C#图像处理基础概念知识
圖像是人類獲取和交換信息的主要來(lái)源，因此，圖像處理的應(yīng)用領(lǐng)域必然涉及到人類生活和工作的方方面面。隨著人類活動(dòng)范圍的不斷擴(kuò)大，圖像處理的應(yīng)用領(lǐng)域也將隨之不斷擴(kuò)大。（1）航天和航空技術(shù)方面的應(yīng)用 數(shù)字圖像處理技術(shù)在航天和航空技術(shù)方面的應(yīng)用，除了上面介紹的JPL對(duì)月球、火星照片的處理之外，另一方面的應(yīng)用是在飛機(jī)遙感和衛(wèi)星遙感技術(shù)中。許多國(guó)家每天派出很多偵察飛機(jī)對(duì)地球上有興趣的地區(qū)進(jìn)行大量的空中攝影。對(duì)由此得來(lái)的照片進(jìn)行處理分析，以前需要雇用幾千人，而現(xiàn)在改用配備有高級(jí)計(jì)算機(jī)的圖像處理系統(tǒng)來(lái)判讀分析，既節(jié)省人力，又加快了速度，還可以從照片中提取人工所不能發(fā)現(xiàn)的大量有用情報(bào)。從60年代末以來(lái)，美國(guó)及一些國(guó)際組織發(fā)射了資源遙感衛(wèi)星（如LANDSAT系列）和天空實(shí)驗(yàn)室（如SKYLAB），由于成像條件受飛行器位置、姿態(tài)、環(huán)境條件等影響，圖像質(zhì)量總不是很高。因此，以如此昂貴的代價(jià)進(jìn)行簡(jiǎn)單直觀的判讀來(lái)獲取圖像是不合算的，而必須采用數(shù)字圖像處理技術(shù)。如LANDSAT系列陸地衛(wèi)星，采用多波段掃描器（MSS），在900km高空對(duì)地球每一個(gè)地區(qū)以18天為一周期進(jìn)行掃描成像，其圖像分辨率大致相當(dāng)于地面上十幾米或100米左右（如1983年發(fā)射的LANDSAT-4，分辨率為30m）。這些圖像在空中先處理（數(shù)字化，編碼）成數(shù)字信號(hào)存入磁帶中，在衛(wèi)星經(jīng)過(guò)地面站上空時(shí)，再高速傳送下來(lái)，然后由處理中心分析判讀。這些圖像無(wú)論是在成像、存儲(chǔ)、傳輸過(guò)程中，還是在判讀分析中，都必須采用很多數(shù)字圖像處理方法。現(xiàn)在世界各國(guó)都在利用陸地衛(wèi)星所獲取的圖像進(jìn)行資源調(diào)查（如森林調(diào)查、海洋泥沙和漁業(yè)調(diào)查、水資源調(diào)查等），災(zāi)害檢測(cè)（如病蟲害檢測(cè)、水火檢測(cè)、環(huán)境污染檢測(cè)等），資源勘察（如石油勘查、礦產(chǎn)量探測(cè)、大型工程地理位置勘探分析等），農(nóng)業(yè)規(guī)劃（如土壤營(yíng)養(yǎng)、水份和農(nóng)作物生長(zhǎng)、產(chǎn)量的估算等），城市規(guī)劃（如地質(zhì)結(jié)構(gòu)、水源及環(huán)境分析等）。我國(guó)也陸續(xù)開展了以上諸方面的一些實(shí)際應(yīng)用，并獲得了良好的效果。在氣象預(yù)報(bào)和對(duì)太空其它星球研究方面，數(shù)字圖像處理技術(shù)也發(fā)揮了相當(dāng)大的作用。（2）生物醫(yī)學(xué)工程方面的應(yīng)用 數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。除了上面介紹的CT技術(shù)之外，還有一類是對(duì)醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識(shí)別等。此外，在X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。 （3）通信工程方面的應(yīng)用 當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。具體地講是將電話、電視和計(jì)算機(jī)以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸。其中以圖像通信最為復(fù)雜和困難，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號(hào)的速率達(dá)100Mbit/s以上。要將這樣高速率的數(shù)據(jù)實(shí)時(shí)傳送出去，必須采用編碼技術(shù)來(lái)壓縮信息的比特量。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。除了已應(yīng)用較廣泛的熵編碼、DPCM編碼、變換編碼外，目前國(guó)內(nèi)外正在大力開發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。（4）工業(yè)和工程方面的應(yīng)用 在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動(dòng)裝配線中檢測(cè)零件的質(zhì)量、并對(duì)零件進(jìn)行分類，印刷電路板疵病檢查，彈性力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動(dòng)分揀，在一些有毒、放射性環(huán)境內(nèi)識(shí)別工件及物體的形狀和排列狀態(tài)，先進(jìn)的設(shè)計(jì)和制造技術(shù)中采用工業(yè)視覺(jué)等等。其中值得一提的是研制具備視覺(jué)、聽(tīng)覺(jué)和觸覺(jué)功能的智能機(jī)器人，將會(huì)給工農(nóng)業(yè)生產(chǎn)帶來(lái)新的激勵(lì)，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。（5）軍事公安方面的應(yīng)用 在軍事方面圖像處理和識(shí)別主要用于導(dǎo)彈的精確末制導(dǎo)，各種偵察照片的判讀，具有圖像傳輸、存儲(chǔ)和顯示的軍事自動(dòng)化指揮系統(tǒng)，飛機(jī)、坦克和軍艦?zāi)M訓(xùn)練系統(tǒng)等；公安業(yè)務(wù)圖片的判讀分析，指紋識(shí)別，人臉鑒別，不完整圖片的復(fù)原，以及交通監(jiān)控、事故分析等。目前已投入運(yùn)行的高速公路不停車自動(dòng)收費(fèi)系統(tǒng)中的車輛和車牌的自動(dòng)識(shí)別都是圖像處理技術(shù)成功應(yīng)用的例子。（6）文化藝術(shù)方面的應(yīng)用 目前這類應(yīng)用有電視畫面的數(shù)字編輯，動(dòng)畫的制作，電子圖像游戲，紡織工藝品設(shè)計(jì)，服裝設(shè)計(jì)與制作，發(fā)型設(shè)計(jì)，文物資料照片的復(fù)制和修復(fù)，運(yùn)動(dòng)員動(dòng)作分析和評(píng)分等等，現(xiàn)在已逐漸形成一門新的藝術(shù)--計(jì)算機(jī)美術(shù)。
數(shù)字圖像處理技術(shù)與圖象處理系統(tǒng)是七十年代末期形成一個(gè)獨(dú)立學(xué)科，當(dāng)時(shí)只能處理靜止圖象，主要用于軍事、科研醫(yī)學(xué)等領(lǐng)域。圖象處理系統(tǒng)是為了加快處理速度而設(shè)計(jì)的專用系統(tǒng)，在中小型計(jì)算機(jī)控制下運(yùn)行。這些系統(tǒng)的規(guī)模大，價(jià)格昂貴。面向PC機(jī)的圖象處理系統(tǒng)是八十年代中后期開始出現(xiàn)的。它價(jià)格便宜，易于擴(kuò)充， 軟件豐富，因此很快得到推廣，帶動(dòng)了圖象處理技術(shù)的普及。
在過(guò)去的二十年里，C和C++已經(jīng)成為在商業(yè)軟件的開發(fā)領(lǐng)域中使用最廣泛的語(yǔ)言。它們?yōu)槌绦騿T提供了十分靈活的操作，不過(guò)同時(shí)也犧牲了一定的效率。與諸如Microsoft，Visual Basic， 等語(yǔ)言相比，同等級(jí)別的C/C++應(yīng)用程序往往需要更長(zhǎng)時(shí)間來(lái)開發(fā)。由于C/C++語(yǔ)言的復(fù)雜性，許多程序員都試圖尋找一種新的語(yǔ)言，希望能在功能與效率之間找到一個(gè)更為理想的權(quán)衡點(diǎn)。
???? 目前有些語(yǔ)言，以犧牲靈活性的代價(jià)來(lái)提高效率?？墒沁@些靈活性正是C/C++程序員所需要的。這些解決方案對(duì)編程人員的限制過(guò)多（如屏蔽一些底層代碼控制的機(jī)制），其所提供的功能難以令人滿意。這些語(yǔ)言無(wú)法方便地同早先的系統(tǒng)交互，也無(wú)法很好地和當(dāng)前的網(wǎng)絡(luò)編程相結(jié)合。
??? 對(duì)于C/C++用戶來(lái)說(shuō)，最理想的解決方案無(wú)疑是在快速開發(fā)的同時(shí)又可以調(diào)用底層平臺(tái)的所有功能。他們想要一種和最新的網(wǎng)絡(luò)標(biāo)準(zhǔn)保持同步并且能和已有的應(yīng)用程序良好整合的環(huán)境。另外，一些C/C++開發(fā)人員還需要在必要的時(shí)候進(jìn)行一些底層的編程。
??? 微軟推出C# (C sharp)是微軟對(duì)這一問(wèn)題的解決方案。C#是一種最新的、面向?qū)ο蟮木幊陶Z(yǔ)言。它使得程序員可以快速地編寫各種基于Microsoft .NET平臺(tái)的應(yīng)用程序，Microsoft .NET提供了一系列的工具和服務(wù)來(lái)最大程度地開發(fā)利用計(jì)算與通訊領(lǐng)域。正是由于C#面向?qū)ο蟮淖吭皆O(shè)計(jì)，使它成為構(gòu)建各類組件的理想之選--無(wú)論是高級(jí)的商業(yè)對(duì)象還是系統(tǒng)級(jí)的應(yīng)用程序。使用簡(jiǎn)單的C#語(yǔ)言結(jié)構(gòu)，這些組件可以方便的轉(zhuǎn)化為XML 網(wǎng)絡(luò)服務(wù)，從而使它們可以由任何語(yǔ)言在任何操作系統(tǒng)上通過(guò)Internet進(jìn)行調(diào)用。最重要的是，C#使得C++程序員可以高效的開發(fā)程序，而絕不損失C/C++原有的強(qiáng)大的功能。因?yàn)檫@種繼承關(guān)系，C#與C/C++具有極大的相似性，熟悉類似語(yǔ)言的開發(fā)者可以很快的轉(zhuǎn)向C#。
??? 效率與安全性新興的網(wǎng)絡(luò)經(jīng)濟(jì)迫使商務(wù)企業(yè)必須更加迅速的應(yīng)對(duì)競(jìng)爭(zhēng)的威脅。開發(fā)者必須不斷縮短開發(fā)周期，不斷推出應(yīng)用程序的新版本，而不僅僅是開發(fā)一個(gè)"標(biāo)志性"的版本。
?? C#在設(shè)計(jì)時(shí)就考慮了這些問(wèn)題。它使開發(fā)者用更少的代碼做更多的事，同時(shí)也不易出錯(cuò)。新的應(yīng)用程序開發(fā)模型意味著越來(lái)越多地解決方案依賴于新出現(xiàn)的網(wǎng)絡(luò)標(biāo)準(zhǔn)，例如HTML，XML，SOAP等。現(xiàn)存的開發(fā)工具往往都是早于Internet出現(xiàn)的，或者是在我們所熟知的網(wǎng)絡(luò)還處于孕育期時(shí)出現(xiàn)的。所以，它們一般無(wú)法很好地支持最新的網(wǎng)絡(luò)技術(shù)。
??? C#程序員可以在Microsoft.NET平臺(tái)上事半功倍的構(gòu)建應(yīng)用程序的擴(kuò)展框架。C#包含了內(nèi)置的特性，使任何組件可以輕松轉(zhuǎn)化為XML網(wǎng)絡(luò)服務(wù)，通過(guò)Internet被任何操作系統(tǒng)上運(yùn)行的任何程序調(diào)用。更突出的是，XML網(wǎng)絡(luò)服務(wù)框架可以使現(xiàn)有的XML網(wǎng)絡(luò)服務(wù)對(duì)程序員來(lái)說(shuō)就和C#對(duì)象一樣。這樣，程序員就可以方便地使用他們已有的面向?qū)ο蟮木幊碳记蓙?lái)開發(fā)利用現(xiàn)有的XML網(wǎng)絡(luò)服務(wù)。
???? 還有一些精細(xì)的特性，使得C#成為一流的網(wǎng)絡(luò)編程工具。例如，XML正逐漸成為在網(wǎng)絡(luò)上傳輸結(jié)構(gòu)化數(shù)據(jù)的標(biāo)準(zhǔn)。這種數(shù)據(jù)集合往往非常小。為提高性能，C#允許把XML數(shù)據(jù)直接映射到struct數(shù)據(jù)類型，而不是class。這樣對(duì)處理少量的數(shù)據(jù)非常有效。
??? 即使是專家級(jí)的C++程序員也常會(huì)犯一些最簡(jiǎn)單的小錯(cuò)誤--比如忘了初始化變量，但往往就是這些小錯(cuò)誤帶來(lái)了難以預(yù)料的問(wèn)題，有些甚至需要很長(zhǎng)時(shí)間來(lái)尋找和解決。一旦一個(gè)程序作為產(chǎn)品來(lái)使用，就算最簡(jiǎn)單的錯(cuò)誤糾正起來(lái)也可能要付出極其昂貴的代價(jià)。C#的現(xiàn)代化設(shè)計(jì)能夠消除很多常見(jiàn)的C++編程錯(cuò)誤。 例如：資源回收減輕了程序員內(nèi)存管理的負(fù)擔(dān)；C#中變量由環(huán)境自動(dòng)初始化；變量是類型安全的。這樣，程序員編寫與維護(hù)那些解決復(fù)雜商業(yè)問(wèn)題的程序就更方便了。
更新軟件組件是一項(xiàng)很容易出錯(cuò)的工作，因?yàn)榇a的修改可能無(wú)意間改變?cè)谐绦虻恼Z(yǔ)義。為協(xié)助開發(fā)者進(jìn)行這項(xiàng)工作，C#為版本的更新提供內(nèi)在的支持。例如，方法重載必須顯式聲明。這樣可以防止編碼錯(cuò)誤，保證版本更新的靈活性。還有一個(gè)相關(guān)的特性就是對(duì)接口和接口繼承的內(nèi)在支持。這些特性使得C#可以開發(fā)復(fù)雜的框架并且隨著時(shí)間不斷發(fā)展更新它。
??? 總體來(lái)說(shuō)，這些特性使得開發(fā)程序項(xiàng)目的后續(xù)版本的過(guò)程更加健壯，從而減少后續(xù)版本的開發(fā)成本。
C#語(yǔ)言允許類型定義的，擴(kuò)展的元數(shù)據(jù)。這些元數(shù)據(jù)可以應(yīng)用于任何對(duì)象。項(xiàng)目構(gòu)建者可以定義領(lǐng)域特有的屬性并把他們應(yīng)用于任何語(yǔ)言元素-類，接口等等。然后，開發(fā)人員可以編程檢查每個(gè)元素的屬性。這樣，很多工作都變得方便多了，比如編寫一個(gè)小工具來(lái)自動(dòng)檢查每個(gè)類或接口是否被正確定義為某個(gè)抽象商業(yè)對(duì)象的一部分，或者只是創(chuàng)建一份基于對(duì)象的領(lǐng)域特有屬性的報(bào)表。定制的元數(shù)據(jù)和程序代碼之間的緊密對(duì)應(yīng)有助于加強(qiáng)程序的預(yù)期行為和實(shí)際實(shí)現(xiàn)的之間的對(duì)應(yīng)關(guān)系。
作為一種自動(dòng)管理的，類型安全的環(huán)境，C#適合于大多數(shù)企業(yè)應(yīng)用程序。但實(shí)際的經(jīng)驗(yàn)表明有些應(yīng)用程序仍然需要一些底層的代碼，要么是因?yàn)榛谛阅艿目紤]，要么是因?yàn)橐c現(xiàn)有的應(yīng)用程序接口兼容。這些情況可能會(huì)迫使開發(fā)者使用C++,即使他們本身寧愿使用更高效的開發(fā)環(huán)境。C#采用以下對(duì)策來(lái)解決這一問(wèn)題：內(nèi)置對(duì)組建對(duì)象模型（COM）和基于Windows的API的支持；允許有限制地使用純指針(Native Pointer)。
在C#中，每個(gè)對(duì)象都自動(dòng)生成為一個(gè)COM對(duì)象。開發(fā)者不再需要顯式的實(shí)現(xiàn)IUnknown和其他COM接口．這些功能都是內(nèi)置的．類似的，Ｃ#可以調(diào)用現(xiàn)有的COM對(duì)象，無(wú)論它是由什么語(yǔ)言編寫的。
C#包含了一個(gè)特殊的功能，使程序可以調(diào)用任何純API。在一段特別標(biāo)記的代碼中，開發(fā)者可以使用指針和傳統(tǒng)C/C++特性，如手工的內(nèi)存管理和指針運(yùn)算。這是其相對(duì)于其它環(huán)境的極大優(yōu)勢(shì)。這意味著C#程序員可以在原有的C/C++代碼的基礎(chǔ)上編寫程序，而不是徹底放棄那些代碼。無(wú)論是支持COM還是純API的調(diào)用，都是為了使開發(fā)者在C#環(huán)境中直接擁有必要的強(qiáng)大功能。
所以C#是一種現(xiàn)代的面向?qū)ο笳Z(yǔ)言。它使程序員快速便捷地創(chuàng)建基于Microsoft .NET平臺(tái)的解決方案。這種框架使C#組件可以方便地轉(zhuǎn)化為XML網(wǎng)絡(luò)服務(wù)，從而使任何平臺(tái)的應(yīng)用程序都可以通過(guò)Internet調(diào)用它。C#增強(qiáng)了開發(fā)者的效率，同時(shí)也致力于消除編程中可能導(dǎo)致嚴(yán)重結(jié)果的錯(cuò)誤。C#使C/C++程序員可以快速進(jìn)行網(wǎng)絡(luò)開發(fā)，同時(shí)也保持了開發(fā)者所需要的強(qiáng)大性和靈活性。
C#中，Image為源自?Bitmap?和?Metafile?的類提供功能的抽象基類，使用Image可以操作各種支持的圖片，如GIF,?BMP,?JPG，?Image.FromFile()返回的是某個(gè)繼承自Image的具體類的對(duì)象，在這里，就是Bitmap或者Metafile其中之一。這Bitmap不僅僅對(duì)應(yīng)于bmp，其實(shí)只要是像素式的圖片格式（矢量格式不行），理論上都可以用Bitmap。由于Bitmap是忽略圖像格式的，所以，在本圖像處理的源代碼中，并沒(méi)有給出不同圖像格式轉(zhuǎn)換的代碼，我們所做的僅僅是創(chuàng)建一個(gè)Bitmap對(duì)象，用?Image.FromFile()方法載入圖像并保存到我們所創(chuàng)建的Bitmap對(duì)象中即可。對(duì)載入圖像，我們可以使用SystemDrawing命名空間里提供的Getpixel方法提取像素的RGB值來(lái)進(jìn)行處理。
2．1 BMP圖像
2．1 BMP圖像的基本介紹
如今Windows(3.x以及95，98，NT)系列已經(jīng)成為絕大多數(shù)用戶使用的操作系統(tǒng)，它比DOS成功的一個(gè)重要因素是它可視化的漂亮界面。那么Windows是如何顯示圖象的呢？這就要談到位圖(bitmap)。
在 Windows 3.0 以前，Windows系統(tǒng)用的是DDB（設(shè)備有關(guān)位圖）。DDB沒(méi)有調(diào)色板，顯示的顏色依賴硬件，處理色彩很不方便。所以 Microsoft 在 Windows 3.0中 重新定義了BMP文件格式（BMP 3.0），使其支持設(shè)備無(wú)關(guān)位圖——也就是DIB。時(shí)至今日，BMP的版本號(hào)已升至5.0（Windows NT 4.0、Windows95 定義了 BMP 4.0，Windows 98、Windows 2000 定義了 BMP 5.0），但基本結(jié)構(gòu)沒(méi)有變——仍是 BMP文件頭 和 DIB 組成。
Windows 3.1以上版本提供了對(duì)設(shè)備無(wú)關(guān)位圖DIB的支持。DIB位圖可以在不同的機(jī)器或系統(tǒng)中顯示位圖所固有的圖像。與DDB相比而言，DIB是一種外部的位圖格式，經(jīng)常存儲(chǔ)為以BMP為后綴的位圖文件(有時(shí)也以DIB為后綴)。DIB位圖還支持圖像數(shù)據(jù)的壓縮。與Windows DIB結(jié)構(gòu)相似，但不完全相同的另一種DIB是OS/2采用的DIB。
DIB位圖的位數(shù)據(jù)緊跟在顏色表后面。數(shù)據(jù)可以是不壓縮的，也可以是壓縮的。對(duì)4位和8位位圖，可以采用RLE(游程長(zhǎng)度編碼)壓縮，分別稱為RLE4和RLE8位圖。
位數(shù)據(jù)以行為單位存儲(chǔ)，每行都被填充到一個(gè)四字節(jié)邊界，即每行所占的存儲(chǔ)長(zhǎng)度總是四字節(jié)(32位)的倍數(shù)，不足時(shí)將多余位用0填充。位圖行的存儲(chǔ)次序是顛倒的，即位圖文件中第一行數(shù)據(jù)對(duì)應(yīng)的是位圖的最底行。對(duì)于像素位數(shù)為1的DIB位圖，其每個(gè)像素只占1位，每個(gè)字節(jié)存儲(chǔ)八個(gè)像素。字節(jié)的最高位對(duì)應(yīng)于最左邊的像素。在沒(méi)有壓縮的像素位數(shù)為4的DIB位圖中，每個(gè)字節(jié)存儲(chǔ)兩個(gè)像素，高四位對(duì)應(yīng)于最左邊的像素，每行填充到一個(gè)四字節(jié)邊界。采用RLE編碼壓縮的四位DIB由一系列組組成。有三種類型的組：重復(fù)組、文字組和特殊組。重復(fù)組由兩個(gè)字節(jié)組成，第一個(gè)字節(jié)表示像素個(gè)數(shù)，第二個(gè)字節(jié)表示一對(duì)像素的值。文字組由一個(gè)0字節(jié)、一個(gè)像素計(jì)數(shù)字節(jié)和文字像素字節(jié)組成。像素計(jì)數(shù)值必須至少為3(小于3時(shí)，可采用重復(fù)組編碼)，文字像素應(yīng)填充到一個(gè)偶數(shù)字節(jié)邊界。特殊組中，00 00表示一行的結(jié)束，00 01表示位圖的結(jié)束，00 02 xx yy表示位置增量，即圖像向右走xx個(gè)像素，向下走yy個(gè)像素。
在沒(méi)有壓縮的像素位數(shù)為8的DIB位圖中，每個(gè)字節(jié)存儲(chǔ)一個(gè)像素，每行填充到一個(gè)四字節(jié)邊界。采用R LE編碼壓縮的四位DIB由一系列組組成。有三種類型的組：重復(fù)組、文字組和特殊組。重復(fù)組內(nèi)兩個(gè)字節(jié)組成，第一個(gè)字節(jié)表示像素個(gè)數(shù)，第二個(gè)字節(jié)表示像素值。文字組由一個(gè)0字節(jié)、一個(gè)像素計(jì)數(shù)字節(jié)和文字像素字節(jié)組成。像素計(jì)數(shù)值必須至少為3(小于3時(shí)，可采用重復(fù)組編碼)，文字像素應(yīng)填充到一個(gè)偶數(shù)字節(jié)邊界。特殊組中，00 00表示一行的結(jié)束，00 01表示位圖的結(jié)束，0002xx yy表示位置增量，即圖像向右走xx個(gè)像素， 向下走yy個(gè)像素。在像素位數(shù)為24的DIB位圖中，每個(gè)像素占三字節(jié)，從左到右的每一字節(jié)分別存儲(chǔ)藍(lán)、綠、紅的顏色值。每行用0填充到一個(gè)四字節(jié)邊界。
OS/2 DIB和Windows DIB的主要區(qū)別是位圖信息結(jié)構(gòu)(信息頭結(jié)構(gòu)和顏色表結(jié)構(gòu))不同。而它們的圖像位數(shù)據(jù)的存儲(chǔ)方式是完全一樣的。
我們知道，普通的顯示器屏幕是由許許多多點(diǎn)構(gòu)成的，我們稱之為象素。顯示時(shí)采用掃描的方法：電子槍每次從左到右掃描一行，為每個(gè)象素著色，然后從上到下這樣掃描若干行，就掃過(guò)了一屏。為了防止閃爍，每秒要重復(fù)上述過(guò)程幾十次。例如我們常說(shuō)的屏幕分辨率為640×480，刷新頻率為70Hz，意思是說(shuō)每行要掃描640個(gè)象素，一共有480行，每秒重復(fù)掃描屏幕70次。我們稱這種顯示器為位映象設(shè)備。所謂位映象，就是指一個(gè)二維的象素矩陣，而位圖就是采用位映象方法顯示和存儲(chǔ)的圖象。舉個(gè)例子，圖1.1是一幅普通的黑白位圖，圖1.2是被放大后的圖，圖中每個(gè)方格代表了一個(gè)象素。我們可以看到：整個(gè)骷髏就是由這樣一些黑點(diǎn)和白點(diǎn)組成的。在設(shè)計(jì)中，我們也是對(duì)圖像的像元進(jìn)行處理的。
? ??而自然界中的所有顏色都可以由紅、綠、藍(lán)(R，G，B)組合而成。有的顏色含有紅色成分多一些，如深紅；有的含有紅色成分少一些，如淺紅。針對(duì)含有紅色成分的多少，可以分成0到255共256個(gè)等級(jí)，0級(jí)表示不含紅色成分；255級(jí)表示含有100%的紅色成分。同樣，綠色和藍(lán)色也被分成256級(jí)。這種分級(jí)概念稱為量化。這樣，根據(jù)紅、綠、藍(lán)各種不同的組合我們就能表示出256×256×256，約1600萬(wàn)種顏色。這么多顏色對(duì)于我們?nèi)搜蹃?lái)說(shuō)已經(jīng)足夠豐富了。
常見(jiàn)顏色的RGB組合值
顏色?? R? ?? G?? ?? B
紅? ?? 255 ?? 0?? ?? 0
藍(lán)? ??? 0? ? 255? ?? 0
綠? ??? 0? ?? 0?? ? 255
黃? ?? 255?? 255? ?? 0
紫? ?? 255 ?? 0?? ? 255
青? ? ??0? ? 255? ? 255
白? ?? 255 ? 255? ? 255
黑? ??? 0? ?? 0?? ?? 0
灰? ?? 128 ? 128? ? 128
當(dāng)一幅圖中每個(gè)象素賦予不同的RGB值時(shí)，能呈現(xiàn)出五彩繽紛的顏色了，這樣就形成了彩色圖。
圖象數(shù)據(jù)就是該象素顏在調(diào)色板中的索引值。對(duì)于真彩色圖，圖象數(shù)據(jù)就是實(shí)際的R、G、B值。對(duì)于2色位圖，用1位就可以表示該象素的顏色(一般0表示黑，1表示白)，所以一個(gè)字節(jié)可以表示8個(gè)象素。對(duì)于16色位圖，用4位可以表示一個(gè)象素的顏色，所以一個(gè)字節(jié)可以表示2個(gè)象素。對(duì)于256色位圖，一個(gè)字節(jié)剛好可以表示1個(gè)象素。對(duì)于真彩色圖，三個(gè)字節(jié)才能表示1個(gè)象素。
要注意兩點(diǎn)：
? (1)每一行的字節(jié)數(shù)必須是4的整倍數(shù)，如果不是，則需要補(bǔ)齊。這在前面介紹biSizeImage時(shí)已經(jīng)提到了。
? (2)一般來(lái)說(shuō)，.bMP文件的數(shù)據(jù)從下到上，從左到右的。也就是說(shuō)，從文件中最先讀到的是圖象最下面一行的左邊第一個(gè)象素，然后是左邊第二個(gè)象素……接下來(lái)是倒數(shù)第二行左邊第一個(gè)象素，左邊第二個(gè)象素……依次類推，最后得到的是最上面一行的最右一個(gè)象素。
? Windows操作系統(tǒng)統(tǒng)一管理著諸如顯示，打印等操作，將它們看作是一個(gè)個(gè)的設(shè)備，每一個(gè)設(shè)備都有一個(gè)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)來(lái)維護(hù)。所謂設(shè)備上下文就是指這個(gè)數(shù)據(jù)結(jié)構(gòu)。然而，我們不能直接和這些設(shè)備上下文打交道，只能通過(guò)引用標(biāo)識(shí)它的句柄(實(shí)際上是一個(gè)整數(shù))，讓W(xué)indows去做相應(yīng)的處理。
2．2? 圖像的讀取
? ??圖像讀取主要方法是利用OpenFileDialog（文件打開控件）獲得打開圖像的絕對(duì)路徑，用System.Drawing里Bitmap.FromFile方法將所獲得的圖像轉(zhuǎn)換成DIB并加載到內(nèi)存中，同時(shí)將加載的圖像復(fù)制到pictureBox1圖像框中。
private void menuItem2_Click(object sender, System.EventArgs e)
{
OpenFileDialog imageopen = new OpenFileDialog();
imageopen.Title = "請(qǐng)打開圖像文件" ;
imageopen.InitialDirectory = @"c:/" ;
imageopen.Filter = "(圖像文件)*.bmp;jepg;jpg;gif;png|*.bmp;*.jepg;*.jpg;*.gif;*.png" ;
imageopen.FilterIndex = 1 ;
imageopen.RestoreDirectory = true ;
if(imageopen.ShowDialog() == DialogResult.OK)
{
filepath=imageopen.FileName;
this.progressBar1.Value=20；
this.pictureBox1.Image=System.Drawing.Bitmap.FromFile(filepath);
}
this.pictureBox2.Image=null;
}?
3? 灰度直方圖
3.1灰度直方圖的基本概念
從某種角度上來(lái)講，圖像處理是基于統(tǒng)計(jì)學(xué)概念上的，所以，為了能夠?qū)D像變成計(jì)算機(jī)所能夠識(shí)別并處理的數(shù)據(jù)，我們必須對(duì)圖像進(jìn)行量化，使得我們能從數(shù)值概念上獲得對(duì)圖像的映像。這里，我們引入灰度圖像的概念：灰度圖像是一種具有從黑到白256級(jí)灰度色域或等級(jí)的單色圖像。該圖像中的每個(gè)像素用8位數(shù)據(jù)表示，因此像素點(diǎn)值介于黑白間的256種灰度中的一種。該圖像只有灰度等級(jí)，而沒(méi)有顏色的變化。這樣，我們可以將圖像的RGB屬性歸一為灰度屬性，由此就可以方便我們對(duì)圖像進(jìn)行處理。
3．2? 如何獲取灰度直方圖
首先我們應(yīng)該清楚的是灰度直方圖是一個(gè)從0-255范圍變化的步長(zhǎng)為一的數(shù)組，數(shù)組的每一個(gè)元素對(duì)應(yīng)的是每一個(gè)灰度值。在這里，我們首先定義了一個(gè)int型數(shù)組，數(shù)組的大小為256，數(shù)組名為Histogram。其中，Histogram[i]對(duì)應(yīng)得是灰度為i的像素的個(gè)數(shù)。
在這里，我們使用的計(jì)算灰度的算法為Gray=(int)(0.3*r+0.59*g+0.11*b)。其中，r，g，b分別為所處理像素的RGB值。算法的源代碼如下：
private void menuItem24_Click(object sender, System.EventArgs e)
?????? {
?????????? ??? int height=this.pictureBox1.Image.Height;
????????????? int width=this.pictureBox1.Image.Width;
????????????? Bitmap process=(Bitmap)this.pictureBox1.Image;
????????????? Color pixel;
????????????? int? [] Histogram=new int[256];
????????????? int Times,Gray,r,g,b;
????????????? for (i=0;i<=255;i++)
????????????? {
????????????????? Histogram[i]=0;
????????????? }
????????????? for(i=0;i<width;i++)
????????????? {
????????????????? for(j=0;j<height;j++)
????????????????? {
???????????????????? pixel=process.GetPixel(i,j);
???????????????????? r=pixel.R;
???????????????????? g=pixel.G;
???????????????????? b=pixel.B;
???????????????????? Gray=(int)(0.3*r+0.59*g+0.11*b);
???????????????????? Histogram[Gray]=Histogram[Gray]+1;
????????????????? }
????????????? }
?????? }
下圖為對(duì)某一圖像處理后所獲得的灰度直方圖，從該圖中我們可以獲得一個(gè)圖像的灰度分布的直觀映像。
4???????? 圖象的幾何變換
4．1平移
平移(translation)變換大概是幾何變換中最簡(jiǎn)單的一種了。如下圖，初始坐標(biāo)為(x0,y0)的點(diǎn)經(jīng)過(guò)平移(tx,ty)(以向右，向下為正方向)后，坐標(biāo)變?yōu)?x1,y1)。這兩點(diǎn)之間的關(guān)系是x1=x0+tx ，y1=y0+ty。
如下圖所示
?
以矩陣的形式表示為
?
我們更關(guān)心的是它的逆變換：
?
這是因?yàn)?#xff1a;我們想知道的是平移后的圖象中每個(gè)象素的顏色。例如我們想知道，新圖中左上角點(diǎn)的RGB值是多少？很顯然，該點(diǎn)是原圖的某點(diǎn)經(jīng)過(guò)平移后得到的，這兩點(diǎn)的顏色肯定是一樣的，所以只要知道了原圖那點(diǎn)的RGB值即可。那么到底新圖中的左上角點(diǎn)對(duì)應(yīng)原圖中的哪一點(diǎn)呢？將左上角點(diǎn)的坐標(biāo)(0,0)入公式(2.2)，得到x0=-tx ，y0=-ty；所以新圖中的(0,0)點(diǎn)的顏色和原圖中(-tx , -ty)的一樣。這樣就存在一個(gè)問(wèn)題：如果新圖中有一點(diǎn)(x1,y1)，按照公式(2.2)得到的(x0,y0)不在原圖中該怎么辦？通常的做法是，把該點(diǎn)的RGB值統(tǒng)一設(shè)成(0,0,0)或者(255,255,255)。
4．2旋轉(zhuǎn)
旋轉(zhuǎn)(rotation)有一個(gè)繞著什么轉(zhuǎn)的問(wèn)題，通常的做法是以圖象的中心為圓心旋轉(zhuǎn)。在我們熟悉的坐標(biāo)系中，將一個(gè)點(diǎn)順時(shí)針旋轉(zhuǎn)a角后的坐標(biāo)變換公式，如下圖所示，r為該點(diǎn)到原點(diǎn)的距離，在旋轉(zhuǎn)過(guò)程中，r保持不變；b為r與x軸之間的夾角。
?
旋轉(zhuǎn)前：x0=rcosb；y0=rsinb
旋轉(zhuǎn)a角度后：
x1=rcos(b-a)=rcosbcosa+rsinbsina=x0cosa+y0sina；
y1=rsin(b-a)=rsinbcosa-rcosbsina=-x0sina+y0cosa；
以矩陣的形式表示：
?
上面的公式中，坐標(biāo)系xoy是以圖象的中心為原點(diǎn)，向右為x軸正方向，向上為y軸正方向。它和以圖象左上角點(diǎn)為原點(diǎn)o’，向右為x’軸正方向，向下為y’軸正方向的坐標(biāo)系x’o’y’之間的轉(zhuǎn)換關(guān)系如何呢
?
設(shè)圖象的寬為w，高為h，容易得到：
?
逆變換為：
?
理解了上述理論基礎(chǔ)，其實(shí)在C#中我們有現(xiàn)成的方法函數(shù)進(jìn)行操作，我們可以利用Graphics對(duì)象所生成的g.RotateTransform方法函數(shù)來(lái)對(duì)圖像進(jìn)行旋轉(zhuǎn)操作。圖像旋轉(zhuǎn)后我們還需要將旋轉(zhuǎn)所得到的圖像填充到指定的矩形區(qū)域中，在這里我們使用了g.FillRectangle方法函數(shù)來(lái)進(jìn)行填充。
private void panel2_Paint(object sender, System.Windows.Forms.PaintEventArgs e)
?????? {
????????????? this.panel2.Refresh();
????????????? Graphics g = e.Graphics;
????????????? int angel=Convert.ToInt16(this.numericUpDown4.Value);
????????????? System.Drawing.Bitmap temp=new Bitmap(filepath);
????????????? TextureBrush brush=new TextureBrush(temp);
????????????? g.RotateTransform(flaot（angel）);??????? ??? g.FillRectangle(brush,0,0,this.ClientRectangle.Width,this.ClientRectangle.Height);
????????????? return;
?????? }
?4．3縮放
假設(shè)放大因子為ratio，(為了避免新圖過(guò)大或過(guò)小，我們?cè)诔绦蛑邢拗?.25≤ratio≤4)，縮放(zoom)的變換矩陣很簡(jiǎn)單：
?
由于放大圖象時(shí)產(chǎn)生了新的象素，以及浮點(diǎn)數(shù)的操作，得到的坐標(biāo)可能并不是整數(shù)，這一點(diǎn)我們?cè)诮榻B旋轉(zhuǎn)時(shí)就提到了。我們采用的做法是找與之最臨近的點(diǎn)。實(shí)際上，更精確的做法是采用插值(interpolation)，即利用鄰域的象素來(lái)估計(jì)新的象素值。其實(shí)我們前面的做法也是一種插值，稱為最鄰近插值(Nearest Neighbour Interpolation)。下面先介紹線形插值(Linear Interpolation)。
線形插值使用原圖中兩個(gè)值來(lái)構(gòu)造所求坐標(biāo)處的值。舉一個(gè)一維的例子。下圖所示，如果已經(jīng)知道了兩點(diǎn)x0，x2處的函數(shù)值f(x0)，f(x2)，現(xiàn)在要求x1處的函數(shù)值f(x1)。我們假設(shè)函數(shù)是線形的，利用幾何知識(shí)可以知道
f(x1)=(f(x2)-f(x0))(x1-x0)/(x2-x0)+f(x0)
在圖象處理中需要將線形插值擴(kuò)展到二維的情況，即采用雙線形插值(Bilinear Intrepolation)，?
| 線形插值的示意圖 | ? ?? 雙線形插值的示意圖 |
已知a、b、c、d四點(diǎn)的灰度，要求e點(diǎn)的灰度，可以先在水平方向上由a，b線形插值求出g、c、d線形插值求出f，然后在垂直方向上由g，f線形插值求出e。
線形插值基于這樣的假設(shè)：原圖的灰度在兩個(gè)象素之間是線形變化的。一般情況下，這種插值的效果還不錯(cuò)。更精確的方法是采用曲線插值(Curvilinear Interpolation)，即認(rèn)為象素之間的灰度變化規(guī)律符合某種曲線，但這種處理的計(jì)算量是很大的。
同樣的，我們可以利用Graphics對(duì)象所生成的g.FillRectangle方法函數(shù)來(lái)對(duì)圖像進(jìn)行縮放操作。圖像縮放后我們還需要將縮放所得到的圖像填充到指定的矩形區(qū)域中，同樣在這里我們使用了g.FillRectangle方法函數(shù)來(lái)進(jìn)行填充。
private void panel2_Paint(object sender, System.Windows.Forms.PaintEventArgs e)
?????? {
?????????? this.panel2.Refresh();
????????????? Graphics g = e.Graphics;
????????????? float fx=(float)(this.numericUpDown1.Value/10);
????????????? float fy=(float)(this.numericUpDown2.Value/10);
????????????? System.Drawing.Bitmap temp=new Bitmap(filepath);
????????????? TextureBrush brush=new TextureBrush(temp);
????????????? g.ScaleTransform(fx,fy);
?????????? ??? g.FillRectangle(brush,0,0,this.ClientRectangle.Width,this.ClientRectangle.Height);
????????????? checkscale=0;
?????? }
5 簡(jiǎn)單圖像處理
5．1? 黑白處理：
彩色圖像黑白化處理通常有三種方法：最大值法、平均值法、加權(quán)平均值法
三種方法的原理
??????? 最大值法：最大值法是每個(gè)像素點(diǎn)的RGB值等于原像素點(diǎn)的RGB值中最大的一個(gè)，即R=G=B=MAX( R,G,B )； 效果，最大值發(fā)產(chǎn)生亮度很高的黑白圖像。
??????? 平均值法：平均值法使每個(gè)像素點(diǎn)的RGB值等于原像素點(diǎn)的RGB值的平均值，即R=G=B=（R+G+B）/3?
??????? 加權(quán)平均法：加權(quán)平均法根據(jù)需要指定每個(gè)像素點(diǎn)RGB的權(quán)數(shù)，并取其加權(quán)平均值，即R=G=B=(Wr*R+Wg*G+Wb*B )/3?。Wr、Wg、Wb表示RGB的權(quán)數(shù)，均大于零，通過(guò)取不同的權(quán)數(shù)可實(shí)現(xiàn)不同的效果。
? 本程序中采用的是平均值法來(lái)處理圖像：
private void menuItem20_Click(object sender, System.EventArgs e)
?????? {
?????????? if(this.pictureBox1.Image!=null)
?????????? {
????????????? this.pictureBox2.Visible=true;
????????????? int height=this.pictureBox1.Image.Height;
????????????? int width=this.pictureBox1.Image.Width;
????????????? Bitmap temp=new Bitmap(width,height);
????????????? Bitmap process=(Bitmap)this.pictureBox1.Image;
????????????? Color pixel;
????????????? for( int x=0;x<width;x++)
????????????? {
????????????????? for(int y=0;y<height;y++)
????????????????? {
???????????????????? int r,g,b,t;
???????????????????? pixel=process.GetPixel(x,y);
???????????????????? t=(pixel.R+pixel.G+pixel.B)/3;
?????????? ?????????? r=t;
???????????????????? g=t;
???????????????????? b=t;
???????????????????? temp.SetPixel(x,y,Color.FromArgb(r,g,b));
????????????????? }
????????????? }
????????????? this.pictureBox2.Image=temp;
?????????? }
?????? }?????
?
5．2? 浮雕處理
浮雕效果就是只將圖像的變化部分突出出來(lái)，而相同顏色部分則被淡化，使圖像出現(xiàn)縱深感，從而達(dá)到浮雕效果，這里采用的算法是將要處理的像素取值為與處于對(duì)角線上的另一個(gè)像素間的差值，這樣只有顏色變化區(qū)才會(huì)出現(xiàn)色彩，而顏色平淡區(qū)因差值幾乎為零則變成黑色。
???? ??? private void menuItem21_Click(object sender, System.EventArgs e)
?????? {
?????????? if(this.pictureBox1.Image!=null)
?????????? {
????????????? this.pictureBox2.Visible=true;
????????????? int height=this.pictureBox1.Image.Height;
????????????? int width=this.pictureBox1.Image.Width;
????????????? Bitmap temp=new Bitmap(width,height);
????????????? Bitmap process=(Bitmap)this.pictureBox1.Image;
????????????? Color pixel,pixelnext;
????????????? for( int x=0;x<width-1;x++)
????????????? {
????????????????? this.progressBar1.Value=(int)(((float)x/(float)width)*100);
????????????????? for(int y=0;y<height-1;y++)
????????????????? {
?????????????????
???????????????????? int r,g,b;
???????????????????? pixel=process.GetPixel(x,y);
???????????????????? pixelnext=process.GetPixel(x+1,y+1);
???????????????????? r=pixel.R-pixelnext.R+128;
???????????????????? b=pixel.B-pixelnext.B+128;
???????????????????? g=pixel.G-pixelnext.G+128;
???????????????????? r=Judge(r);
???????????????????? g=Judge(g);
???????????????????? b=Judge(b);
?????? ????????????? temp.SetPixel(x,y,Color.FromArgb(r,g,b));
????????????????? }
????????????? }
????????????? this.pictureBox2.Image=temp;
?????????? }
5．2? 反色處理
反色的實(shí)際含義是將R、G、B值反轉(zhuǎn)。若顏色的量化級(jí)別是256，則新圖的R、G、B值為255減去原圖的R、G、B值。這里針對(duì)的是所有圖，包括真彩圖、帶調(diào)色板的彩色圖(又稱為偽彩色圖)、和灰度圖。
private void menuItem22_Click(object sender, System.EventArgs e)
?????? {
?????????? if(this.pictureBox1.Image!=null)
?????????? {
????????????? this.pictureBox2.Visible=true;
????????????? int height=this.pictureBox1.Image.Height;
????????????? int width=this.pictureBox1.Image.Width;
????????????? Bitmap temp=new Bitmap(width,height);
????????????? Bitmap process=(Bitmap)this.pictureBox1.Image;
????????????? Color pixel;
????????????? for( int x=0;x<width;x++)
????????????? {
????????????????? this.progressBar1.Value=(int)(((float)x/(float)width)*100);
????????????????? for(int y=0;y<height;y++)
????????????????? {
???????????????????? int r,g,b;
???????????????????? pixel=process.GetPixel(x,y);
???????????????????? r=255-pixel.R;
???????????????????? g=255-pixel.G;
???????????????????? b=255-pixel.B;
???????????????????? temp.SetPixel(x,y,Color.FromArgb(r,g,b));
????????????????? }
????????????? }
????????????? this.pictureBox2.Image=temp;
?????????? }
?????? }
6圖象的輪廓提取
圖像的邊緣（輪廓）是圖像最基本的特征。所謂邊緣(或邊沿)是指其周圍象素灰度有階躍 變化或“屋頂”變化的那些象素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。因此,它是圖像分割依賴的重要特征。
物體的邊緣是由灰度不連續(xù)性形成的。經(jīng)典的邊緣提取方法是考察圖像的每個(gè)象素在某個(gè)鄰域內(nèi)灰度的變化,利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律,用簡(jiǎn)單的方法檢測(cè)邊緣。這種方法稱為邊緣檢測(cè)局部算子法。如果一個(gè)象素落在圖像中某一個(gè)物體的邊界上,那么他 的鄰域?qū)⒊蔀橐粋€(gè)灰度級(jí)的變化帶。對(duì)這種變化最有用的2個(gè)特征：灰度的變化率和方向, 他們分別以梯度向量的幅度和方向來(lái)表示。邊緣檢測(cè)算子檢查每個(gè)象素的鄰域并對(duì)灰度變化率進(jìn)行量化,也包括方向的確定。常用的檢測(cè)算子有Roerts算子、Sobel算子、Prewitt 算子和 Kirsh 算子等。
我們給出一個(gè)模板 和一幅圖象 。不難發(fā)現(xiàn)原圖中左邊暗，右邊亮，中間存在著一條明顯的邊界。進(jìn)行模板操作后的結(jié)果如下： 。
可以看出，第3、4列比其他列的灰度值高很多，人眼觀察時(shí)，就能發(fā)現(xiàn)一條很明顯的亮邊，其它區(qū)域都很暗，這樣就起到了邊沿檢測(cè)的作用。為什么會(huì)這樣呢？仔細(xì)看看那個(gè)模板就明白了，它的意思是將右鄰點(diǎn)的灰度值減左鄰點(diǎn)的灰度值作為該點(diǎn)的灰度值。在灰度相近的區(qū)域內(nèi)，這么做的結(jié)果使得該點(diǎn)的灰度值接近于0；而在邊界附近，灰度值有明顯的跳變，這么做的結(jié)果使得該點(diǎn)的灰度值很大，這樣就出現(xiàn)了上面的結(jié)果。這種模板就是一種邊沿檢測(cè)器，它在數(shù)學(xué)上的涵義是一種基于梯度的濾波器，又稱邊沿算子，你沒(méi)有必要知道梯度的確切涵義，只要有這個(gè)概念就可以了。梯度是有方向的，和邊沿的方向總是正交(垂直)的，例如，對(duì)于上面那幅圖象的轉(zhuǎn)置圖象，邊是水平方向的，我們可以用梯度是垂直方向的模板 檢測(cè)它的邊沿。
例如，一個(gè)梯度為45度方向模板 ，可以檢測(cè)出135度方向的邊沿。
6 .1Sobel算子輪廓提取：
在邊沿檢測(cè)中，常用的一種模板是Sobel 算子。Sobel 算子有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的 ；另一個(gè)是檢測(cè)垂直平邊沿的 。與 和 相比，Sobel算子對(duì)于象素的位置的影響做了加權(quán)，因此效果更好。
Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個(gè)，一個(gè)是檢測(cè)水平邊沿的 ，另一個(gè)是檢測(cè)垂直平邊沿的 。各向同性Sobel算子和普通Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確，在檢測(cè)不同方向的邊沿時(shí)梯度的幅度一致。由于建筑物圖像的特殊性，我們可以發(fā)現(xiàn)，處理該類型圖像輪廓時(shí)，并不需要對(duì)梯度方向進(jìn)行運(yùn)算，所以程序并沒(méi)有給出各向同性Sobel算子的處理方法。下面的兩幅圖中，下左圖為原圖；下右圖為Sobel算子處理后的結(jié)果圖?？梢钥闯?/span>Sobel算子確實(shí)把圖象中的邊沿提取了出來(lái)。
?????????????????????? ?
原圖?????????????? ? ???????????????Sobel算子處理后的結(jié)果圖
? ??由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數(shù)， 簡(jiǎn)單有效，因此應(yīng)用廣泛。美中不足的是，Sobel算子并沒(méi)有將圖像的主體與背景嚴(yán)格地區(qū)分開來(lái)，換言之就是Sobel算子沒(méi)有基于圖像灰度進(jìn)行處理，由于Sobel算子沒(méi)有嚴(yán)格地模擬人的視覺(jué)生理特征，所以提取的圖像輪廓有時(shí)并不能令人滿意。? 在觀測(cè)一幅圖像的時(shí)候，我們往往首先注意的是圖像與背景不同的部分，正是這個(gè)部分將主體突出顯示，基于該理論，我們給出了下面閾值化輪廓提取算法，該算法已在數(shù)學(xué)上證明當(dāng)像素點(diǎn)滿足正態(tài)分布時(shí)所求解是最優(yōu)的。
6 .2閾值化提取：
閾值化(thresholding)可以看作是削波的一個(gè)特例，我們用下圖說(shuō)明閾值化的原理。
?
閾值化的原理
不難看出，只要令削波中的g1old=g2old就實(shí)現(xiàn)了閾值化。閾值就象個(gè)門檻，比它大就是白，比它小就是黑。經(jīng)過(guò)閾值化處理后的圖象變成了黑白二值圖，所以說(shuō)閾值化是灰度圖轉(zhuǎn)二值圖的一種常用方法(我們以前介紹過(guò)圖案化和抖動(dòng)的方法)。進(jìn)行閾值化只需給出閾值點(diǎn)g1old即可。一般情況下，閾值的選取對(duì)程序執(zhí)行結(jié)果有很大的影響，在本程序中采取的是直方圖求門限，迭代法求最佳閾值的方法，這個(gè)方法在數(shù)學(xué)上已被證明當(dāng)圖像像素概率分布逼近正態(tài)分布時(shí)是最佳的。閾值化處理后的結(jié)果，是一幅二值圖像
?
閾值化處理后的結(jié)果
在這里，閾值的選取是很重要的，閾值如果過(guò)高，就會(huì)產(chǎn)生將圖像主體誤認(rèn)為是背景的情況；閾值如果過(guò)低，則會(huì)將背景部分誤認(rèn)為是主體部分。因此，我們應(yīng)該仔細(xì)選擇閾值，我認(rèn)為閾值不應(yīng)該是一個(gè)固定的值，它的值應(yīng)該隨著圖像的不同而不同。在本程序中，采取了動(dòng)態(tài)求取閾值的方法。首先我們先求得被處理圖像的灰度直方圖，根據(jù)直方圖求得最大灰度與最小灰度。我們?cè)O(shè)置閾值的初值為最大灰度與最小灰度值之和的一半。然后求得小于閾值部分灰度的平均值iMean1Gray和大于閾值部分的平均值iMean2Gray，將閾值重新設(shè)為這兩個(gè)灰度均值 的一半，如此迭代，最后求得最佳閾值iThreshold。實(shí)驗(yàn)結(jié)果證明該閾值是可信的，基本上可以把主體與背景區(qū)分開來(lái)。求閾值的代碼如下：
for(Times=0;Times<128&&iThreshold!=iNewThreshold;Times++)
?????????? {
?????????? ??? iThreshold=iNewThreshold;
????????????? lP1=0;
????????????? lP2=0;
????????????? lS1=0;
????????????? lS2=0;
????????????? for(i=iMinGray;i<iThreshold;i++)
????????????? {
????????????????? lP1+=Histogram[i]*i;
????????????????? lS1+=Histogram[i];
????????????? }
????????????? iMean1Gray=lP1/lS1;
????????????? for(i=iThreshold;i<iMaxGray;i++)
????????????? {
????????????????? lP2+=Histogram[i]*i;
????????????????? lS2+=Histogram[i];
????????????? }
????????????? iMean2Gray=lP2/lS2;
????????????? iNewThreshold=(iMean1Gray+iMean2Gray)/2;
????????? }
6 .3? Robert算子輪廓提取
Roberts邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子
?
????????????????? ???Robert算子輪廓提取結(jié)果
可以看出，圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于Robert算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi) 產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。
private void menuItem23_Click(object sender, System.EventArgs e)
?????? {
?????????? if(this.pictureBox1.Image!=null)
?????????? {
????????????? this.pictureBox2.Visible=true;
????????????? int height=this.pictureBox1.Image.Height;
????????????? int width=this.pictureBox1.Image.Width;
????????????? Bitmap temp=new Bitmap(width,height);
????????????? Bitmap process=(Bitmap)this.pictureBox1.Image;
????????????? int i,j,p0,p1,p2,p3;
????????????? Color [] pixel=new Color[4];
????????????? int result;
????????????? for(j=height-2;j>0;j--)
????????????? {
????????????????? for(i=0;i<width-2;i++)
????????????????? {
????????????????? ??? pixel[0]=process.GetPixel(i,j);
???????????????????? pixel[1]=process.GetPixel(i,j+1);
???????????????????? pixel[2]=process.GetPixel(i+1,j);
???????????????????? pixel[3]=process.GetPixel(i+1,j+1);
???????????????????? p0=(int)(0.3*pixel[0].R+0.59*pixel[0].G+0.11*pixel[0].B);
???????????????????? p1=(int)(0.3*pixel[1].R+0.59*pixel[1].G+0.11*pixel[1].B);
???????????????????? p2=(int)(0.3*pixel[2].R+0.59*pixel[2].G+0.11*pixel[2].B);
???????????????????? p3=(int)(0.3*pixel[3].R+0.59*pixel[3].G+0.11*pixel[3].B);
???????????????????? result=(int)Math.Sqrt((p0-p3)*(p0-p3)+(p1-p2)*(p1-p2));
???????????????????? if (result>255)
???????????????????????? result=255;
???????????????????? if (result<0)
???????????????????????? result=0;
???????????????????? temp.SetPixel(i,j,Color.FromArgb(result,result,result));
????????????????? }
????????????? }
????????????? this.pictureBox2.Image=temp;
?????????? }
?????? }
6程序運(yùn)行
6 .1 程序運(yùn)行主界面
?
6 .2 相關(guān)功能介紹
在文件菜單下，可以實(shí)現(xiàn)圖像的打開，保存，程序的退出等功能。
?
編輯菜單下可以將操作結(jié)果欄的圖像復(fù)制到緩存中
?
視圖菜單下可實(shí)現(xiàn)程序的所有圖像處理功能，并可以將被處理圖像轉(zhuǎn)換為源圖像。
?
窗口欄可將操作結(jié)果的圖像關(guān)閉。
?
程序處理圖像的結(jié)果如下圖所示，左邊為被處理圖像，右邊為處理結(jié)果圖像。
?
結(jié)? 論
數(shù)字圖像處理主要研究的內(nèi)容有以下幾個(gè)方面： （1) 圖像變換 由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。（2) 圖像編碼壓縮 圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進(jìn)行。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。（3) 圖像增強(qiáng)和復(fù)原圖像增強(qiáng)和復(fù)原的目的是為了提高圖像的質(zhì)量，如去除噪聲，提高圖像的清晰度等。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻分量可減少圖像中噪聲影響。圖像復(fù)原要求對(duì)圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過(guò)程建立"降質(zhì)模型"，再采用某種濾波方法，恢復(fù)或重建原來(lái)的圖像。（4) 圖像分割 圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來(lái)，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法，但還沒(méi)有一種普遍適用于各種圖像的有效方法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一，這個(gè)同時(shí)也是本設(shè)計(jì)的重中之重。(5) 圖像描述 圖像描述是圖像識(shí)別和理解的必要前提。作為最簡(jiǎn)單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對(duì)于特殊的紋理圖像可采用二維紋理特征描述.(6) 圖像分類（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過(guò)某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。圖像分類常采用經(jīng)典的模式識(shí)別方法，有統(tǒng)計(jì)模式分類和句法（結(jié)構(gòu)）模式分類，近年來(lái)新發(fā)展起來(lái)的模糊模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識(shí)別中也越來(lái)越受到重視
總結(jié)
以上是生活随笔為你收集整理的C#图像处理基础概念知识的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： H.264码流结构
- 下一篇： C#中开发之Socket网络编程TCP/