| 图像轮廓的提取 | 您所在的位置：网站首页 › 如何把图片轮廓提取出来 › 图像轮廓的提取 |
图像轮廓的提取
|
对图像边缘提取，常见的方式是先对图片进行灰度处理，然后再利用图像梯度算法提取出边框。我们先来看效果图
经过处理后的前后对比，可以看到，图形的轮廓已经大致提取了。现在来看实现的代码 using System; using System.Collections.Generic; using System.Drawing; using System.IO; using System.Linq; using System.Text; namespace BitmapOutlineSimulate { public class BitmapOutline { #region 内部变量 private Bitmap _bitmap = null; #endregion public BitmapOutline(Bitmap bitmap) { _bitmap = bitmap; } #region Calculate public Bitmap Calculate(GradientTypeEnum gradientType, int threshold) { Bitmap grayBitmap = new Bitmap(_bitmap.Width, _bitmap.Height); for (int i = 0; i < _bitmap.Width; i++) { for (int j = 0; j < _bitmap.Height; j++) { //得到像素的原始色彩 var oColor = _bitmap.GetPixel(i, j); //得到该色彩的亮度 var brightness = oColor.GetBrightness(); //用该亮度计算灰度 var gRGB = (int)(brightness * 255); //组成灰度色彩 var gColor = Color.FromArgb(gRGB, gRGB, gRGB); //最后将该灰度色彩赋予该像素 grayBitmap.SetPixel(i, j, gColor); } } var gradientTemplate = Gradient.GetGradientTemplate(gradientType); var destBitmap = EdgeDectect(grayBitmap, gradientTemplate, threshold); return destBitmap; } //template为模板，nThreshold是一个阈值， //用来将模板游历的结果（也就是梯度）进行划分。 //大于阈值的和小于阈值的分别赋予两种颜色，白或黑来标志边界和背景 private Bitmap EdgeDectect(Bitmap grayBitmap, int[,] template, int nThreshold) { var destBitmap = new Bitmap(grayBitmap.Width, grayBitmap.Height); //取出和模板等大的原图中的区域 int[,] gRGB = new int[3, 3]; //模板值结果，梯度 int templateValue = 0; //遍历灰度图中每个像素 for (int i = 1; i < grayBitmap.Width - 1; i++) { for (int j = 1; j < grayBitmap.Height - 1; j++) { //取得模板下区域的颜色，即灰度 gRGB[0, 0] = grayBitmap.GetPixel(i - 1, j - 1).R; gRGB[0, 1] = grayBitmap.GetPixel(i - 1, j).R; gRGB[0, 2] = grayBitmap.GetPixel(i - 1, j + 1).R; gRGB[1, 0] = grayBitmap.GetPixel(i, j - 1).R; gRGB[1, 1] = grayBitmap.GetPixel(i, j).R; gRGB[1, 2] = grayBitmap.GetPixel(i, j + 1).R; gRGB[2, 0] = grayBitmap.GetPixel(i + 1, j - 1).R; gRGB[2, 1] = grayBitmap.GetPixel(i + 1, j).R; gRGB[2, 2] = grayBitmap.GetPixel(i + 1, j + 1).R; //按模板计算 for (int m = 0; m < 3; m++) { for (int n = 0; n < 3; n++) { templateValue += template[m, n] * gRGB[m, n]; } } //将梯度之按阈值分类，并赋予不同的颜色 if (templateValue > nThreshold) { destBitmap.SetPixel(i, j, Color.FromArgb(255, 255, 255)); //白 } else { destBitmap.SetPixel(i, j, Color.FromArgb(0, 0, 0)); //黑 } templateValue = 0; } } return destBitmap; } #endregion } } 在Calculate函数中，先对图片进行了灰度处理，其原理就是获取图片的亮度然后与RGB色运算得到。在灰度处理后，使用图像梯度和阈值对图像进行处理。选择不同的梯度和阈值会处理出不同的结果，上图是使用Lapacian梯度和阈值125计算的结果。下面梯度的代码 using System; using System.Collections.Generic; using System.Linq; using System.Text; namespace BitmapOutlineSimulate { /// /// 梯度 /// public class Gradient { #region 常量 public static int[,] Lapacian = { { 1,1,1}, { 1,-8,1}, { 1,1,1} }; /// /// Sobel算子-水平 /// public static int[,] Sobel_Horizontal = { { -1,-2,-1}, { 0,0,0}, { 1,2,1} }; /// /// Sobel算子-垂直 /// public static int[,] Sobel_Vertical = { { -1,0,1}, { -2,0,2}, { -1,0,1} }; /// /// Sobel算子-对角线1 /// public static int[,] Sobel_Diagonal1 = { { 0,1,2}, { -1,0,1}, { -2,-1,0} }; /// /// Sobel算子-对角线2 /// public static int[,] Sobel_Diagonal2 = { { -2,-1,0}, { -1,0,1}, { 0,1,2} }; /// /// Prewitt算子-水平 /// public static int[,] Prewitt_Horizontal = { { -1,-1,-1}, { 0,0,0}, { 1,1,1} }; /// /// Prewitt算子-垂直 /// public static int[,] Prewitt_Vertical = { { -1,0,1}, { -1,0,1}, { -1,0,1} }; /// /// Prewitt算子-对角线1 /// public static int[,] Prewitt_Diagonal1 = { { 0,1,1}, { -1,0,1}, { -1,-1,0} }; /// /// Prewitt算子-对角线2 /// public static int[,] Prewitt_Diagonal2 = { { -1,-1,0}, { -1,0,1}, { 0,1,1} }; #endregion public static int[,] GetGradientTemplate(GradientTypeEnum gradientType) { int[,] gradientTemplate = null; switch (gradientType) { case GradientTypeEnum.Lapacian: { gradientTemplate = Lapacian; break; } case GradientTypeEnum.Sobel_Horizontal: { gradientTemplate = Sobel_Horizontal; break; } case GradientTypeEnum.Sobel_Vertical: { gradientTemplate = Sobel_Vertical; break; } case GradientTypeEnum.Sobel_Diagonal1: { gradientTemplate = Sobel_Diagonal1; break; } case GradientTypeEnum.Sobel_Diagonal2: { gradientTemplate = Sobel_Diagonal2; break; } case GradientTypeEnum.Prewitt_Horizontal: { gradientTemplate = Prewitt_Horizontal; break; } case GradientTypeEnum.Prewitt_Vertical: { gradientTemplate = Prewitt_Vertical; break; } case GradientTypeEnum.Prewitt_Diagonal1: { gradientTemplate = Prewitt_Diagonal1; break; } case GradientTypeEnum.Prewitt_Diagonal2: { gradientTemplate = Prewitt_Diagonal2; break; } default: break; } return gradientTemplate; } } } using System; using System.Collections.Generic; using System.Linq; using System.Text; namespace BitmapOutlineSimulate { public enum GradientTypeEnum { Lapacian, /// /// Sobel算子-水平 /// Sobel_Horizontal, /// /// Sobel算子-垂直 /// Sobel_Vertical, /// /// Sobel算子-对角线1 /// Sobel_Diagonal1, /// /// Sobel算子-对角线2 /// Sobel_Diagonal2, /// /// Prewitt算子-水平 /// Prewitt_Horizontal, /// /// Prewitt算子-垂直 /// Prewitt_Vertical, /// /// Prewitt算子-对角线1 /// Prewitt_Diagonal1, /// /// Prewitt算子-对角线2 /// Prewitt_Diagonal2 } } 灰度算法参考文章http://blog.csdn.net/chinaxhb/article/details/4038050 图像梯度参考文章http://blog.csdn.net/swj110119/article/details/51777422转载请注明出处。 |
【本文地址】
公司简介
联系我们