C#原生圖像處理實(shí)戰(zhàn)之濾波、銳化與邊緣檢測(cè)操作詳解
在 C# 開發(fā)中，許多開發(fā)者習(xí)慣借助 OpenCV（通過(guò) EmguCV 等封裝）進(jìn)行圖像處理。然而，在某些輕量級(jí)項(xiàng)目、教學(xué)場(chǎng)景或?qū)Φ谌揭蕾嚸舾械沫h(huán)境中，我們更希望使用 .NET 原生能力完成基礎(chǔ)圖像處理任務(wù)。本文將帶你從零開始，僅使用 System.Drawing（或 .NET 6+ 中的 ImageSharp）實(shí)現(xiàn)三種經(jīng)典圖像處理算法：均值/高斯濾波、圖像銳化 和 邊緣檢測(cè)（Sobel 算子） 。
注意：從 .NET Core 3.0 起，System.Drawing.Common 在非 Windows 平臺(tái)需額外配置，推薦在新項(xiàng)目中使用跨平臺(tái)友好的 SixLabors.ImageSharp。本文以 System.Drawing 為例便于理解，文末會(huì)提供 ImageSharp 的適配建議。
一、準(zhǔn)備工作：讀取與寫入像素
所有圖像處理的核心是對(duì)像素的操作。我們首先封裝一個(gè)輔助類，用于安全地獲取和設(shè)置像素值：
using System.Drawing;
public static class ImageHelper
{
public static Color GetPixelSafe(Bitmap bmp, int x, int y)
{
if (x < 0 || x >= bmp.Width || y < 0 || y >= bmp.Height)
return Color.Black; // 邊界外視為黑色
return bmp.GetPixel(x, y);
}
public static void SetPixelSafe(Bitmap bmp, int x, int y, Color color)
{
if (x >= 0 && x < bmp.Width && y >= 0 && y < bmp.Height)
bmp.SetPixel(x, y, color);
}
}
提示：GetPixel/SetPixel 性能較低，生產(chǎn)環(huán)境建議使用 LockBits 直接操作內(nèi)存。但為簡(jiǎn)化邏輯，本文使用此方式。
二、圖像濾波（平滑）
1. 均值濾波（Mean Filter）
使用 3×3 鄰域平均值替代中心像素，可有效降噪。
public static Bitmap MeanFilter(Bitmap src)
{
Bitmap dst = new Bitmap(src.Width, src.Height);
int[,] kernel = {
{1, 1, 1},
{1, 1, 1},
{1, 1, 1}
};
int factor = 9; // 3x3
for (int y = 0; y < src.Height; y++)
{
for (int x = 0; x < src.Width; x++)
{
int r = 0, g = 0, b = 0;
for (int ky = -1; ky <= 1; ky++)
{
for (int kx = -1; kx <= 1; kx++)
{
Color c = ImageHelper.GetPixelSafe(src, x + kx, y + ky);
r += c.R * kernel[ky + 1, kx + 1];
g += c.G * kernel[ky + 1, kx + 1];
b += c.B * kernel[ky + 1, kx + 1];
}
}
r /= factor; g /= factor; b /= factor;
ImageHelper.SetPixelSafe(dst, x, y, Color.FromArgb(
Math.Clamp(r, 0, 255),
Math.Clamp(g, 0, 255),
Math.Clamp(b, 0, 255)));
}
}
return dst;
}
2. 高斯濾波（Gaussian Filter）
使用高斯核（如 3×3 σ=1）實(shí)現(xiàn)更自然的模糊效果：
// 3x3 高斯核 (σ≈0.8)
int[,] gaussianKernel = {
{1, 2, 1},
{2, 4, 2},
{1, 2, 1}
};
int gaussianFactor = 16;
將上述 kernel 和 factor 替換即可復(fù)用均值濾波代碼結(jié)構(gòu)。
三、圖像銳化（Unsharp Masking）
銳化可通過(guò)“原圖 + (原圖 - 模糊圖) × 強(qiáng)度”實(shí)現(xiàn)，也可直接使用拉普拉斯核：
public static Bitmap Sharpen(Bitmap src)
{
Bitmap dst = new Bitmap(src.Width, src.Height);
// 拉普拉斯銳化核
int[,] kernel = {
{0, -1, 0},
{-1, 5, -1},
{0, -1, 0}
};
for (int y = 0; y < src.Height; y++)
{
for (int x = 0; x < src.Width; x++)
{
int r = 0, g = 0, b = 0;
for (int ky = -1; ky <= 1; ky++)
{
for (int kx = -1; kx <= 1; kx++)
{
Color c = ImageHelper.GetPixelSafe(src, x + kx, y + ky);
int weight = kernel[ky + 1, kx + 1];
r += c.R * weight;
g += c.G * weight;
b += c.B * weight;
}
}
// 不除以因子（因核和為1），直接裁剪
ImageHelper.SetPixelSafe(dst, x, y, Color.FromArgb(
Math.Clamp(r, 0, 255),
Math.Clamp(g, 0, 255),
Math.Clamp(b, 0, 255)));
}
}
return dst;
}
四、邊緣檢測(cè)（Sobel 算子）
Sobel 通過(guò)計(jì)算 X 和 Y 方向梯度，合成邊緣強(qiáng)度：
public static Bitmap SobelEdgeDetection(Bitmap src)
{
Bitmap dst = new Bitmap(src.Width, src.Height);
int[,] sobelX = {
{-1, 0, 1},
{-2, 0, 2},
{-1, 0, 1}
};
int[,] sobelY = {
{-1, -2, -1},
{ 0, 0, 0},
{ 1, 2, 1}
};
for (int y = 0; y < src.Height; y++)
{
for (int x = 0; x < src.Width; x++)
{
int gxR = 0, gyR = 0;
int gxG = 0, gyG = 0;
int gxB = 0, gyB = 0;
for (int ky = -1; ky <= 1; ky++)
{
for (int kx = -1; kx <= 1; kx++)
{
Color c = ImageHelper.GetPixelSafe(src, x + kx, y + ky);
int weightX = sobelX[ky + 1, kx + 1];
int weightY = sobelY[ky + 1, kx + 1];
gxR += c.R * weightX; gyR += c.R * weightY;
gxG += c.G * weightX; gyG += c.G * weightY;
gxB += c.B * weightX; gyB += c.B * weightY;
}
}
// 合成梯度幅度（簡(jiǎn)化版：取絕對(duì)值之和）
int magR = Math.Abs(gxR) + Math.Abs(gyR);
int magG = Math.Abs(gxG) + Math.Abs(gyG);
int magB = Math.Abs(gxB) + Math.Abs(gyB);
int mag = (magR + magG + magB) / 3; // 轉(zhuǎn)灰度
byte val = (byte)Math.Clamp(mag, 0, 255);
dst.SetPixel(x, y, Color.FromArgb(val, val, val));
}
}
return dst;
}
五、性能優(yōu)化建議
- 使用
LockBits替代GetPixel/SetPixel，提升 10~100 倍速度。 - 預(yù)計(jì)算卷積核邊界，避免重復(fù)判斷。
- 對(duì)于灰度圖處理，先轉(zhuǎn)灰度可減少 2/3 計(jì)算量。
- 考慮并行化（如
Parallel.For）處理行。
六、遷移到 ImageSharp（.NET 6+ 推薦）
若使用 ImageSharp，像素訪問(wèn)方式如下：
using var image = Image.Load<Rgb24>("input.jpg");
image.ProcessPixelRows(accessor =>
{
for (int y = 0; y < accessor.Height; y++)
{
Span<Rgb24> row = accessor.GetRowSpan(y);
for (int x = 0; x < accessor.Width; x++)
{
ref Rgb24 pixel = ref row[x];
// pixel.R, pixel.G, pixel.B 可直接讀寫
}
}
});
image.Save("output.jpg");
ImageSharp 天然支持 SIMD 和多線程，更適合高性能場(chǎng)景。
結(jié)語(yǔ)
無(wú)需 OpenCV，僅憑 C# 原生能力，我們也能實(shí)現(xiàn)核心圖像處理算法。這不僅加深了對(duì)底層原理的理解，也為資源受限環(huán)境提供了可行方案。掌握這些基礎(chǔ)后，你可進(jìn)一步探索自定義卷積、形態(tài)學(xué)操作或 Hough 變換等高級(jí)技術(shù)。
到此這篇關(guān)于C#原生圖像處理實(shí)戰(zhàn)之濾波、銳化與邊緣檢測(cè)操作詳解的文章就介紹到這了,更多相關(guān)C#圖像處理內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Unity游戲之存儲(chǔ)數(shù)據(jù)，感興趣的同學(xué)，可以拷貝代碼，試驗(yàn)一下2021-04-04
這篇文章主要介紹了C#使用CDO發(fā)送郵件的方法,涉及C#使用Windows COM組件實(shí)現(xiàn)郵件發(fā)送的相關(guān)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-07-07
這篇文章主要介紹了KMP算法的C#實(shí)現(xiàn)方法,代碼簡(jiǎn)潔實(shí)用,需要的朋友可以參考下2014-09-09
這篇文章主要為大家介紹了Unity?UGUI的Dropdown下拉菜單組件使用詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-07-07
解決C#中WebBrowser的DocumentCompleted事件不執(zhí)行的實(shí)現(xiàn)方法
本篇文章是對(duì)C#中WebBrowser的DocumentCompleted事件不執(zhí)行解決方法進(jìn)行了詳細(xì)的分析介紹，需要的朋友參考下2013-05-05
這篇文章介紹了C#表達(dá)式樹Expression和基本用法，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-12-12
C#數(shù)據(jù)結(jié)構(gòu)與算法揭秘五 棧和隊(duì)列
這節(jié)我們討論了兩種好玩的數(shù)據(jù)結(jié)構(gòu)，棧和隊(duì)列2012-11-11
C# Winform 實(shí)現(xiàn)控件自適應(yīng)父容器大小的示例代碼
這篇文章主要介紹了C# Winform 實(shí)現(xiàn)控件自適應(yīng)父容器大小的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
C#使用TreeView控件實(shí)現(xiàn)的二叉樹泛型節(jié)點(diǎn)類及其方法
TreeView?控件在?C#?中主要用于顯示分層結(jié)構(gòu)的數(shù)據(jù),這通常是一個(gè)文件系統(tǒng)的表示,但也可以是任何具有父子關(guān)系的數(shù)據(jù)集合,本文給大家介紹了C#使用TreeView控件實(shí)現(xiàn)的二叉樹泛型節(jié)點(diǎn)類及其方法,需要的朋友可以參考下2024-03-03
c# 動(dòng)態(tài)加載dll文件,并實(shí)現(xiàn)調(diào)用其中的簡(jiǎn)單方法
下面小編就為大家?guī)?lái)一篇c# 動(dòng)態(tài)加載dll文件,并實(shí)現(xiàn)調(diào)用其中的簡(jiǎn)單方法。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-01-01