關於我自己

我的相片
累計超過15年的工作經驗,包括10年的設備製造業經驗,超過6年的光電零組件製造業經驗;10年的海外工作經驗,其中至今有5年以上的派駐經驗。 1.專注AOI檢測於10年以上(從光機設計、圖像分析、設備挑選、處理速度) 2.機器學習推論-onnx整合傳統演算法從瑕疵抓取、分析、分類 3.遷移式機器學習模式(工業應用、醫療應用) 4.整合:Python推論引擎、C++運算能力、C#友善介面 彈性使用 5.擅長利用專家模型推進專案,並熟悉使用OpenVINO、TensorRT、ONNXRUNTIME框架進行有效的實作與測試。

2011年10月6日 星期四

[轉貼]C#圖片處理之: 銳化

http://blog.csdn.net/ki1381/article/details/1568299

使用數碼相機,難免會拍糊一些照片。 但如果只是輕微糊掉,不妨可以嘗試先銳化再縮小的辦法補救。

銳化看起來很神奇,可以在一定程度內把不清晰的變清晰,這個和柔化正好相反。其實銳化的算法說穿了很簡單:

取每一點的周圍八點和自己本身共九個點。計算周圍八個點的平均值,把自己減去這個平均值得到一個差值。這個差值乘上一個系數(也就是銳化的程度),加上自己的原始值,得到一個新值。這個新值就是我們要的銳化以後的值。

啥都不說了,上DEMO。值得注意的是,下面的算法純粹是原理性的,其實可以作更進一步的優化。

///
/// 銳化
///

/// 原始Bitmap
/// 銳化程度。取值[0,1]。值越大銳化程度越高
/// 銳化後的圖像
public static Bitmap KiSharpen(Bitmap b, float val)
{
if (b == null)
{
return null;
}

int w = b.Width;
int h = b.Height;

try
{

Bitmap bmpRtn = new Bitmap(w, h, PixelFormat.Format24bppRgb);

BitmapData srcData = b.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);
BitmapData dstData = bmpRtn.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.WriteOnly, PixelFormat.Format24bppRgb);

unsafe
{
byte* pIn = (byte*)srcData.Scan0.ToPointer();
byte* pOut = (byte*)dstData.Scan0.ToPointer();
int stride = srcData.Stride;
byte* p;

for (int y = 0; y < h; y++)
{
for (int x = 0; x < w; x++)
{
//取周圍9點的值。位於邊緣上的點不做改變。
if (x == 0 || x == w - 1 || y == 0 || y == h - 1)
{
//不做
pOut[0] = pIn[0];
pOut[1] = pIn[1];
pOut[2] = pIn[2];
}
else
{
int r1, r2, r3, r4, r5, r6, r7, r8, r0;
int g1, g2, g3, g4, g5, g6, g7, g8, g0;
int b1, b2, b3, b4, b5, b6, b7, b8, b0;

float vR, vG, vB;

//左上
p = pIn - stride - 3;
r1 = p[2];
g1 = p[1];
b1 = p[0];

//正上
p = pIn - stride;
r2 = p[2];
g2 = p[1];
b2 = p[0];

//右上
p = pIn - stride + 3;
r3 = p[2];
g3 = p[1];
b3 = p[0];

//左側
p = pIn - 3;
r4 = p[2];
g4 = p[1];
b4 = p[0];

//右側
p = pIn + 3;
r5 = p[2];
g5 = p[1];
b5 = p[0];

//右下
p = pIn + stride - 3;
r6 = p[2];
g6 = p[1];
b6 = p[0];

//正下
p = pIn + stride;
r7 = p[2];
g7 = p[1];
b7 = p[0];

//右下
p = pIn + stride + 3;
r8 = p[2];
g8 = p[1];
b8 = p[0];

//自己
p = pIn;
r0 = p[2];
g0 = p[1];
b0 = p[0];

vR = (float)r0 - (float)(r1 + r2 + r3 + r4 + r5 + r6 + r7 + r8) / 8;
vG = (float)g0 - (float)(g1 + g2 + g3 + g4 + g5 + g6 + g7 + g8) / 8;
vB = (float)b0 - (float)(b1 + b2 + b3 + b4 + b5 + b6 + b7 + b8) / 8;

vR = r0 + vR * val ;
vG = g0 + vG * val;
vB = b0 + vB * val;

if (vR > 0)
{
vR = Math.Min(255, vR);
}
else
{
vR = Math.Max(0, vR);
}

if (vG > 0)
{
vG = Math.Min(255, vG);
}
else
{
vG = Math.Max(0, vG);
}

if (vB > 0)
{
vB = Math.Min(255, vB);
}
else
{
vB = Math.Max(0, vB);
}

pOut[0] = (byte)vB;
pOut[1] = (byte)vG;
pOut[2] = (byte)vR;

}

pIn += 3;
pOut += 3;
}// end of x

pIn += srcData.Stride - w * 3;
pOut += srcData.Stride - w * 3;
} // end of y
}

b.UnlockBits(srcData);
bmpRtn.UnlockBits(dstData);

return bmpRtn;
}
catch
{
return null;
}

} // end of KiSharpen

沒有留言: