Baumer工业相机堡盟工业相机如何通过BGAPI SDK和GDI+库中的Image类图像压缩算法进行图像压缩保存(C++)

Baumer工业相机堡盟工业相机如何通过BGAPI SDK和GDI+库中的Image类图像压缩算法进行图像压缩保存(C++)

  • Baumer工业相机
  • Baumer工业相机和GDI+库图像压缩技术背景
  • 代码分析
    • 第一步:先引用对应的GDI+库
    • 第二步:在回调函数里进行Buffer图像转换为Image图像进行压缩
    • 第三步:GDI+库中Image图像压缩算法
  • 工业相机图像通过SDK使用GDI+库图像压缩算法的优点
  • 工业相机图像通过SDK使用GDI+库图像压缩的行业应用

Baumer工业相机

Baumer工业相机堡盟相机是一种高性能、高质量的工业相机,可用于各种应用场景,如物体检测、计数和识别、运动分析和图像处理。

Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分辨率图像。此外,该相机还具有快速数据传输、低功耗、易于集成以及高度可扩展性等特点。

Baumer相机中原始图像可以和微软提供的图像压缩算法进行联合,从而实现外部图像进行压缩的功能设置。

Baumer工业相机和GDI+库图像压缩技术背景

工业相机被用于各个行业的不同应用,如质量控制、机器视觉、过程监控和研究目的。这些相机产生高分辨率的图像,对准确的检查和分析至关重要。然而,这些图像占据了大量的存储空间,并且由于其大小,可能难以处理。

解决这个问题的一个办法是在不丢失任何重要细节的情况下对图像进行压缩。GDI+库的图像压缩算法是开发人员用来压缩工业相机图像的一种流行方法。GDI+库是一个用于Windows的图形库,允许开发人员创建和处理图形图像。它提供了各种功能,可以帮助开发者有效地压缩图像。

GDI+库中的图像类根据图像的文件格式,使用各种图像压缩算法。例如,JPEG压缩用于JPEG图像文件,而PNG压缩则用于PNG图像文件。

GDI+库使用的JPEG压缩算法是有损的,意味着在压缩过程中会丢失一些图像数据。损失的数据量可以通过调整压缩质量等级来控制。较低的质量水平会导致较小的文件大小,但图像质量较差,而较高的质量水平会导致较大的文件大小,但图像质量较好。

GDI+库使用的PNG压缩算法是无损的,这意味着在压缩过程中不会丢失图像数据。PNG文件也可以使用不同的过滤器进行压缩,帮助减少表示图像所需的数据量。

总的来说,GDI+库使用有损和无损压缩算法的组合来提供高效的图像存储和操作能力。

有关于Baumer工业相机中的JPEG图像压缩相机如何使用内置图像压缩算法的的介绍,之前已经有相关的技术博客可以参考:

Baumer工业相机堡盟相机中的JPEG图像压缩相机如何通过BGAPI SDK和OpenCV的Mat进行图像转换(C++)


有关于如何在C#的平台下实现通过BGAPI SDK实现微软图像质量压缩的核心代码技术博客如下所示:
Baumer工业相机堡盟工业相机如何通过BGAPI SDK和微软图像压缩算法进行图像压缩保存(C#)

这里主要描述如何在C++的平台下实现通过BGAPI SDK实现GDI+库图像质量压缩的核心代码

代码分析

本文介绍使用BGAPI SDK对Baumer的工业相机进行开发时,使用通过BGAPI SDK和GDI+库的图像压缩算法进行图像转换的功能,注意Image算法的使用需要将Buffer图像先转为Bitmap数据,再进行压缩算法的使用。

第一步:先引用对应的GDI+库

C++环境下引用GDI+库作为图像处理库代码如下所示:

#include 
#include 
#pragma comment(lib, "gdiplus.lib")
using namespace Gdiplus;

第二步:在回调函数里进行Buffer图像转换为Image图像进行压缩

下面为在在C++环境里回调函数中进行图像转换为Image图像的核心代码,如下所示:

//图像回调函数
//==================
void BGAPI2CALL BufferHandler( void * callBackOwner, Buffer * pBufferFilled )
{
	CGigeDemoDlg* pDlg = (CGigeDemoDlg*)callBackOwner;
	unsigned char* imagebuffer = NULL;
	USES_CONVERSION;
	try
	{
		if(pBufferFilled == NULL)
		{

		}
		else if(pBufferFilled->GetIsIncomplete() == true)
		{
			// queue buffer again
			pBufferFilled->QueueBuffer();
		}
		else
		{
			
			pDlg->FrameID= pBufferFilled->GetFrameID();                                                 //获取当前图像FrameID显示帧率

			int width = 0, height = 0;
			width = (int)pBufferFilled->GetWidth();height = (int)pBufferFilled->GetHeight();			//获取当前图像像素长宽
			CString PixelFormat1 = (CString)pBufferFilled->GetPixelFormat();							//获取当前图像像素格式
			imagebuffer = (BYTE*)((bo_int64)pBufferFilled->GetMemPtr()+pBufferFilled->GetImageOffset());//获取当前图像数据
			
			#pragma region //保存图像功能
			if(pDlg->m_bSaveImage &&!pDlg->m_strDirectory.IsEmpty())
			{
				CTime time = CTime::GetCurrentTime(); 
				CString strtime;
				strtime.Format(_T("\\%4d%2d%2d%2d%2d%2d"),time.GetYear(),time.GetMonth(),time.GetDay(),time.GetHour(),time.GetMinute(),time.GetSecond());
				CString  strpath = pDlg->m_strDirectory+strtime+".jpg";
				pDlg->SaveImageMono(strpath, imagebuffer,width,height);
				pDlg->m_bSaveImage = false;
			}
			#pragma endregion 

			Gdiplus::Rect rc = Gdiplus::Rect(0,0,width,height);

			#pragma region 黑白相机代码:像素格式为mono时转Bitmap的代码,彩色相机此处代码不同
			if(pDlg->m_pBitmap == NULL)
			{
				pDlg->m_pBitmap = new Gdiplus::Bitmap(width,height,PixelFormat8bppIndexed);
			}
			Gdiplus::BitmapData lockedbits;
			Gdiplus::ColorPalette * pal = (Gdiplus::ColorPalette*)new BYTE[sizeof(Gdiplus::ColorPalette)+255*sizeof(Gdiplus::ARGB)];
			pal->Count=256;
			for(UINT i=0;i<256;i++)
			{
				UINT color=i*65536+i*256+i;
				color= color|0xFF000000;
				pal->Entries[i]=color;
			}
			pDlg->m_pBitmap->SetPalette(pal);
			Gdiplus::Status ret = pDlg->m_pBitmap->LockBits(&rc,Gdiplus::ImageLockModeWrite,PixelFormat8bppIndexed,&lockedbits);
			BYTE* pixels = (BYTE*)lockedbits.Scan0;
			BYTE* src = (BYTE*)imagebuffer;
			for (int row = 0; row < height; ++row) 
			{
				CopyMemory(pixels, src, lockedbits.Stride);
				pixels += width;
				src += width;
			}
			pDlg->m_pBitmap->UnlockBits(&lockedbits);
			#pragma endregion 

			// 将Bitmap对象转换为Image对象
			Image* img = (Image*)m_pBitmap.GetThumbnailImage(width, height, NULL, NULL);
			//将Image图像进行JPEG图像压缩,压缩质量80
			CString OutputImagePath = _T("CompressedImage.jpg")
			CompressImage(img , OutputImagePath , 80);


			#pragma region //将图像显示在PictureControl控件上
			HDC hDC = ::GetDC(pDlg->m_stcPicture.m_hWnd);
			Gdiplus::Graphics GdiplusDC(hDC);
			CRect rcControl;
			pDlg->m_stcPicture.GetWindowRect(&rcControl);
			Gdiplus::Rect rtImage(0,0,rcControl.Width(),rcControl.Height());
			GdiplusDC.DrawImage(pDlg->m_pBitmap,rtImage,0,0,width,height, Gdiplus::UnitPixel);
		
			delete []pal;
			::ReleaseDC(pDlg->m_stcPicture.m_hWnd,hDC);

			delete pDlg->m_pBitmap ;
			pDlg->m_pBitmap =NULL;
			#pragma endregion 

			// queue buffer again
			pBufferFilled->QueueBuffer();
		}
	}
	catch (BGAPI2::Exceptions::IException& ex)
	{
		CString str;
		str.Format(_T("ExceptionType:%s! ErrorDescription:%s in function:%s"),ex.GetType(),ex.GetErrorDescription(),ex.GetFunctionName());		
	}	
}

第三步:GDI+库中Image图像压缩算法

下面为使用GDI+库压缩算法的核心代码,如下所示:

void CompressImage(Image* image, const CString& destFile, int quality)
{
    if (image)
    {
        CLSID clsid;
        GetEncoderClsid(L"image/jpeg", &clsid);

        EncoderParameters encoderParams;
        encoderParams.Count = 1;
        encoderParams.Parameter[0].Guid = EncoderQuality;
        encoderParams.Parameter[0].Type = EncoderParameterValueTypeLong;
        encoderParams.Parameter[0].NumberOfValues = 1;
        encoderParams.Parameter[0].Value = &quality;

        image->Save(destFile, &clsid, &encoderParams);
        delete image;
    }

    GdiplusShutdown(gdiplusToken);
}

工业相机图像通过SDK使用GDI+库图像压缩算法的优点

  1. 减少了文件大小: GDI+库图像压缩算法有助于减少工业相机图像的大小,而不影响图像的质量。这使得存储和分发图像变得更加容易和快速。

  2. 更快的处理: 使用GDI+库图像压缩算法可以更快地处理工业相机图像。减少的文件大小有助于加快图像分析和处理的速度。

  3. 更好的质量: GDI+库图像压缩算法在压缩工业相机图像的同时保持其质量。这导致了图像质量的提高,减少了失真和假象。

  4. 多功能性: 使用GDI+库图像压缩算法的SDK可以在多个平台上使用,使其成为工业相机图像压缩的通用解决方案。

  5. 成本效益高: 使用GDI+库图像压缩算法的工业相机图像是一个具有成本效益的解决方案,因为它减少了对大型存储容量和昂贵硬件的需求。

工业相机图像通过SDK使用GDI+库图像压缩的行业应用

  1. 机器视觉: 工业相机被广泛用于机器视觉系统,以检查和监测汽车、电子和医疗等行业的生产线。

  2. 2.质量控制: 对工业相机拍摄的图像进行分析,以确保产品符合要求的质量标准。

  3. 监视: 工业相机捕获的图像用于安全和监视目的,如监视公共区域、建筑物和仓库。

  4. 交通监控: 摄像机图像被用于交通管理系统,以监测和控制城市地区的交通流量。

  5. 医学成像: 工业相机用于捕捉医疗用途的图像,如内窥镜和牙科成像。

  6. 自主车辆: 工业相机捕捉的图像用于自动驾驶车辆,以提供有关车辆周围环境的实时信息。

  7. 农业: 工业相机用于农业,监测作物生长和检测植物疾病。

  8. 机器人学: 工业相机用于工业机器人,提供视觉反馈,使机器人能够执行精确的任务。

你可能感兴趣的:(机器视觉,工业相机,图像处理,c++,数码相机,计算机视觉,视觉检测,开发语言)