的算法.　　①多源数据灰度线性拉伸.根据线性拉伸处理的累加直方图的范围(fb开始范围，fe结束范围)，如fb=0.01，fe＝0.99表示处理落入累加直方图范围在0.01～0.99的象元值，由直方图的统计表dhist［］，计算需处理的重映射表的范围lb，le.按以下公式对重映射表进行变换处理　　②灰度直方图均衡化变换的算法.定义累加直方图hsum，由统计的直方图计算累加直方图，然后按以下公式对重映射表进行变换处理 trmap［li］=hsum［li］×(nmax-1)/hsum［nmax-1］.其中hsum［nmax-1］记录的是图象的象元总数. 3　FVAMSIPT分析 3.1　时间复杂度分析　　由上面的流程图和算法描述可知，本算法需要图象的最大值dmax和