基于.NET数字处理程序的框架设计
接触数字图像处理最早是在高中，那时候PHOTOSHOP还是4.0，可能是因为先入为主的关系，到现在都没有学3DMAX之类的兴趣，2D到3D的飞跃估计是没我什么事了，舍不得那平方到立方的高薪....呵呵。
在上大学的时候，就和同学一起写过一些图像处理的程序，那个时候编程还很随意，考虑的只是如何实现，现在看来真正的技术是把握全局的能力，而不是灵光一现的神奇。前些日子接触了一些国外的图像处理程序，在这里算是作个总结，估计以后不会再针对性的研究图像处理方面的东西了。
以前的一个同学曾经跟我说过.net没有指针，现在很多培训课好像也是这么讲的，其实这是一个谬误。只是framework不推荐使用指针，尤其是在webservise，remoting等跨进程操作中，指针都是不安全的。但用过TC的各位都应该对指针的执行效率又深刻的印象，在批量运算大规模数据的需求下，指针是不二的选择。因而.net聪明的保留的保留了指针，并将其列入不安全方法集中。合理的使用指针将大幅度提高执行效率，我曾做过试验，对640*480的图像进行逐点运算，非指针运算要执行数分钟，而指针运算几乎是瞬间完成的。所以不要害怕使用指针。
其次就是数学，奉劝大家一定要弄明白了再写程序，数学课不是闹着玩的......想不明白就要躺在床上反复的想，我总觉得数学能预防老年痴呆。
言归正传，说说程序结构吧 ：
Imaging项目（滤镜，纹理，图像模式）
Math项目（算法，边界，定制。及常用计算方法）
主程序项目
各举个例子来说明，我也来一回面向接口编程 ，
public interface IFilter
{
Bitmap Apply( Bitmap img );
}
举例来说明，我也来一回面向接口编程 ，各滤镜都要实现这个接口，接口定义还包括一个不生成实际图像，只生成二进制对象的借口定义，在这里暂不作考虑。以取反色滤镜为例
public Bitmap Apply( Bitmap srcImg )
{
// get source image size
int width = srcImg.Width;
int height = srcImg.Height;
PixelFormat fmt = ( srcImg.PixelFormat == PixelFormat.Format8bppIndexed ) ?
PixelFormat.Format8bppIndexed : PixelFormat.Format24bppRgb;
// lock source bitmap data
BitmapData srcData = srcImg.LockBits(
new Rectangle( 0, 0, width, height ),
ImageLockMode.ReadOnly, fmt );
// create new image
Bitmap dstImg = ( fmt == PixelFormat.Format8bppIndexed ) ?
AForge.Imaging.Image.CreateGrayscaleImage( width, height ) :
new Bitmap( width, height, fmt );
// lock destination bitmap data
BitmapData dstData = dstImg.LockBits(
new Rectangle( 0, 0, width, height ),
ImageLockMode.ReadWrite, fmt );
// copy image
Win32.memcpy( dstData.Scan0, srcData.Scan0, srcData.Stride * height );
// process the filter
ProcessFilter( dstData, fmt );
// unlock both images
dstImg.UnlockBits( dstData );
srcImg.UnlockBits( srcData );
return dstImg;
}
是该滤镜方法的入口,完成了处理前的准备工作，ProcessFilter同时调用每个滤镜类中共有的ProcessFilter方法，而这个ProcessFilter就是实现功能的关键所在了逐点运算或模版运算。
// Process the filter
private unsafe void ProcessFilter( BitmapData data, PixelFormat fmt )
{
int width = data.Width;
int height = data.Height;
int lineSize = width * ( ( fmt == PixelFormat.Format8bppIndexed ) ? 1 : 3 );
int offset = data.Stride - lineSize;
// do the job
byte * ptr = (byte *) data.Scan0.ToPointer( );
// invert
for ( int y = 0; y < height; y++ )
{
for ( int x = 0; x < lineSize; x++, ptr ++ )
{
// ivert each pixel
*ptr = (byte)( 255 - *ptr );
}
ptr += offset;
}
}
其中Format8bppIndexed是不必太关心的，个人认为设计初期可以不用考虑兼容它的问题。
下面来说说纹理，这个以前考虑得还不太多，但发现老外很喜欢玩这个，因为纹理在数学方面发挥的空间更大，我也不知道他们是怎么想出来的，凭空想可能还真是有难度，可能是他们谁在玩数学建模软件的时候发现这个玩法的，于是高数老师谁也不服谁，把算法玩的火火的。反正我觉得是这么回事。。。
public interface ITextureGenerator
{
/**//// <summary>
/// Generate texture
/// </summary>
float[,] Generate( int width, int height );
/**//// <summary>
/// Reset - regenerate internal random numbers
/// </summary>
void Reset( );
}
这是纹理生成器的实现接口，为了保证每次的纹理不同，还要更新随机数以作为计算参数
private Math.PerlinNoise noise = new Math.PerlinNoise( 1.0 / 32, 0.05, 0.5, 8 );
实现纹理细节还需要靠noise实现，因而需要实现许多种noise。
// Constructors
public WoodTexture( ) : this( 12.0 ) { }
public WoodTexture( double rings )
{
this.rings = rings;
Reset( );
}
构造函数提供了默认值的设置，也就是对单位纹理大小的限定。
// Generate texture
public float[,] Generate( int width, int height )
{
float[,] texture = new float[height, width];
int w2 = width / 2;
int h2 = height / 2;
for ( int y = 0; y < height; y++ )
{
for ( int x = 0; x < width; x++ )
{
double xv = (double) ( x - w2 ) / width;
double yv = (double) ( y - h2 ) / height;
texture[y, x] =
Math.Max( 0.0f, Math.Min( 1.0f, (float)
Math.Abs( Math.Sin(
( Math.Sqrt( xv * xv + yv * yv ) + noise.Function2D( x + r, y + r ) )
* Math.PI * 2 * rings
))
));
}
}
return texture;
}
这就是。。。我数学不好的下场。都不知道她在说什么呢，最小值中选出最大值。算法不难找，关键是要看结构如何将他们整合起来。
public void Reset( )
{
r = rand.Next( 5000 );
}别忘了这个随机数，数字的图像也需要自然的美。
Math工程中面向对象的观念不它容易得到贯彻，看一看那个PerlinNoise吧，抛砖引玉。
public PerlinNoise( double initFrequency, double initAmplitude, double persistance, int octaves )
{
this.initFrequency = initFrequency;
this.initAmplitude = initAmplitude;
this.persistance = persistance;
this.octaves = octaves;
}
首先要收集数据，因为图像处理要涉及到一维和二维两种情况，因而像noise这种底层方法要分别对应着两种情况给出对应的方法。
/**//// <summary>
/// 1-D Perlin noise function
/// </summary>
public double Function( double x )
{
double frequency = initFrequency;
double amplitude = initAmplitude;
double sum = 0;
// octaves
for ( int i = 0; i < octaves; i++ )
{
sum += SmoothedNoise( x * frequency ) * amplitude;
frequency *= 2;
amplitude *= persistance;
}
return sum;
}
/**//// <summary>
/// 2-D Perlin noise function
/// </summary>
public double Function2D( double x, double y )
{
double frequency = initFrequency;
double amplitude = initAmplitude;
double sum = 0;
// octaves
for ( int i = 0; i < octaves; i++ )
{
sum += SmoothedNoise( x * frequency, y * frequency ) * amplitude;
frequency *= 2;
amplitude *= persistance;
}
return sum;
}
一维跟二维的区别是什么，上中学的时候知道了线的运动生成了面，上大学又知道了循环着变化着的线能代表面，但如果做过了边缘识别和锐化以后话，又发现以前小看线了，其实它只是比面少一个参数而已。
/**//// <summary>
/// Ordinary noise function
/// </summary>
protected double Noise( int x )
{
int n = ( x << 13 ) ^ x;
return ( 1.0 - ( ( n * ( n * n * 15731 + 789221 ) + 1376312589 ) & 0x7fffffff ) / 1073741824.0 );
}
protected double Noise( int x, int y )
{
int n = x + y * 57;
n = ( n << 13 ) ^ n ;
return ( 1.0 - ( ( n * ( n * n * 15731 + 789221 ) + 1376312589 ) & 0x7fffffff ) / 1073741824.0 );
}又一次证明了前面那段话，个人感觉这个x+y*57有点投影的意思。获取相应的噪点值。但噪点不是直接就能拿来用的
/**//// <summary>
/// Smoothed noise
/// </summary>
protected double SmoothedNoise( double x )
{
int xInt = (int) x;
double xFrac = x - xInt;
return CosineInterpolate( Noise( xInt ) , Noise( xInt + 1 ), xFrac );
}
protected double SmoothedNoise( double x, double y )
{
int xInt = (int) x;
int yInt = (int) y;
double xFrac = x - xInt;
double yFrac = y - yInt;
// get four noise values
double x0y0 = Noise( xInt , yInt );
double x1y0 = Noise( xInt + 1, yInt );
double x0y1 = Noise( xInt , yInt + 1 );
double x1y1 = Noise( xInt + 1, yInt + 1) ;
// x interpolation
【相关文章:】
没有相关文章
【发表评论】【打印此文】【关闭窗口】【点击数： 】