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 　double v1 = CosineInterpolate( x0y0, x1y0, xFrac ); 　double v2 = CosineInterpolate( x0y1, x1y1, xFrac ); 　// y interpolation 　return CosineInterpolate( v1, v2, yFrac ); }平滑的噪点，这个称呼似乎有点不协调，通过余弦插值，而不是离散余弦来运算。什么是余弦插值呢? /**//// ＜SUMMARY＞ // Cosine interpolation /// ＜/SUMMARY＞ protected double CosineInterpolate( double x1, double x2, double a ) { 　double f = ( 1 - Math.Cos( a * Math.PI ) ) * 0.5; 　return x1 * ( 1 - f ) + x2 * f; }

　　就是这个，有些事情，大师知道就够了，你就照着去做就行了，为什么?因为你可能一辈子也不明白，自然有人会去弄明白的，知识还在传承。就像你不必知道自己的胃酸比例，也可以放心的吃香喝辣一样，也不必担心子孙后代消化不良。有些事情不必强求，有点消极了，呵呵。

　　画面并不难，只要把握好调用关系就可以了，另外像photoshop那样的悬浮窗体是最佳的选择我认为：

// Invert image private void invertColorFiltersItem_Click(object sender, System.EventArgs e) { 　ApplyFilter(new Invert()); } // Apply filter on the image private void ApplyFilter(IFilter filter) { 　try 　{ 　　 // set wait cursor 　　 this.Cursor = Cursors.WaitCursor; 　　 // apply filter to the image 　　 Bitmap newImage = filter.Apply(image); 　　 if (host.CreateNewDocumentOnChange) 　　 { 　　　 // open new image in new document 　　　 host.NewDocument(newImage); 　　 } 　　 else 　　 { 　　　 if (host.RememberOnChange) 　　　 { 　　　　 // backup current image 　　　　 if (backup != null) 　　　　　 backup.Dispose(); 　　　　 backup = image; 　　　 } 　　　 else 　　　 { 　　　　 // release current image 　　　　 image.Dispose(); 　　　 } 　　　 image = newImage; 　　　 // update 　　　 UpdateNewImage(); 　　 } 　 } 　 catch (ArgumentException) 　 { 　　 MessageBox.Show("Selected filter can not be applied to the image", "Error", MessageBoxButtons.OK, MessageBoxIcon.Error); 　 } 　 finally 　 { 　　 // restore cursor 　　 this.Cursor = Cursors.Default; 　 } }调用顺畅的话，多少代码都不会觉得乱，对于初学者来说，要善用region。 这里还有个DocumentsHost的概念，用它来承载图像文件，并将图像和窗体连接起来，很方便 /**//// /// IDocumentsHost interface /// Provides connectione between documents and the main widnow /// public interface IDocumentsHost { 　bool CreateNewDocumentOnChange{get;} 　bool RememberOnChange{get;} 　bool NewDocument(Bitmap image); 　bool NewDocument(ComplexImage image); 　Bitmap GetImage(object sender, String text, Size size, PixelFormat format); }

　　欢迎大家跟我讨论。

查看本文来源