黑白图像的缩小灰度级显示算法的编写

王朝delphi·作者佚名  2006-01-09
宽屏版  字体: |||超大  

大家都知道,黑白图像是0,1二值的,缩小显示的时候由于n个点转化成1个点会导致图像局部细节信息丢失,比如一条宽度一个象素的细线由于缩小可能就会没有显示,而使用灰度级显示正是能解决这个缩小显示的问题,Windows自带的Eastman Software提供的的图像处理可以在你缩小黑白图片的时候使用灰度级来显示,下面我们就来深入研究一下这个算法是如何实现的吧。

基本约定:

1. 灰度级缩小显示只正对黑白或者灰度影像,经过算法变换可用于彩色影像

2. 只有在显示<100%的时候灰度级显示才生效

3. 灰度级缩小算法是基于原始图像来运算

具体算法:

1. 缩小算法

按照与原图比例1:n来对原图nXn个点生成1个点(n可以是浮点数),考虑到效率可以使用灰度级变换,从0-255 取中间点127大于该值显示白小于改值显示黑色。

2. 灰度级显示算法

结合缩小算法nXn个点生成一个点的原则,在原图上按照每个点的权值和颜色相乘再除以n来得到生成点的颜色值。

例如:

a1 a2 a3 a4 a5 a6 a7 a8 a9 a10

|-----|---*-|-----|-*---|-----|*----|-----*-----|-----|-----|

|---------|---------|----------|----------|----------|---------|--

b1 b2 b3 b4 b5 b6

经过变换后

b1 = (1.0*a1+0.8*a2)/1.8

b2 = (0.2*a2+a3+0.6*a3)/1.8

……

这是一维坐标,扩展到二维空间算法相同。

具体实现方法:

1. 计算出缩小后的位图点阵大小(nXm)

比如原图100X100,缩放90%之后就是90X90点阵

2. 循环点阵,为每个点的颜色赋值

赋值方法取相关点颜色乘以相应权值累加除以权值和

原图

缩放为66.6%

计算每点值

Delphi代码如下

var

i,j:integer;

tmpColorR,tmpColorG,tmpColorB:dWord;

x,y:integer;

ScaleRate,ScaleRateX,ScaleRateY:real;

begin

//combobox1.text为缩放%

ScaleRate:=100/strtoFloatDef(combobox1.text,100);

//循环生成图像的点阵

for i:=0 to trunc(image1.Picture.Width/ScaleRate) do

for j:=0 to trunc(image1.Picture.height/ScaleRate) do

begin

tmpColorR:=0;

tmpColorG:=0;

tmpColorB:=0;

//为每个点累加相关节点的颜色

for x:=trunc(i*ScaleRate) to ceil(((i+1)*ScaleRate)-1) do

begin

for y:=trunc(j*ScaleRate) to ceil(((j+1)*ScaleRate)-1) do

begin

ScaleRateX:=Min(x+1,(i+1)*ScaleRate) - Max(x,i*ScaleRate);

ScaleRateY:=Min(y+1,(j+1)*ScaleRate) - Max(y,j*ScaleRate);

//取每个点的RGB值(如果是黑白或者灰度,只需要取得一位)

tmpColorR:=tmpColorR+trunc(ScaleRateX*ScaleRateY*(GetRValue(Image1.Canvas.Pixels[x,y])));

tmpColorG:=tmpColorG+trunc(ScaleRateX*ScaleRateY*(GetGValue(Image1.Canvas.Pixels[x,y])));

tmpColorB:=tmpColorB+trunc(ScaleRateX*ScaleRateY*(GetBValue(Image1.Canvas.Pixels[x,y])));

end;

end;

//为点赋值颜色

image2.Canvas.Pixels[i,j]:=RGB(trunc(tmpColorR/(ScaleRate*ScaleRate)),trunc(tmpColorG/(ScaleRate*ScaleRate)),trunc(tmpColorB/(ScaleRate*ScaleRate)));

end;

这个算法是我写的第一版本,还有很多优化余地,比如如果是黑白图像就不需要计算R G B,因为256级灰度全部是相同的

另外for循环中的表达式可能影像速度,还有用整数运算会比浮点快,等等。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
© 2005- 王朝网络 版权所有