什么是图像处理？
我的理解是，图像处理即就是对图像的各个像素点进行处理。
一、灰度化
灰度化，也就是黑白化，就是将图像进行黑白处理，使其失去色彩。而从像素点出发，就是使各个像素点的三种颜色分量R、G、B的值相同。
常用的黑白化的方法有三种：
- 第一种是最大值法(Maximum)：
R=G=B=Max(R,G,B)，这种方法处理后灰度图象的亮度会偏高，不建议采用。
- 第二种就是平均值法(Average)：
R=G=B=(R+G+B)/3，这种方法处理后灰度图象的亮度较柔和，本人就是采用的这种方法。
- 第三种是加权平均值法(Weighted Average)：
R=G=B=wr*R+wg*G+wb*B，wr、wg、wb分别为R、G、B的权值。
鉴于本人只使用了第二种，所以就先贴上第二种的代码：
public Bitmap bmp1;
public Bitmap bmp2;
//黑白化
//平均值法: 使用每个像素点的 R,G,B值等于原像素点的RGB值的平均值
//效率略低，暂未查明具体原因，需3秒等待
public Image BlackANDWhite(PictureBox pic)
{
bmp1 = new Bitmap(pic.Image);
int width = bmp1.Width;
int height = bmp1.Height;
bmp2 = new Bitmap(width, height);
Color c;
for (int x = 0; x < width; x++)
{
for (int y = 0; y < height; y++)
{
c = bmp1.GetPixel(x, y);//获取像素
int value = (c.R + c.G + c.B) / 3;
bmp2.SetPixel(x, y, Color.FromArgb(value, value, value));//设置像素
}
}
return bmp2;
}
以下是代码的相关结果展示：
（未处理的图片来自百度）
二、锐化
锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。
常用的锐化模板是拉普拉斯(Laplacian)模板，而本人也是采用的拉普拉斯模板进行的锐化处理。
下面是拉普拉斯模板的锐化处理的相关代码：
//锐化
//突出显示颜色值大(即形成形体边缘)的像素点
public Image Sharpen(PictureBox pic)
{
bmp1 = new Bitmap(pic.Image);
int width = bmp1.Width;
int height = bmp1.Height;
bmp2 = new Bitmap(width, height);
Color c;
int[] Laplacian = { -1, -1, -1, -1, 9, -1, -1, -1, -1 };//拉普拉斯锐化模板
for (int x = 1; x < width - 1; x++)
{
for (int y = 1; y < height - 1; y++)
{
int r = 0, g = 0, b = 0;
int Index = 0;
//两个for循环刚好将拉普拉斯锐化模板数组完全遍历
for (int col = -1; col <= 1; col++)
for (int row = -1; row <= 1; row++)
{
//获取bmp1的各个点的像素值
c = bmp1.GetPixel(x + row, y + col);
r += c.R * Laplacian[Index];
g += c.G * Laplacian[Index];
b += c.B * Laplacian[Index];
Index++;
}
//要注意的是，运算后如果出现了大于255或者小于0的点，称为溢出，
//溢出点的处理通常是截断，即大于255时，令其等于255；小于0时，取其绝对值。
//处理颜色值溢出
r = r > 255 ? 255 : r;
r = r < 0 ? 0 : r;
g = g > 255 ? 255 : g;
g = g < 0 ? 0 : g;
b = b > 255 ? 255 : b;
b = b < 0 ? 0 : b;
//将bmp2的各个像素点进行赋值
bmp2.SetPixel(x - 1, y - 1, Color.FromArgb(r, g, b));
}
}
return bmp2;
}
三、平滑
平滑与锐化相反，就是滤掉高频分量，从而达到减少图象噪声，使图片变得有些模糊。
常用的平滑处理方法有三种：
- Box模板去噪平滑处理，也就是均一化处理。
Box模板是{1,1,1,1,1,1,1,1,1}
- 高斯模板去噪平滑处理，就是在Box模板的基础上加入了加权系数，考虑了距离某点位置越近影响越大的因素。相比Box模板，较为清晰一些。
高斯模板是{1,2,1,2,4,2,1,2,1}
- 中值滤波去噪平滑处理，就是将该点左右邻近的两个点的rgb值与该点自身进行比较，选择其中最中间的值赋给该点。
下面是平滑处理的相关代码：
//Box模板去噪平滑处理
public void Box_Smooth(PictureBox pic)
{
bmp1 = new Bitmap(pic.Image);
int width = bmp1.Width;
int height = bmp1.Height;
bmp2 = new Bitmap(width, height);
Color c;
int[] Box = { 1, 1, 1, 1, 1, 1, 1, 1, 1 };//Box模板
for (int x = 1; x < width - 1; x++)
{
for (int y = 1; y < height - 1; y++)
{
int r = 0, g = 0, b = 0;
int Index = 0;
for (int col = -1; col <= 1; col++)
for (int row = -1; row <= 1; row++)
{
c = bmp1.GetPixel(x + row, y + col);
r += c.R * Box[Index];
g += c.G * Box[Index];
b += c.B * Box[Index];
Index++;
}
r = r / 9;
g = g / 9;
b = b / 9;
//处理颜色值溢出
r = r > 255 ? 255 : r;
r = r < 0 ? 0 : r;
g = g > 255 ? 255 : g;
g = g < 0 ? 0 : g;
b = b > 255 ? 255 : b;
b = b < 0 ? 0 : b;
bmp2.SetPixel(x, y, Color.FromArgb(r, g, b));
}
}
}
//高斯模板去噪平滑处理
public void Gauss_Smooth(PictureBox pic)
{
bmp1 = new Bitmap(pic.Image);
int width = bmp1.Width;
int height = bmp1.Height;
bmp2 = new Bitmap(width, height);
Color c;
int[] Guass = { 1, 2, 1, 2, 4, 2, 1, 2, 1 };//Gauss模板
for (int x = 1; x < width - 1; x++)
{
for (int y = 1; y < height - 1; y++)
{
int r = 0, g = 0, b = 0;
int Index = 0;
for (int col = -1; col <= 1; col++)
for (int row = -1; row <= 1; row++)
{
c = bmp1.GetPixel(x + row, y + col);
r += c.R * Guass[Index];
g += c.G * Guass[Index];
b += c.B * Guass[Index];
Index++;
}
r = r / 16;
g = g / 16;
b = b / 16;
//处理颜色值溢出
r = r > 255 ? 255 : r;
r = r < 0 ? 0 : r;
g = g > 255 ? 255 : g;
g = g < 0 ? 0 : g;
b = b > 255 ? 255 : b;
b = b < 0 ? 0 : b;
bmp2.SetPixel(x, y, Color.FromArgb(r, g, b));
}
}
}
//中值滤波去噪平滑处理
public void MiddleValue_Smooth(PictureBox pic)
{
bmp1 = new Bitmap(pic.Image);
int width = bmp1.Width;
int height = bmp1.Height;
bmp2 = new Bitmap(width, height);
//分别建立r,g,b数组
int[] r = new int[3];
int[] g = new int[3];
int[] b = new int[3];
for (int x = 1; x < width - 1; x++)
{
for (int y = 1; y < height - 1; y++)
{
int Index = 0;
for (int row = -1; row <= 1; row++)
{
Color c = bmp1.GetPixel(x + row, y);//获取像素值
//分别给r,g,b数组赋值
r[Index]= c.R ;
g[Index]= c.G ;
b[Index]= c.B ;
Index++;
}
//排序
Array.Sort(r);
Array.Sort(g);
Array.Sort(b);
//处理颜色值溢出
r[1] = r[1] > 255 ? 255 : r[1];
r[1] = r[1] < 0 ? 0 : r[1];
g[1] = g[1] > 255 ? 255 : g[1];
g[1] = g[1] < 0 ? 0 : g[1];
b[1] = b[1] > 255 ? 255 : b[1];
b[1] = b[1] < 0 ? 0 : b[1];
bmp2.SetPixel(x - 1, y - 1, Color.FromArgb(r[1], g[1], b[1]));
}
}
}
