基于Simple Image Statistics(简单图像统计,SIS)的图像二值化算法。

  这是个简单的算法,是全局二值算法的一种,算法执行速度快。

    算法过程简单描述如下: 

对于每一个像素,做如下处理 

      1、计算当前像素水平和垂直方向的梯度。 (two gradients are calculated  |I(x + 1, y) - I(x - 1, y)| and |I(x, y + 1) - I(x, y - 1)|);

    2、取两个梯度的最大值作为权重。(weight is calculated as maximum of two gradients);

       3、更新权重的和。(sum of weights is updated (weightTotal += weight));

4、更新加权像素之和 (sum of weighted pixel values is updated (total += weight * I(x, y)));

      之后,最终的阈值去加权像素之和和权重之和相除的值。

      这个算法在 Image Processing Lab in c# 的代码中有相关的说明。 

      从实际的操作上讲,我认为二值处理应该只针对灰度图像进行处理,这样才意义明确,因此,我在代码中给出了判断一副图像是否是灰度图像的一个函数:

  private bool IsGrayBitmap(Bitmap Bmp)
    {
        bool IsGray;
        if (Bmp.PixelFormat == PixelFormat.Format8bppIndexed)           // .net中灰度首先必然是索引图像
        {
            IsGray = true;
            if (Bmp.Palette.Entries.Length != 256)                      // 这个要求其实在PS中是不存在的
                IsGray = false;
            else
            {
                for (int X = 0; X < Bmp.Palette.Entries.Length; X++)    // 看看调色板的每一个分两值是不是都相等,且必须还要等于其在调色板中出现的顺序
                {
                    if (Bmp.Palette.Entries[X].R != X || Bmp.Palette.Entries[X].G != X || Bmp.Palette.Entries[X].B != X)
                    {
                        IsGray = false;
                        break;
                    }
                }
            }
        }
        else
        {
            IsGray = false;
        }
        return IsGray;
    }

实际上,在PS的概念中,灰度图像的调色板个数不一定是256,只要调色板的每个元素的分量值都相等,并且都等于其在调色板中出现的顺序,PS就认为他是灰度图像。

     为了处理方便,我加入了一个将其他模式的图像转换为灰度模式图像的函数:

    private Bitmap ConvertToGrayModeBitmap(Bitmap Bmp)
    {
        int X, Y, SrcStride, DestStride, Width, Height;
        byte* SrcData, DestData;
        BitmapData BmpData = Bmp.LockBits(new Rectangle(0, 0, Bmp.Width, Bmp.Height), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);
        Bitmap GrayBmp = new Bitmap(Bmp.Width, Bmp.Height, PixelFormat.Format8bppIndexed);
        ColorPalette Pal = GrayBmp.Palette;
        for (Y = 0; Y < Pal.Entries.Length; Y++) Pal.Entries[Y] = Color.FromArgb(255, Y, Y, Y);            // 设置灰度图像的调色板
        GrayBmp.Palette = Pal;

        //  LockBits 在第一个参数和图像一样大,以及读取格式和原始一样的情况下,调用函数的时间为0,且每次调用后BitmapData的Scan0都相同,而在
        // 其他的大部分情况下同样参数调用该函数返回的Scan0都不同,这就说明在在程序内部,GDI+为在创建图像时还是分配了和对应位图一样大小内存空间,
        // 这样我们就可以再加载时调用一次该函数,并记住Scan0的值,然后直接用指针操作这一片区域,就相当于操作了图像。而不用每次都LOCK和UNLOCK了
        // 从这个层次上说,该函数和GetDibits类似。

        BitmapData GrayBmpData = GrayBmp.LockBits(new Rectangle(0, 0, GrayBmp.Width, GrayBmp.Height), ImageLockMode.ReadWrite, PixelFormat.Format8bppIndexed);
        Width = BmpData.Width; Height = BmpData.Height;
        SrcStride = BmpData.Stride; DestStride = GrayBmpData.Stride;           //  这个值并不一定就等于width*height*色深/8
        for (Y = 0; Y < Height; Y++)
        {
            SrcData = (byte*)BmpData.Scan0 + Y * SrcStride;                  // 必须在某个地方开启unsafe功能,其实C#中的unsafe很safe,搞的好吓人。
            DestData = (byte*)GrayBmpData.Scan0 + Y * DestStride;
            for (X = 0; X < Width; X++)
            {
                *DestData = (byte)((*SrcData * 7472 + *(SrcData + 1) * 38469 + *(SrcData + 2) * 19595) >> 16);        //这里可以有不同的算法
                SrcData += 3;
                DestData++;
            }
        }
        Bmp.UnlockBits(BmpData);
        GrayBmp.UnlockBits(GrayBmpData);
        return GrayBmp;
    }

  在很多人心目中所谓的灰度图像就是R=G=B这样的图像,只能说这些人还是门外汉,太不专业了。 这样的图像只能算是颜色分量相同的彩色图像罢了,再次予以纠正。

      由于上述所描述的算法涉及到了图像的四领域,因此我们采用类似PhotoShop算法原理解析系列 - 风格化---》查找边缘 一文中的哨兵算法,对备份的图像扩充边界,扩充部分的数据以原始图像边界处的值填充。因为只涉及到了四领域,因此需要在图像宽度和高度上分别增加2个像素即可。

      关于填充数据,我还是喜欢自己分配内存,而且我更倾向于直接使用API,这个可能与个人习惯有关吧,你们也可以按照自己的方式来处理。 

    private byte GetSimpleStatisticsThreshold(Bitmap GrayBmp)
    {
        int Width, Height, Stride, X, Y;
        int CloneStride, Ex, Ey;
        int Weight = 0;
        long SumWeight = 0;                 //  对于大图像这个数字会溢出,所以用long类型的变量
        byte* Pointer, Scan0, CloneData;

        BitmapData GrayBmpData = GrayBmp.LockBits(new Rectangle(0, 0, GrayBmp.Width, GrayBmp.Height), ImageLockMode.ReadOnly, PixelFormat.Format8bppIndexed);

        Width = GrayBmp.Width; Height = GrayBmp.Height; Stride = GrayBmpData.Stride; CloneStride = Width + 2; Scan0 = (byte*)GrayBmpData.Scan0;
        CloneData = (byte*)GlobalAlloc(GPTR, CloneStride * (Height * 2));

        for (Y = 0; Y < Height; Y++)
        {
            *(CloneData + (Y + 1) * CloneStride) = *(Scan0 + Y * Stride);                           //  填充左侧第一列像素(不包括第一个和最后一个点)
            CopyMemory(CloneData + CloneStride * (Y + 1) + 1, Scan0 + Y * Stride, Width);
            *(CloneData + (Y + 1) * CloneStride + Width + 1) = *(Scan0 + Y * Stride + Width - 1);   //  填充最右侧那一列的数据
        }
        CopyMemory(CloneData, CloneData + CloneStride, CloneStride);                                //   第一行
        CopyMemory(CloneData + (Height + 1) * CloneStride, CloneData + Height * CloneStride, CloneStride);    //   最后一行

        for (Y = 0; Y < Height; Y++)
        {
            Pointer = CloneData + (Y + 1) * CloneStride + 1;
            for (X = 0; X < Width; X++)
            {
                Ex = *(Pointer - 1) - *(Pointer + 1);
                if (Ex < 0) Ex = -Ex;
                Ey = *(Pointer - CloneStride) - *(Pointer + CloneStride);
                if (Ey < 0) Ey = -Ey;
                if (Ex > Ey)
                {
                    Weight += Ex;
                    SumWeight += *Pointer * Ex;
                }
                else
                {
                    Weight += Ey;
                    SumWeight += *Pointer * Ey;
                }
                Pointer++;
            }
        }
        GlobalFree((IntPtr)CloneData);
        GrayBmp.UnlockBits(GrayBmpData);
        if (Weight == 0) return *(Scan0);  //  说明所有的颜色值都相同
        return (byte)(SumWeight / Weight);
    }

一般情况下,为了程序的速度考虑,对于一些小函数我建议直接自己展开,比如上面的ABS函数,直接写成if (Ex < 0) Ex = -Ex会快一些的。你通过下面的反汇编可以看出不同:

                Ex = Math.Abs(Ex);
00000161  js          00000167 
00000163  mov         eax,esi 
00000165  jmp         0000016E 
00000167  mov         ecx,esi 
00000169  call        638C54E4 
0000016e  mov         esi,eax 
                if (Ex < 0) Ex = -Ex;
00000170  test        eax,eax 
00000172  jge         00000176 
00000174  neg         esi 

     分割的效果可能还是要拿具体的图像说事,这里不做过多评论。 

     工程下载地址:http://files.cnblogs.com/Imageshop/ThresholdUseSIS.rar

   博客园的网站分类里居然没有图像处理一栏,只有计算机图形学一项,其实搞这一行的都知道,这两个是完全不同的行业。希望博客园考虑增加图像处理一栏。

***************************作者: laviewpbt   时间: 2013.7.21    联系QQ:  33184777  转载请保留本行信息*************************

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏月色的自留地

从锅炉工到AI专家(10)

1955
来自专栏生信技能树

生信基础50问-GC含量是否应该成正态分布呢

起初fastqc软件是为鸟枪法测序的WGS开发的,所以其报告的很多项目其实并不适合于其它NGS组学数据。比如下面的各项统计:

792
来自专栏趣学算法

算法之美——算法复杂性

《趣学算法》在线章节:http://www.epubit.com.cn/book/details/4825

681
来自专栏书山有路勤为径

Creating a Filter, Edge Detection

Below, you've been given one common type of edge detection filter: a Sobel opera...

641
来自专栏Spark学习技巧

(译)理解 LSTM 网络 (Understanding LSTM Networks by colah)

1233
来自专栏我是攻城师

海量数据去重之SimHash算法简介和应用

3609
来自专栏iOSDevLog

ARKit和CoreLocation

演示代码 ARKit和CoreLocation:第一部分 ARKit和CoreLocation:第二部分 ARKit和CoreLocation:第三部分

582
来自专栏生信技能树

比较不同的对单细胞转录组数据normalization方法

使用CPM去除文库大小影响 之所以需要normalization,就是因为测序的各个细胞样品的总量不一样,所以测序数据量不一样,就是文库大小不同,这个因素是肯定...

4496
来自专栏大学生计算机视觉学习DeepLearning

手指静脉细化算法过程原理解析 以及python实现细化算法

1284
来自专栏大学生计算机视觉学习DeepLearning

手指静脉细化算法过程原理解析 以及python实现细化算法

4185

扫码关注云+社区