前言

圖片處理是開發(fā)過程中經(jīng)常遇到和要處理的問題，畢竟圖片是比較耗系統(tǒng)資源，網(wǎng)絡(luò)資源，存儲空間。。。，因此，圖片的處理顯得格外重要，去百度查閱資料，就會看到很多關(guān)于讀片處理的方法，以及圖片的加載框架，他們都是用來處理圖片的。

常見的圖片處理方式大概有如下幾類。比如圖片的等比縮放，圖片海量加載，圖片的裁剪，圖片的無損壓縮，圖片的旋轉(zhuǎn),圖片實現(xiàn)畫中畫，圖片實現(xiàn)陰影，改變圖片形狀等

然后，這些操作只是符合日常需求開發(fā)，如果涉及的高深的算法層面就不太實用，自己在做人臉識別項目中親自體驗常規(guī)處理真的難以解決高難度問題。今天，我介紹一下其他類型的圖片處理算法。首先，我們需要了解倆個概念RGB和ARGB。

01

**RGB和ARGB**

**RGB**

RGB色彩模式使用RGB模型為圖像中每個像素的RGB分量分配一個0~255范圍內(nèi)的強度值。RGB圖像僅僅使用三種顏色，R(red)、G(green)、B(blue)，就能夠使它們依照不同的比例混合，在屏幕上呈現(xiàn)16777216(256 * 256 * 256)種顏色。

在電腦中，RGB的所謂“多少”就是指亮度，并使用整數(shù)來表示。通常情況下，RGB各有256級亮度，用數(shù)字表示為從0、1、2…直到255。

**ARGB**

一種色彩模式，也就是RGB色彩模式附加上Alpha（透明度）通道，常見于32位位圖的存儲結(jié)構(gòu)。

ARGB—Alpha,Red,Green,Blue.

知道了這倆個概念，就可以了解更多較深層次的圖片處理算法了。下面我介紹一下自己在做人臉識別中常用到的算法。

02

**灰度化**

在RGB模型中，假設(shè)R=G=B時，則彩色表示一種灰度顏色，當(dāng)中R=G=B的值叫灰度值，因此，灰度圖像每一個像素僅僅需一個字節(jié)存放灰度值（又稱強度值、亮度值），灰度范圍為0-255。一般有下面四種方法對彩色圖像進(jìn)行灰度化，詳細(xì)方法參考csdn大牛博客，講的非常好。

03

**二值化**

一幅圖像包含目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最經(jīng)常使用的方法就是設(shè)定一個全局的閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設(shè)定為白色（或者黑色），小于T的像素群的像素值設(shè)定為黑色（或者白色）。

比方：計算每個像素的（R+G+B）/3，假設(shè)>127，則設(shè)置該像素為白色，即R=G=B=255；否則設(shè)置為黑色，即R=G=B=0。

簡單實現(xiàn)代碼如下：

{

Bitmap bitImage = new Bitmap(pictureBox1.Image);//二值化pictureBox1中的圖片

Color c;

int height = pictureBox1.Image.Height;

int width = pictureBox1.Image.Width;

for (int i = 0; i < height; i++)

{

for (int j = 0; j < width; j++)

{

c = bitImage.GetPixel(j,i);

int r = c.R;

int g = c.G;

int b = c.B;

if ((r + g + b) / 3 >= 127)

{

bitImage.SetPixel(j, i, Color.FromArgb(255, 255, 255));

}

else

{

bitImage.SetPixel(j, i, Color.FromArgb(0,0,0));

}

}

}

return bitImage;

}ascript

04

**膨脹算法**

膨脹是將與物體接觸的全部背景點合并到該物體中，使邊界向外部擴張的過程。

能夠用來填補物體中的空洞。

用3x3的結(jié)構(gòu)元素，掃描圖像的每個像素

用結(jié)構(gòu)元素與其覆蓋的二值圖像做“或”操作

假設(shè)都為0，結(jié)果圖像的該像素為0。否則為1

結(jié)果：使二值圖像擴大一圈

膨脹(dilation)能夠看做是腐蝕的對偶運算，其定義是：把結(jié)構(gòu)元素B平移a后得到Ba，若Ba擊中X，我們記下這個a點。全部滿足上述條件的a點組成的集合稱做X被B膨脹的結(jié)果。用公式表示為：D(X)={a | Ba↑X}=X腐蝕,膨脹,細(xì)化算法B，例如以下圖所看到的。圖中X是被處理的對象，B是結(jié)構(gòu)元素，不難知道，對于隨意一個在陰影部分的點a，Ba擊中X，所以X被B膨脹的結(jié)果就是那個陰影部分。陰影部分包含X的全部范圍，就象X膨脹了一圈似的，這就是為什么叫膨脹的原因

![圖片](//file.elecfans.com/web2/M00/8F/3F/poYBAGPjXwWAYVTXAAGdzZEFSiQ676.jpg)

在下圖中，左邊是被處理的圖象X(二值圖象，我們針對的是黑點)，中間是結(jié)構(gòu)元素B。膨脹的方法是，拿B的中心點和X上的點及X周圍的點一個一個地對，假設(shè)B上有一個點落在X的范圍內(nèi)，則該點就為黑；右邊是膨脹后的結(jié)果。能夠看出，它包含X的全部范圍，就象X膨脹了一圈似的。

![圖片](//file.elecfans.com/web2/M00/8F/C3/pYYBAGPjXwSAY1KwAAOC21wRXiM686.jpg)

我設(shè)計了一個簡單的膨脹算法，依次遍歷整個圖片的像素，分析每個像素的周圍八個像素，僅僅要該像素周圍存在黑色的像素，就設(shè)置該像素顏色為黑色。以下是使用膨脹算法處理經(jīng)過二值化后的圖像的實現(xiàn)代碼：

public bool[] getRoundPixel(Bitmap bitmap, int x, int y)//返回(x,y)周圍像素的情況，為黑色，則設(shè)置為true

{

bool[] pixels=new bool[8];

Color c;

int num = 0;

for (int i = -1; i < 2; i++)

{

for (int j = -1; j < 2; j++)

{

c = bitmap.GetPixel(x+i,y+j);

if (i != 0 || j != 0)

{

if (255 == c.G)//由于經(jīng)過了二值化，所以僅僅要檢查RGB中一個屬性的值

{

pixels[num] = false;//為白色，設(shè)置為false

num++;

}

else if(0==c.G)

{

pixels[num] = true;//為黑色，設(shè)置為true

num++;

}

}

}

}

return pixels;

}

public Bitmap expend()

{

Bitmap bitImage = new Bitmap(pictureBox2.Image);//處理pictureBox2中的圖片

Bitmap bitImage1 = new Bitmap(pictureBox2.Image);

int height = pictureBox1.Image.Height;

int width = pictureBox1.Image.Width;

bool[] pixels;

for (int i = 1; i < width-1; i++)

{

for (int j = 1; j < height-1; j++)

{

if (bitImage.GetPixel(i, j).R != 0)
                {
                    pixels = getRoundPixel(bitImage, i, j);
                    for (int k = 0; k < pixels.Length; k++)
                    {
                        if (pixels[k] == true)
                        {
                            //set this piexl's color to black
                            bitImage1.SetPixel(i, j, Color.FromArgb(0,0,0));
                            break;
                        }
                    }
                }
            }
        }
            return bitImage1;


    }

看看最終執(zhí)行的效果圖如下：

![圖片](//file.elecfans.com/web2/M00/8F/3F/poYBAGPjXwSABNzVAAAFQ6yAYyI591.jpg)