基于.NET数字处理程序的框架设计

　2006-09-08 17:13:12　来源：WEB开发网　　　

核心提示： 接触数字图像处理最早是在高中，那时候photoshop还是4.0，基于.NET数字处理程序的框架设计，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，这里还有个DocumentsHost的概念，用它来承载图像文件，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

　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　　 /**//// <summary>
　 /// IDocumentsHost interface
　 /// Provides connectione between documents and the main widnow
　 /// </summary>
　 public interface IDocumentsHost
　 {
　　　 bool CreateNewDocumentOnChange{get;}
　　　 bool RememberOnChange{get;}