从而那样测算全面,3.对图纸展开分割

File:      StudyRGB2Gray.txt
Name:      彩色转灰度算法彻底学习
Author:    zyl910
Version:   V1.0
Updata:    2006-5-22

思路如下:

作者:ts6969

一、基础

1.依照验证码图片的分析结果(重如若分析数字所在的像素地点)确定处理措施。

转自:http://bbs.ednchina.com/BLOG_ARTICLE_1999487.HTM

  对于彩色转灰度,有一个很出名的心绪学公式:
Gray = R*0.299 + G*0.587 + B*0.114

2.灰度化,然后二值化,生成单色位图。
3.对图纸展开分割

方法一:
对于彩色转灰度,有一个很著名的心理学公式:

                      Gray = R*0.299 + G*0.587 + B*0.114

 方法二:

 而实际应用时,希望避免低速的浮点运算,所以需要整数算法。
 注意到系数都是3位精度的没有,我们可以将它们缩放1000倍来实现整数运算算法:

                      Gray = (R*299 + G*587 + B*114 + 500) / 1000

 RGB一般是8位精度,现在缩放1000倍,所以上面的运算是32位整型的运算。注意后面那个除法是整数 除法,所以需要加上500来实现四舍五入。
  就是由于该算法需要32位运算,所以该公式的另一个变种很流行:

                      Gray = (R*30 + G*59 + B*11 + 50) / 100

  方法三:

 

3.读取单色位图的像素点,转换为0,1数组。

地方的平头算法已经急忙了,可是有一些仍制约速度,就是最终的非常除法。移位比除法快多了,所以能够将周密缩放成
2的整数幂。
不足为奇上使用16位精度,2的16次幂是65536,所以那样测算周全:

二、整数算法

4.把该数组和超前转移好的0-9的字样数组举办比对,取匹配率最大的非凡字模所对应的数字。

                      0.299 * 65536 = 19595.264 ≈ 19595
                      0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469
                      0.114 * 65536 + (0.896) =   7471.104 + 0.896 = 7472

  而实际上选择时,希望防止低速的浮点运算,所以需要整数算法。
  注意到周全都是3位精度的远非,我们可以将它们缩放1000倍来兑现整数运算算法:
Gray = (R*299 + G*587 + B*114 + 500) / 1000

 

也许过多个人瞧见了,我所采纳的舍入格局不是四舍五入。四舍五入会有较大的误差,应该将原先的计量结果的误差一起统计进去,舍入格局是去尾法:

  RGB一般是8位精度,现在缩放1000倍,所以地方的运算是32位整型的演算。注意前边那多少个除法是整数除法,所以必要添加500来落成四舍五入。
  就是出于该算法必要32位运算,所以该公式的另一个变种很流行:
Gray = (R*30 + G*59 + B*11 + 50) / 100

相关代码:

写成表明式是:

  然则,虽说上一个公式是32位整数运算,可是依照80×86连串的平头乘除指令的性状,是可以用16位整数乘除指令来运算的。而且现在32位早普及了(AMD64都出来了),所以推举应用上一个公式。

       /// <summary>
        /// To convert color image to grayscale image
        /// </summary>
        /// <param name="img">color images</param>
        /// <returns>grayscale images</returns>
        public static Bitmap ColorImageConvetGrayScale(Bitmap img)
        {

            int h = img.Height;
            int w = img.Width;
            int gray = 0;    //灰度值

            Bitmap bmpOut = new Bitmap(w, h, PixelFormat.Format24bppRgb);    //每像素3字节
            BitmapData dataIn = img.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);
            BitmapData dataOut = bmpOut.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);

            unsafe
            {

                byte* pIn = (byte*)(dataIn.Scan0.ToPointer());      //指向源文件首地址

                byte* pOut = (byte*)(dataOut.Scan0.ToPointer());  //指向目标文件首地址

                for (int y = 0; y < dataIn.Height; y++)  //列扫描
                {

                    for (int x = 0; x < dataIn.Width; x++)   //行扫描
                    {
                        gray = (pIn[0] * 19595 + pIn[1] * 38469 + pIn[2] * 7472) >> 16;  //灰度计算公式
                        pOut[0] = (byte)gray;     //R分量
                        pOut[1] = (byte)gray;     //G分量
                        pOut[2] = (byte)gray;     //B分量
                        pIn += 3; pOut += 3;      //指针后移3个分量位置
                    }
                    pIn += dataIn.Stride - dataIn.Width * 3;
                    pOut += dataOut.Stride - dataOut.Width * 3;
                }
            }
            bmpOut.UnlockBits(dataOut);
            img.UnlockBits(dataIn);
            return bmpOut;
        }

        /// <summary>
        ///Remove the border(For the custom)
        /// </summary>
        /// <param name="bitmap"></param>
        /// <param name="width">2</param>
        /// <returns></returns>
        public static Bitmap CutBorder(Bitmap bitmap,int width){
            Rectangle rect = new Rectangle(width,width,bitmap.Width-width*2,bitmap.Height-width*2);
            return bitmap.Clone(rect, bitmap.PixelFormat);
           // return newBitmap;
        }

       /// <summary>
        /// Image binarization, using fixed threshold HSB
        /// </summary>
        /// <param name="img">gray bitmap image</param>
        /// <returns></returns>
        public static Bitmap ConvertTo1BppWithHSBSpecifiedThreshold(Bitmap img)
        {
            int w = img.Width;
            int h = img.Height;
            Bitmap bmp01 = new Bitmap(w, h, PixelFormat.Format1bppIndexed);
            BitmapData data = bmp01.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite,PixelFormat.Format1bppIndexed);
            for (int y = 0; y < h; y++)
            {
                byte[] scan = new byte[(w + 7) / 8];
                for (int x = 0; x < w; x++)
                {
                    Color c = img.GetPixel(x, y);

                    if (c.GetBrightness() >= 0.5) scan[x / 8] |= (byte)(0x80 >> (x % 8));

                    //scan数组,然后八个像素为一组填进去,每个像素占字节的一个位(白1黑0)。使用位运算0x80 >> (x % 8)保证像素从左到右依次保存在字节的8个位上。
                   //你这个二值化代码回填像素信息的时候用的是Marshal的字节拷贝而已
                }
                Marshal.Copy(scan, 0, (IntPtr)((int)data.Scan0 + data.Stride * y), scan.Length);
            }
            bmp01.UnlockBits(data);
            return bmp01;
        }

       /// <summary>
        ///split img (custom made for the this verify code)
        /// </summary>
        /// <param name="grayBitmap"></param>
        /// <returns></returns>
        public static List<Bitmap> SplitImg(Bitmap grayBitmap)
        {
            List<int> listWidth = new List<int>();
            bool find = true;
            //找x轴坐标
            for (int x = 0; x < grayBitmap.Width; x++)
            {
                int times = 0;
                Color pixelColor;
                for (int y = 0; y < grayBitmap.Height; y++)
                {
                    pixelColor = grayBitmap.GetPixel(x, y);
                    if (find)
                    {
                        //if (Color.FromArgb(255, 255, 255).Equals(pixelColor))//check code color
                        if (pixelColor.R == 255)
                        {
                            listWidth.Add(x);
                            find = false;
                            continue;
                        }
                    }//the left of verify code 
                    else
                    {

                       // if (Color.FromArgb(0, 0, 0).Equals(pixelColor))//this column is black 
                        if (pixelColor.R==0)
                        {
                            times++;//make sure all the pixel is black;
                            if (times == grayBitmap.Height)
                            {
                                listWidth.Add(x);
                                find = true;
                            }
                        }
                    }//the right of verify code 
                    //Console.WriteLine(string.Format("x:{0} \t left:{1} \t Red:{2} \t grayBitmap.Height:{3}  times:{4}", x, find, pixelColor.R,grayBitmap.Height,times));
                }//height
            }//width

            List<Bitmap> bitmpaList = new List<Bitmap>();
            Rectangle tempRect;

            if (listWidth.Count == 8 || listWidth.Count == 7)
            {
                for (int i = 0; i < listWidth.Count; i = i + 2)
                {
                    if (listWidth.Count == 8)
                    {
                        tempRect = new Rectangle(new Point(listWidth[i], 0), new Size(listWidth[i + 1] - listWidth[i], grayBitmap.Height));
                    }
                    else
                    {
                        if (i < 6)
                        {
                            tempRect = new Rectangle(new Point(listWidth[i], 0), new Size(listWidth[i + 1] - listWidth[i], grayBitmap.Height));
                        }
                        else
                        {
                            tempRect = new Rectangle(new Point(listWidth[i], 0), new Size(grayBitmap.Width - listWidth[i], grayBitmap.Height));
                        }
                    }
                    bitmpaList.Add(grayBitmap.Clone(tempRect, grayBitmap.PixelFormat));
                }//split the pic
            }//the verify code is right
            else
            {
                logger.InfoFormat("[Fail]:{0}",listWidth.Count);
                grayBitmap.Save(string.Format("{0}\\{1}.bmp", FileHelper.MakeDir("pic"), DateTime.Now.ToString("yyyyMMddHHmmss")), ImageFormat.Bmp);
                Bitmap bitmapTemp = grayBitmap.Clone(new Rectangle(4, 0, grayBitmap.Width-4,grayBitmap.Height),grayBitmap.PixelFormat);
                bitmpaList = new List<Bitmap>(SplitImg(bitmapTemp, 4, 1));
            }
            return bitmpaList;
        }

        /// 返回黑白图片的点阵描述字串,1表示黑点,0表示白点
        /// </summary>
        /// <param name="singlepic">黑白图片</param>
        /// <param name="dgGrayValue">dgGrayValue:default 128</param>
        /// <returns></returns>
        public static string Get01BmpCode(Bitmap singlepic, int dgGrayValue)
        {
            Color piexl;
            StringBuilder sbPixelCode = new StringBuilder(1024);
            for (int posy = 0; posy < singlepic.Height; posy++)
                for (int posx = 0; posx < singlepic.Width; posx++)
                {
                    piexl = singlepic.GetPixel(posx, posy);
                    if (piexl.R < dgGrayValue)// Color.Black )
                    {
                        sbPixelCode.Append("1");
                    }
                    else
                    {
                        sbPixelCode.Append("0");
                    }
                }
            return sbPixelCode.ToString();
        }


        public static string getVerifyCodeStr(IDictionary<string, string> fdbCodesDic, string bitmapSpecialCode)
        {
            string verifyCodeStr ="";//the string to get
            string fdbCode = string.Empty;//the key
            int maxMatchNumber =-1;//最大的匹配次数

            foreach (KeyValuePair<string, string> kvp in fdbCodesDic)
            {
                fdbCode = kvp.Key;
                int currMatchNumber =0;//

                #region getMathchNumber
                int count = 0;
                if (fdbCode.Length > bitmapSpecialCode.Length)
                {
                    count = bitmapSpecialCode.Length;
                }//get the min index
                else
                {
                    count = fdbCode.Length;
                }



                for (int i = 0; i < count; i++)
                {
                    if (fdbCode[i]==bitmapSpecialCode[i])
                    {
                        currMatchNumber++;
                    }
                }//get the similarity  
                #endregion

                currMatchNumber =currMatchNumber-Math.Abs(fdbCode.Length - bitmapSpecialCode.Length);

                //logger.DebugFormat("Curr:{0}\t Max:{1}",currMatchNumber,maxMatchNumber);
                //logger.DebugFormat(bitmapSpecialCode);
                //logger.DebugFormat("Bitmap Key:{0} \t Value:{1}",kvp.Key,kvp.Value);
                if (currMatchNumber > maxMatchNumber)
                {

                    maxMatchNumber = currMatchNumber;
                    verifyCodeStr = kvp.Value;
                }//get the target verifycode 


            }//dic



            return verifyCodeStr;
        }
                      Gray = (R*19595 + G*38469 + B*7472) >> 16

 

补充:
五颜六色转灰度图片算法详解:

2至20位精度的周全:

三、整数移位算法

一、基础

                      Gray = (R*1 + G*2 + B*1) >> 2
                      Gray = (R*2 + G*5 + B*1) >> 3
                      Gray = (R*4 + G*10 + B*2) >> 4
                      Gray = (R*9 + G*19 + B*4) >> 5
                      Gray = (R*19 + G*37 + B*8) >> 6
                      Gray = (R*38 + G*75 + B*15) >> 7
                      Gray = (R*76 + G*150 + B*30) >> 8
                      Gray = (R*153 + G*300 + B*59) >> 9
                      Gray = (R*306 + G*601 + B*117) >> 10
                      Gray = (R*612 + G*1202 + B*234) >> 11
                      Gray = (R*1224 + G*2405 + B*467) >> 12
                      Gray = (R*2449 + G*4809 + B*934) >> 13
                      Gray = (R*4898 + G*9618 + B*1868) >> 14
                      Gray = (R*9797 + G*19235 + B*3736) >> 15
                      Gray = (R*19595 + G*38469 + B*7472) >> 16
                      Gray = (R*39190 + G*76939 + B*14943) >> 17
                      Gray = (R*78381 + G*153878 + B*29885) >> 18
                      Gray = (R*156762 + G*307757 + B*59769) >> 19
                      Gray = (R*313524 + G*615514 + B*119538) >> 20

  下边的整数算法已经火速了,然而有几许仍制约速度,就是终极的百般除法。移位比除法快多了,所以可以将周详缩放成
2的平头幂。
  习惯上采取16位精度,2的16次幂是65536,所以这么测算周详:
0.299 * 65536 = 19595.264 ≈ 19595
0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469
0.114 * 65536 + (0.896) =  7471.104 + 0.896 = 7472

对此彩色转灰度,有一个很有名的心情学公式:

周全察看地点的报表,那几个精度实际上是同一的:3与4、7与8、10与11、13与14、19与20
为此16位运算下最好的统计公式是利用7位精度,比原先不胜周详缩放100倍的精度高,而且速度快:

  可能过三人看见了,我所运用的舍入格局不是四舍五入。四舍五入会有较大的误差,应该将原先的计量结果的误差一起总计进去,舍入方式是去尾法:

Gray = R*0.299 + G*0.587 + B*0.114

                      Gray = (R*38 + G*75 + B*15) >> 7

  写成表明式是:
Gray = (R*19595 + G*38469 + B*7472) >> 16

二、整数算法

实在最有趣的仍然更加2位精度的,完全可以活动优化:

  2至20位精度的周全:
Gray = (R*1 + G*2 + B*1) >> 2
Gray = (R*2 + G*5 + B*1) >> 3
Gray = (R*4 + G*10 + B*2) >> 4
Gray = (R*9 + G*19 + B*4) >> 5
Gray = (R*19 + G*37 + B*8) >> 6
Gray = (R*38 + G*75 + B*15) >> 7
Gray = (R*76 + G*150 + B*30) >> 8
Gray = (R*153 + G*300 + B*59) >> 9
Gray = (R*306 + G*601 + B*117) >> 10
Gray = (R*612 + G*1202 + B*234) >> 11
Gray = (R*1224 + G*2405 + B*467) >> 12
Gray = (R*2449 + G*4809 + B*934) >> 13
Gray = (R*4898 + G*9618 + B*1868) >> 14
Gray = (R*9797 + G*19235 + B*3736) >> 15
Gray = (R*19595 + G*38469 + B*7472) >> 16
Gray = (R*39190 + G*76939 + B*14943) >> 17
Gray = (R*78381 + G*153878 + B*29885) >> 18
Gray = (R*156762 + G*307757 + B*59769) >> 19
Gray = (R*313524 + G*615514 + B*119538) >> 20

而实际上接纳时,希望幸免低速的浮点运算,所以需求整数算法。

                      Gray = (R + (WORD)G<<1 + B) >> 2

 另一种是 Adobe Photoshop 里的公式 
 Adobe RGB (1998) [gamma=2.20] 
 Gray = (R^2.2 * 0.2973 + G^2.2 * 0.6274 + B^2.2 * 0.0753)^(1/2.2)

  仔细察看地点的表格,这一个精度实际上是千篇一律的:3与4、7与8、10与11、13与14、19与20
  所以16位运算下最好的统计公式是运用7位精度,比在此此前尤其周详缩放100倍的精度高,而且速度快:
Gray = (R*38 + G*75 + B*15) >> 7

专注到周详都是3位精度的远非,我们得以将它们缩放1000倍来落到实处整数运算算法:

该措施运行速度稍慢,可是意义很好。

  其实最有意思的仍然极度2位精度的,完全可以活动优化:
Gray = (R + (WORD)G<<1 + B) >> 2

Gray = (R*299 + G*587 + B*114 + 500) / 1000

  还有就是   平均值方法 

  GRAY = (RED+BLUE+GREEN)/3

(GRAY,GRAY,GRAY ) 替代 (RED,GREEN,BLUE)

  由于误差很大,所以做图像处理绝不用该公式(最常用的是16位精度)。但对于游戏编程,场景寻常转移,用户一般无法观测到颜色的细微差异,所以最常用的是2位精度。

RGB一般是8位精度,现在缩放1000倍,所以地方的演算是32位整型的运算。注意后边这么些除法是整数除法,所以要求添加500来落成四舍五入。

即便出于该算法须要32位运算,所以该公式的另一个变种很流行:

Gray = (R*30 + G*59 + B*11 + 50) / 100

而是,虽说上一个公式是32位整数运算,可是根据80×86种类的平头乘除指令的特点,是可以用16位整数乘除指令来运算的。而且现在32位早普及了(英特尔64都出来了),所以推举应用上一个公式。

三、整数移位算法

上面的整数算法已经急速了,然而有少数仍制约速度,就是终极的很是除法。移位比除法快多了,所以可以将周到缩放成
2的整数幂。

司空眼惯上利用16位精度,2的16次幂是65536,所以那样总结周全:

0.299 * 65536 = 19595.264 ≈ 19595

0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469

0.114 * 65536 + (0.896) = 7471.104 + 0.896 = 7472

想必过多个人看见了,我所利用的舍入格局不是四舍五入。四舍五入会有较大的误差,应该将此前的猜度结果的误差一起总计进去,舍入格局是去尾法:

写成表明式是:

Gray = (R*19595 + G*38469 + B*7472) << 16

2至20位精度的全面:

Gray = (R*1 + G*2 + B*1) << 2

Gray = (R*2 + G*5 + B*1) << 3

Gray = (R*4 + G*10 + B*2) << 4

Gray = (R*9 + G*19 + B*4) << 5

Gray = (R*19 + G*37 + B*8) << 6

Gray = (R*38 + G*75 + B*15) << 7

Gray = (R*76 + G*150 + B*30) << 8

Gray = (R*153 + G*300 + B*59) << 9

Gray = (R*306 + G*601 + B*117) << 10

Gray = (R*612 + G*1202 + B*234) << 11

Gray = (R*1224 + G*2405 + B*467) << 12

Gray = (R*2449 + G*4809 + B*934) << 13

Gray = (R*4898 + G*9618 + B*1868) << 14

Gray = (R*9797 + G*19235 + B*3736) << 15

Gray = (R*19595 + G*38469 + B*7472) << 16

Gray = (R*39190 + G*76939 + B*14943) << 17

Gray = (R*78381 + G*153878 + B*29885) << 18

Gray = (R*156762 + G*307757 + B*59769) << 19

Gray = (R*313524 + G*615514 + B*119538) << 20

细心察看地点的报表,那一个精度实际上是均等的:3与4、7与8、10与11、13与14、19与20

从而16位运算下最好的总结公式是利用7位精度,比原先十二分周全缩放100倍的精度高,而且速度快:

Gray = (R*38 + G*75 + B*15) << 7

其实最有趣的依然那一个2位精度的,完全可以运动优化:

Gray = (R + (WORD)G< B >< 2

鉴于误差很大,所以做图像处理绝不用该公式(最常用的是16位精度)。但对于游戏编程,场景常常变化,用户一般无法观测到颜色的细微差距,所以最常用的是2位精度。 
http://www.cnblogs.com/diewcs/archive/2010/10/03/1841744.html

相关文章