C# 不依赖 OpenCV 的图像处理算法：滤波、锐化与边缘检测
<h2 id="前言">前言</h2><p>数字图像处理作为计算机视觉和多媒体技术的基础内容，其核心不仅在于理解算法原理，更在于动手实现与验证。为了深入掌握本项目选择从底层像素级别出发，使用C#语言手动实现各类经典图像处理算法，避免依赖现成的高级图像库。</p>
<p>这种"从零开始"的方式虽然开发成本较高，却能真正厘清每个操作背后的数学逻辑与工程细节，也为后续学习更复杂的视觉任务打下坚实基础。</p>
<h2 id="项目介绍">项目介绍</h2>
<p>项目是一个基于.NET 平台开发的桌面级数字图像处理工具，在通过图形化界面直观展示多种图像处理算法的效果。</p>
<p>整个系统围绕System.Drawing.Bitmap类开发，直接操作像素数据完成各类变换，涵盖几何操作、灰度调整、噪声模拟、滤波去噪、边缘检测、图像分割等多个模块。</p>
<p>项目代码结构清晰，功能完整，既可用于学习参考，也适合作为开发项目。</p>
<h2 id="项目功能">项目功能</h2>
<p>1、支持图像的打开、保存及基本信息显示（如尺寸、颜色深度等）</p>
<p>2、提供灰度化转换与灰度直方图可视化功能</p>
<p>3、实现基本几何变换：旋转、放大、缩小、错切</p>
<p>4、支持线性灰度变换与直方图均衡化以增强图像对比度</p>
<p>5、可添加高斯噪声与椒盐噪声，并配套多种去噪滤波器</p>
<p>6、集成多种边缘检测算子：Roberts、Sobel、Laplacian、LoG、Wallis、双向梯度等</p>
<p>7、提供二值化处理及迭代阈值分割方法</p>
<p>8、包含二值图像后处理功能，如孤立点去除、轮廓提取、区域测量等</p>
<p>9、实现选择式掩膜滤波（LSMF）与KNN平滑滤波等进阶去噪策略<br>
10、内置完整的撤销（Undo）与重做（Redo）机制，便于操作回溯与效果对比</p>
<h2 id="项目特点">项目特点</h2>
<p>1、坚持从像素级别手动实现算法，不依赖OpenCV等封装库，强化原理理解</p>
<p>2、界面采用WPF构建，交互友好，参数输入动态生成，操作流程清晰</p>
<p>3、所有处理操作均可逆，支持多步历史记录，提升实验灵活性</p>
<p>4、代码模块化程度高，每个功能对应独立方法，便于阅读与扩展<br>
5、兼顾实用性，既能验证理论，也能处理真实图像任务</p>
<h2 id="项目技术">项目技术</h2>
<table>
<thead>
<tr>
<th>技术类别</th>
<th>具体说明</th>
</tr>
</thead>
<tbody>
<tr>
<td>开发语言</td>
<td>C#</td>
</tr>
<tr>
<td>运行平台</td>
<td>.NET Framework（使用 <code>System.Drawing.Bitmap</code> 处理位图）</td>
</tr>
<tr>
<td>UI 框架</td>
<td>WPF（Windows Presentation Foundation）</td>
</tr>
<tr>
<td>图像数据访问</td>
<td>通过 <code>Bitmap.GetPixel</code> / <code>SetPixel</code> 及 <code>HBITMAP</code> 指针与 WPF <code>Image</code> 控件对接</td>
</tr>
<tr>
<td>关键算法实现</td>
<td>双线性插值（用于缩放/旋转）、卷积核运算（用于滤波与边缘检测）、直方图统计、噪声模型模拟等</td>
</tr>
<tr>
<td>辅助技术</td>
<td>使用 <code>Operation</code> 类封装操作历史，支持 Undo/Redo；通过 Interop 调用 Win32 API 实现位图转换</td>
</tr>
</tbody>
</table>
<h2 id="项目代码">项目代码</h2>
<h3 id="为图片添加高斯噪声">为图片添加高斯噪声</h3>
<pre><code class="language-csharp">/// <summary>
/// 为图片添加高斯噪声
/// </summary>
private void GaussNoise(int k)
{
Random ran = new Random(GetRandomSeed());
Bitmap bmp_ = new Bitmap(bmp.Width, bmp.Height);
for (int i = 0; i < bmp.Width; i++)
{
for (int j = 0; j < bmp.Height; j++)
{
double r1 = ran.NextDouble();
double r2 = ran.NextDouble();
double result = Math.Sqrt((-2) * Math.Log(r2)) * Math.Sin(2 * Math.PI * r1);
result *= k;
Color c = bmp.GetPixel(i, j);
int rr = (int)(c.R + result),
gg = (int)(c.G + result),
bb = (int)(c.B + result);
if (rr > 255) rr = 255;
else if (rr < 0) rr = 0;
if (gg > 255) gg = 255;
else if (gg < 0) gg = 0;
if (bb > 255) bb = 255;
else if (bb < 0) bb = 0;
bmp_.SetPixel(i, j, Color.FromArgb(c.A, rr, gg, bb));
}
}
UpdateImg(ref bmp_);
}
</code></pre>
<h3 id="为图片添加椒盐噪声">为图片添加椒盐噪声</h3>
<pre><code class="language-csharp">/// <summary>
/// 为图片添加椒盐噪声
/// </summary>
/// <param name="SNR">信噪比</param>
/// <param name="pa">图片为暗点的概率</param>
private void SaltNoise(double SNR, double pa)
{
// 噪声点的数量
int NP = (int)(bmp.Width * bmp.Height * (1 - SNR));
Bitmap bmp_ = new Bitmap(bmp);
Random rand = new Random();
for (int i = 0; i < NP; i++)
{
int r = rand.Next(0, bmp.Height), c = rand.Next(0, bmp.Width);
double prob = rand.NextDouble();
if (prob > pa)
{
bmp_.SetPixel(c, r, Color.FromArgb(255, 255, 255));
}
else
{
bmp_.SetPixel(c, r, Color.FromArgb(0, 0, 0));
}
}
UpdateImg(ref bmp_);
}
</code></pre>
<h2 id="项目效果">项目效果</h2>
<p>项目运行稳定，能够准确还原各类经典图像处理算法的预期效果。例如，在对自然图像进行灰度化后，直方图均衡化显著提升了整体对比度；添加椒盐噪声后，中值滤波有效抑制了噪点而保留边缘；使用Sobel或LoG算子可清晰提取物体轮廓。</p>
<p><img src="https://img2024.cnblogs.com/blog/576536/202601/576536-20260105210103962-1763205682.png" width="50%" loading="lazy" style="display: block; margin-left: auto; margin-right: auto"></p>
<p><img src="https://img2024.cnblogs.com/blog/576536/202601/576536-20260105210118061-1765878502.png" width="50%" loading="lazy" style="display: block; margin-left: auto; margin-right: auto"></p>
<p><img src="https://img2024.cnblogs.com/blog/576536/202601/576536-20260105210140975-938016934.png" width="50%" loading="lazy" style="display: block; margin-left: auto; margin-right: auto"></p>
<p><img src="https://img2024.cnblogs.com/blog/576536/202601/576536-20260105210152223-942589643.png" width="50%" loading="lazy" style="display: block; margin-left: auto; margin-right: auto"></p>
<h2 id="总结">总结</h2>
<p>项目不仅是一次视觉的学习，更是一场对数字图像处理知识体系的深度实践。通过亲手编写每一个像素操作，可以穿透API的黑箱，真正理解"图像"在计算机中的表示方式以及各类变换的本质。这种自底向上的学习路径，虽略显笨拙，却最为扎实。对于希望夯实图像处理基础的大家而言，这个项目无疑是不错的参考。</p>
<h2 id="关键词">关键词</h2>
<p>数字图像处理、C#、像素操作、几何变换、灰度变换、噪声抑制、边缘检测、图像分割、WPF、直方图均衡化</p>
<h2 id="最后">最后</h2>
<p>如果你觉得这篇文章对你有帮助，不妨点个赞支持一下！你的支持是我继续分享知识的动力。如果有任何疑问或需要进一步的帮助，欢迎随时留言。</p>
<p>也可以加入微信公众号 社区，与其他热爱技术的同行一起交流心得，共同成长！</p>
<p><img src="https://img2024.cnblogs.com/blog/576536/202505/576536-20250527195524293-1794896295.png" width="50%" loading="lazy" style="display: block; margin-left: auto; margin-right: auto"></p><br><br>
来源：https://www.cnblogs.com/1312mn/p/19444713
頁:
[1]