AForge学习笔记（10）：AForge.Imaging.Filters

最新推荐文章于 2025-04-12 22:28:47 发布

捷杰耶夫

最新推荐文章于 2025-04-12 22:28:47 发布

阅读量6.6k

点赞数 2

分类专栏： C# AForge 图像

图像同时被 3 个专栏收录

271 篇文章

订阅专栏

215 篇文章

订阅专栏

AForge

25 篇文章

订阅专栏

作者：GAO-XIANG

转自：http://blog.youkuaiyun.com/xiang__jiangsu/article/details/8144304

AdaptiveSmoothing：图像平滑处理，用于对图像进行适度的平滑，再平滑噪声的条件下保留边缘效应，实现如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\0.jpg");
Bitmap bt1 = bt.Clone(new Rectangle(new Point(0,0),bt.Size),bt.PixelFormat);
pictureBox1.Image = bt;
// create filter
AForge.Imaging.Filters.AdaptiveSmoothing filter = new AForge.Imaging.Filters.AdaptiveSmoothing();
// apply the filter
filter.ApplyInPlace(bt1);

运行结果：

Add ：将原始图像和叠置图像像素相加得到新图像，我们通过红色+黄色=橙色来展示运行结果：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
Bitmap bt1 = new Bitmap(@"C:\Users\GAOXIANG\Desktop\2.jpg");
// 创建过滤器
AForge.Imaging.Filters.Add filter = new AForge.Imaging.Filters.Add(bt);
//图像相加
Bitmap resultImage = filter.Apply(bt1);

运行结果：

AdditiveNoise：通俗的翻译，我们可以理解为添加剂噪声滤波器，在原始图像的像素中添加一个随机值，随机值由IRandomNumberGenerator生成，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
pictureBox1.Image = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
// 创建随机数组
IRandomNumberGenerator generator = new UniformGenerator(new Range(-50, 50));
// 创建过滤器
AForge.Imaging.Filters.AdditiveNoise filter = new AForge.Imaging.Filters.AdditiveNoise(generator);
// 图像处理
filter.ApplyInPlace(bt);

运行结果：

BackwardQuadrilateralTransformation：后向四边形转换，可以实现将原始图像转换到目标图像的四边形区域当中，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
Bitmap bt1 = new Bitmap(@"C:\Users\GAOXIANG\Desktop\2.jpg");
// 定义四边形角点
List<IntPoint> corners = new List<IntPoint>();
corners.Add(new IntPoint(99, 99));
corners.Add(new IntPoint(156, 79));
corners.Add(new IntPoint(184, 126));
corners.Add(new IntPoint(122, 150));
// create filter
AForge.Imaging.Filters.BackwardQuadrilateralTransformation filter = new AForge.Imaging.Filters.BackwardQuadrilateralTransformation(bt, corners);
// apply the filter
Bitmap newImage = filter.Apply(bt1);

运行结果：

BayerDithering：基于Bayer 矩阵的图像有序抖动，实现如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
Bitmap bt1 = bt.Clone(new Rectangle(new Point(0,0),bt.Size),PixelFormat.Format8bppIndexed);
// 创建过滤器
AForge.Imaging.Filters.BayerDithering filter = new AForge.Imaging.Filters.BayerDithering();
// 图像过滤
filter.ApplyInPlace(bt1);

运行结果：

BayerFilter：通过色彩传感器建立色彩矩阵将灰度图转为彩色图。

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\3.jpg");
//Bitmap bt1 = bt.Clone(new Rectangle(new Point(0,0),bt.Size),PixelFormat.Format8bppIndexed);
// 生成过滤器
BayerFilter filter = new BayerFilter();
// apply the filter
Bitmap rgbImage = filter.Apply(bt);

运行结果：

BilateralSmoothing：使用色彩和空间因子进行保存边缘效应，消除噪声的双向平滑。示例如下：
Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\2.jpg");
// create filter
AForge.Imaging.Filters.BilateralSmoothing filter = new AForge.Imaging.Filters.BilateralSmoothing();
filter.KernelSize = 7;
//空间因子
filter.SpatialFactor = 10;
//色彩因子
filter.ColorFactor = 60;
filter.ColorPower = 0.5;
// apply the filter
filter.ApplyInPlace(bt);

运行结果：

BlobsFiltering：将一定大小的对象剔除，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.bmp");
// 创建过滤器
AForge.Imaging.Filters.BlobsFiltering filter = new AForge.Imaging.Filters.BlobsFiltering();
// 设置过滤条件（对象长、宽至少为70）
filter.CoupledSizeFiltering = true;
filter.MinWidth = 100;
filter.MinHeight = 80;
filter.ApplyInPlace(bt);

运行结果：

Blur：对图像实施模糊变换。

BradleyLocalThresholding：局部阈值处理，当像素值比邻近窗体所有像素的均值低百分之t 时将该点取为黑，否者均为白。示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\2.jpg");
AForge.Imaging.Filters.BradleyLocalThresholding filter = new AForge.Imaging.Filters.BradleyLocalThresholding();
filter.ApplyInPlace(bt);

运行结果：

BrightnessCorrection :灰度矫正，若输入的矫正数p为正，则将输入图像灰度值范围变换为【0,255-p】，输出范围为【p，255】，当为负时输入范围【-p，255】，输出范围【0，255-p】。

CannyEdgeDetector：使用Canny边缘检测算子检测边缘，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
Bitmap bt1 = bt.Clone(new Rectangle(new Point(0, 0), bt.Size), System.Drawing.Imaging.PixelFormat.Format8bppIndexed);
AForge.Imaging.Filters.CannyEdgeDetector filter = new AForge.Imaging.Filters.CannyEdgeDetector();
filter.ApplyInPlace(bt1);

运行结果：

CanvasCrop，CanvasFill，CanvasMove：对特定区域进行色彩填充，或对图像进行整体移动。

ChannelFiltering：对彩色图像RGB通道进行灰度过滤，在某以特定范围的至将被保留或去除，使用如下：
Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
AForge.Imaging.Filters.ChannelFiltering filter = new AForge.Imaging.Filters.ChannelFiltering();
// 确定通道过滤范围
filter.Red = new IntRange(0, 255);
filter.Green = new IntRange(100, 255);
filter.Blue = new IntRange(100, 255);
filter.ApplyInPlace(bt);

运行结果：

Closing：方法：对图像中的单个对象进行膨胀，在进行侵蚀，由于膨胀会使本来不相连的独立对象相互连接，使得即是侵蚀也依旧能保持对象的相连状态。

ColorRemapping:与LevelsLinear不同，ColorRemapping可以对图像进行非线性变换，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
byte[] map = new byte[256];
for (int i = 0; i < 256; i++)
{
map[i] = (byte)Math.Min(255, Math.Pow(2, (double)i / 32));
}
// create filter
AForge.Imaging.Filters.ColorRemapping filter = new AForge.Imaging.Filters.ColorRemapping(map, map, map);
// apply the filter
filter.ApplyInPlace(bt);

运行结果：

Connectedcomponentslabeling：通过为不同对象去不同颜色来区别图像中的不同部分。

ConservativeSmoothing：使用矩阵窗口在图像中搜索，将窗口中最小或最大值用平均值来代替以此消除噪声。

Convolution ：卷积操作，通过设置不同的卷积矩阵获得不同的图像处理效果，如下面示例：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
pictureBox1.Image = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
// 定义卷积核
int[,] kernel = {
{ -2, -1, 0 },
{ -1, 1, 1 },
{ 0, 1, 2 } };
//创建过滤器
AForge.Imaging.Filters.Convolution filter = new AForge.Imaging.Filters.Convolution(kernel);
filter.ApplyInPlace(bt);

运行结果：

CornersMarker ：通过角点算法探测并高亮显示角点，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.bmp");
// create corner detector's instance
SusanCornersDetector scd = new SusanCornersDetector();
// create corner maker filter
AForge.Imaging.Filters.CornersMarker filter = new AForge.Imaging.Filters.CornersMarker(scd, Color.Black);
// apply the filter
filter.ApplyInPlace(bt);

运行结果：

Crop ：对原始图像确定矩形边界点并生成新图。

Difference ：原始图像与叠置图像的差分运算。

DifferenceEdgeDetector：在四方向上计算像素的差分最大值，因此获得边缘线（原始图像为灰度图），示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
pictureBox2.Image = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
// create filter
AForge.Imaging.Filters.DifferenceEdgeDetector filter = new AForge.Imaging.Filters.DifferenceEdgeDetector();
// apply the filter
filter.ApplyInPlace(bt);

运行结果：

Dilatation：膨胀算法，原理十分简单，去一定的临近像素，并将；临近像素最大值赋给当前像素。

Edges：简单的边缘探测。

Erosion ：图像侵蚀，与膨胀算法完全相反，将临近像素最小值赋给当前点。

EuclideanColorFiltering：欧几里德色彩过滤，使用RGB球体对色彩进行过滤。

ExtractBiggestBlob：从图像中裁剪出最大的对象。

ExtractChannel：获得彩色图像中的一个通道，并返回灰度图像。

FillHoles：用于填补空洞。

FilterIterator：用于过滤迭代操作，该类本身并未实现过滤功能，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
FiltersSequence filterSequence = new FiltersSequence();
filterSequence.Add(new HitAndMiss(
new short[,] { { 0, 0, 0 }, { -1, 1, -1 }, { 1, 1, 1 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { -1, 0, 0 }, { 1, 1, 0 }, { -1, 1, -1 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { 1, -1, 0 }, { 1, 1, 0 }, { 1, -1, 0 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { -1, 1, -1 }, { 1, 1, 0 }, { -1, 0, 0 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { 1, 1, 1 }, { -1, 1, -1 }, { 0, 0, 0 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { -1, 1, -1 }, { 0, 1, 1 }, { 0, 0, -1 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { 0, -1, 1 }, { 0, 1, 1 }, { 0, -1, 1 } },
HitAndMiss.Modes.Thinning));
filterSequence.Add(new HitAndMiss(
new short[,] { { 0, 0, -1 }, { 0, 1, 1 }, { -1, 1, -1 } },
HitAndMiss.Modes.Thinning));
// 进行十次迭代
AForge.Imaging.Filters.FilterIterator filter = new AForge.Imaging.Filters.FilterIterator(filterSequence, 10);
Bitmap newImage = filter.Apply(bt);

运行结果：

GammaCorrection:基于公式：V(output)=V(input)^g，g为改正系数。

GaussianBlur，GaussianSharpen：高斯模糊，高思锐化。

Grayscale ：图像的灰度变换，R\G\B三通道以一定的比值求和获得像素灰度值。

GrayscaleToRGB：将灰度图转换为彩色图。

HistogramEqualization：直方图均衡化，示例如下：

Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
// 创建过滤器
AForge.Imaging.Filters.HistogramEqualization filter = new AForge.Imaging.Filters.HistogramEqualization();
filter.ApplyInPlace(bt);

运行结果：

HomogenityEdgeDetector :边缘探测。

IterativeThreshold：迭代阈值法，最后生成非黑即白的图像，具体算法过程为：1）设定初始阈值，小于阈值取背景色，大于阈值取对象色 2）阈值的一半继续迭代运算 3）当上一阈值与本阈值只差绝对值小于某值时停止运算。

OilPainting：处理原理很简单：首先确定一定的搜索面积，在搜索区域内寻找出现频率最高的灰度值，找到后将其值赋值给当前搜索中心像素。示例如下：
Bitmap bt = new Bitmap(@"C:\Users\GAOXIANG\Desktop\1.jpg");
// 确定画笔为15
OilPainting filter = new OilPainting(30);
// apply the filter
filter.ApplyInPlace(bt);

运行结果：

Opening：相当于对图像先进行侵蚀后进行膨胀。

Pixellate：通过产生一定的矩形大小，使矩形中的像素具有相同的像素值，以此产生类似于马赛克的图像效果。

QuadrilateralTransformation：提取原图像中的四边形区域的图像信息。

StereoAnaglyph：用于产生立体视图，提供的初始影像应当具有不同的视角，示例如下：

// create filter
StereoAnaglyph filter = new StereoAnaglyph( );
// set right image as overlay
filter.Overlay = rightImage
// apply the filter (providing left image)
Bitmap resultImage = filter.Apply( leftImage );

运行结果：