内存分配-利用MFC处理图像二值化一直出错,而且是运行完成后出错

问题描述

利用MFC处理图像二值化一直出错,而且是运行完成后出错

代码如下希望大大们解答!!!好纠结
BOOL CCarDoc::getotsu(unsigned char * lpDIBBits, LONG lWidth, LONG lHeight)
{
unsigned char * lpNewDIBBits;
unsigned char* lpDst;
LONG lLineBytes;
// 计算图像每行的字节数
lLineBytes = (((lWidth * 8) + 31) / 32 * 4);
double N[256] = { 0 };
double N2[256] = { 0 };
int Nt;
int t[256];
double max = 0;
double uT = 0, uT2 = 0;
double w = 0, w2 = 0;
double u = 0, u2 = 0;
double uj, uj2;
double k, k2 = 0;
int the = 0, the2 = 0;
int s = 0;
lpNewDIBBits = new unsigned char[lLineBytes * lHeight];

// 判断是否内存分配失败
if (lpNewDIBBits == NULL)
{
    // 分配内存失败
    return FALSE;
}

// 初始化图像为原始图像
memcpy(lpNewDIBBits, lpDIBBits, lLineBytes * lHeight);
for (int i = 0; i <lHeight; i++)
{

    for (int j = 0; j < lWidth; j++)
    {
        lpDst = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j;
        N[*lpDst]++;
    }

}
Nt =lHeight*lLineBytes;
for (int i = 0; i < 256; i++)
{
    N[i] = N[i] / Nt;

}
for (int i = 0; i < 256; i++)
{
    uT += i*N[i];
}

for (int i = 0; i < 256; i++)
{
    w += N[i];
    u += i*N[i];
    uj = u / w;
    k = uT*w - u;
    k = k*k / (w*(1 - w));

    if (k>max)
    {
        max = k;

        the = i;
    }

}
for (int i = 0; i <lHeight; i++)
{

    for (int j = 0; j < lWidth; j++)
    {
        lpDst = (unsigned char*)lpNewDIBBits + lLineBytes * (lHeight - 1 - i) + j;
        if (*lpDst<the)
        {
            *lpDst = 0;
        }
        else
        {
            *lpDst = 255;
        }
    }

}
memcpy(lpDIBBits, lpNewDIBBits, lLineBytes * lHeight);

delete lpNewDIBBits;

// 返回
return TRUE;

}

解决方案

和你delete有关

http://download.csdn.net/download/wyj1046/2922444

解决方案二:


这是错误的原因,但是不知道断点在哪里

解决方案三:

点中断看下
代码中有断点

解决方案四:

点一下中断看看断到哪里了。

解决方案五:

点击中断出现了这个。。哭死了

解决方案六:

更改PDB和文件搜索路径咯

时间: 2024-09-19 08:53:00

内存分配-利用MFC处理图像二值化一直出错,而且是运行完成后出错的相关文章

验证码识别原理浅谈--图像二值化

二值化实现方法有 1.1图像灰度化-中值滤波等,同时可以实现背景的去除 1.2图像灰度化-根据灰度值 1.3根据图像色系范围进行二值化处理 图像二值化的意思就是将图像的有效点给分离出来,然后将图片用0和1两个值进行表 示,因为我们没必要知道他们的具体色值,我们的目的就是要知道他们的具体形状,他们 的特征 譬如说淘宝的验证码,和盛大的验 证码, 他们的有效点无非就是U3FM和YPZ7等字符所占据的空间,我们不用管他们是黑色还是红色 ,我们将所有他们所占据的位置都给置为1,其他位置都给置为0 然后我

图像处理-(C++编程)已经将图像二值化将ROI区拿出来了,怎么样将其对应到原图当中去呢

问题描述 (C++编程)已经将图像二值化将ROI区拿出来了,怎么样将其对应到原图当中去呢 已经将图像二值化将ROI区与背景分离出来了,怎么样将其对应到原图当中去呢,因为接下来我只想对原图当中的ROI区的原始数据做处理,求思路,有代码更好,拜托拜托 解决方案 http://www.linuxidc.com/Linux/2013-01/78173.htm 解决方案二: http://blog.csdn.net/icvpr/article/details/8515596 解决方案三: 读进表格,从表格

c#图像灰度化、灰度反转、二值化

图像灰度化:将彩色图像转化成为灰度图像的过程成为图像的灰度化处理.彩色图像中的每个像素的颜色有R.G.B三个分量决定,而每个分量有255中值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围.而灰度图像是R.G.B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些.灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征.图像的灰度

图像处理------基于Otsu阈值二值化

一:基本原理 该方法是图像二值化处理常见方法之一,在Matlab与OpenCV中均有实现. Otsu Threshing方法是一种基于寻找合适阈值实现二值化的方法,其最重 要的部分是寻找图像二值化阈值,然后根据阈值将图像分为前景(白色) 或者背景(黑色).假设有6x6的灰度图像,其像素数据及其对应的直方 图如下图: 阈值寻找方法首先假设是为T=3,则背景像素的比重.均值.方差的计算 结果如下: 根据前景像素直方图,计算比重.均值.方差的过程如下: 上述整个计算步骤与结果是假设阈值T=3时候的结果

hog-HOG算法计算二值化图像的特征

问题描述 HOG算法计算二值化图像的特征 HOG算法能不能计算二值化图像的特征? 若用HOG算法计算二值化图像的特征,是不是就不需要灰度化及Gamma校正? 解决方案 可以的吧,我用opencv的HoG计算特征可以直接输入图像的,什么预处理都不做也是可以的 解决方案二: 可以的吧,我用opencv的HoG计算特征可以直接输入图像的,什么预处理都不做也是可以的

图片-vc++,二值化,灰度变换

问题描述 vc++,二值化,灰度变换 二值化后的图像再灰度变换为什么一整张图片不一样呢?图片上只有下面三分之一处是正常的灰度变换,上面的是二值化后的灰度变换,怎么样才能使他一致呢? 解决方案 要注意两个方面: 1 图像属性,及非数据区,你的程序不能处理. 2 图像数据在处理后,其数据的个数应该与处理之前相同. 每种图像的处理方法肯定是不同的. 解决方案二: 彩色图像和灰度图像,表示同一个像素用的字节不一样,一个是3 一个是1 解决方案三: 你的图像stride有问题!二值图像是单通道的,你要看下

SWT 能处理图片锐化,二值化么?

问题描述 大家好.有用SWT处理图像锐化的么? 看了下.SWT图像的imageData 可以转化成awt 的 bufferImage 然后再锐化,转化为swt的imageData.结果发现转化程序不起作用.public static ImageData convertToSWT(BufferedImage bufferedImage) {if (bufferedImage.getColorModel() instanceof DirectColorModel) {DirectColorModel

c#实现图片二值化例子(黑白效果)

C#将图片2值化示例代码,原图及二值化后的图片如下: 原图: 二值化后的图像: 实现代码: ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 7

摄像头-opencv 可以实现实时读取画面并二值化吗?

问题描述 opencv 可以实现实时读取画面并二值化吗? opencv 可以实现实时读取画面并二值化吗? 我可以做到摄像头读取 和处理分开的. 但是合并到一起,还是弄不好