图像处理的三个基本操作——灰度化、锐化、平滑

来源：互联网发布：陕西用友软件编辑：程序博客网时间：2024/06/06 05:16

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=w_r*R+w_g*G+w_b*B，w_r、w_g、w_b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;        }

下面是锐化结果的展示：

<img style="width: 283px; height: 448px;" src="http://img.blog.csdn.net/20151105143315175?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" width="306" height="745" alt="" />               <img style="width: 292px; height: 447px;" src="http://img.blog.csdn.net/20151105143322105?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" width="303" height="770" alt="" />

（未处理的图片来自百度）

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]));                }            }        }

下面是是那种平滑处理所得的效果图与原图的对比展示：

原图：

Box模板： Guass模板：中值滤波：

0 0