C# Bitmap图像处理加速的实现方法

BitmapData类

BitmapData类专门用于位图处理，与Bitmap的不同点在于，它使用指针直接修改内存，而Bitmap是使用SetPixel()方法间接修改颜色，因此其效率远远超过SetPixel()

传统代码

以灰度处理为例，为了便于演示，此处的灰度算法采用 Gray=(R+G+B) / 3

private void Gray_Tradition()
{
  for(int i = 0; i < bitmap.Width; i++)
  {
      for(int j = 0; j < bitmap.Height; j++)
      {
          Color color = bitmap.GetPixel(i, j);
          int RGB = (color.R + color.G + color.B) / 3;
          bitmap.SetPixel(i, j, Color.FromArgb(255, RGB, RGB, RGB));
      }
  }
}

使用BitmapData的代码

private void Gray_BitmapData()
{
  int width = bitmap.Width, height = bitmap.Height;//图片的宽度和高度
  //在内存中以读写模式锁定Bitmap
  BitmapData bitmapData = bitmap.LockBits(
  new Rectangle(0, 0, width, height),
  ImageLockMode.ReadWrite,
  PixelFormat.Format24bppRgb);
  //图片像素点数组的长度，由于一个像素点占了3个字节，所以要乘上3
  int size = width * height * 3;
  //缓冲区数组
  byte[] srcArray = new byte[size];
  //获取第一个像素的地址
  IntPtr ptr = bitmapData.Scan0;
  //把像素值复制到缓冲区
  Marshal.Copy(ptr, srcArray, 0, size);
  int p;
  for (int i = 0; i < width; i++)
  {
      for (int j = 0; j < height; j++)
      {
          //定位像素点位置
          p = j * width * 3 + i * 3;
          //计算灰度值
          byte color = (byte)((srcArray[p] + srcArray[p + 1] + srcArray[p + 2]) / 3);
          srcArray[p] = srcArray[p + 1] = srcArray[p + 2] = color;
      }
  }
  //从缓冲区复制回BitmapData
  Marshal.Copy(srcArray, 0, ptr, size);
  //从内存中解锁
  bitmap.UnlockBits(bitmapData);
}

效率对比

代码

private void onTest()
{
  double t1, t2;
  Stopwatch watch = new Stopwatch();
  watch.Start();
  Gray_BitmapData();
  watch.Stop();
  t1 = watch.Elapsed.TotalMilliseconds;
  watch.Reset();
  watch.Start();
  Gray_Tradition();
  watch.Stop();
  t2 = watch.Elapsed.TotalMilliseconds;
  MessageBox.Show("BitmapData=" + (long)t1 + "\nTradition=" + (long)t2);
}

图片信息

耗时

可以看到传统方法的耗时是使用BitmapData方法的106倍，需要整整14秒，而BitmapData仅用了0.1秒

GPU加速

使用CUDA生成dll后，可以在GPU上高效处理图像，但是这种方式需要使用dll，而且异常繁琐，因此只适合对效率有极高要求时使用

生成Dll

#include "cuda_runtime.h"
#include "device_launch_parameters.h"

#include <stdio.h>
#include <Windows.h>

__global__ void DoInKernel(byte* o, int num)
{
  int i = blockIdx.x * blockDim.x + threadIdx.x;
  if (i >= num) return;
  byte* ori = o + i * 3;
  ori[0] = ori[1] = ori[2] = (ori[0] + ori[1] + ori[2]) / 3;
}

extern "C" _declspec(dllexport) void Gray(byte * oriArray, int num) {
  int size = num * 3 * sizeof(byte);
  byte* dev_ori;
  //在GPU上分配内存
  cudaMalloc((void**)&dev_ori, size);
  //把数组复制到显存
  cudaMemcpy(dev_ori, oriArray, size, cudaMemcpyHostToDevice);
  //计算
  DoInKernel << <num / 1024 + 1, 1024 >> > (dev_ori, num);
  //从显存复制到内存
  cudaMemcpy(oriArray, dev_ori, size, cudaMemcpyDeviceToHost);
  //释放
  cudaFree(dev_ori);
}

实际上GPU的thread和block数量应该根据实际数组大小来动态调整，但是这里为了演示方便，直接定义1024个线程

调用Dll

[DllImport("CUDA.dll", EntryPoint = "Gray", CallingConvention = CallingConvention.Cdecl)]
public static extern void Gray(IntPtr ori, int num);

此时不需要定义缓冲区数组了，可以直接把数据复制到显存中使用

private void Gray_GPU()
{
  int width = bitmap.Width, height = bitmap.Height;//图片的宽度和高度
  //在内存中以读写模式锁定Bitmap
  BitmapData bitmapData = bitmap.LockBits(
  new Rectangle(0, 0, width, height),
  ImageLockMode.ReadWrite,
  PixelFormat.Format24bppRgb);
  //图片像素点数组的长度，由于一个像素点占了3个字节，所以要乘上3
  int size = width * height * 3;
  //获取第一个像素的地址
  IntPtr ptr = bitmapData.Scan0;
  Gray(ptr, width * height);
  //从内存中解锁
  bitmap.UnlockBits(bitmapData);
  pictureBox1.Refresh();
}

耗时

由于加载dll需要时间，因此第二次执行的耗时才是真正的GPU执行时间

仅用了34毫秒

关于C# Bitmap图像处理加速的实现的文章就介绍至此，更多相关C# Bitmap图像处理加速内容请搜索编程宝库以前的文章，希望大家多多支持编程宝库！

封装成一个函数，方便直接调用：//绑定TrreView private void InitModuleTree(DataTable dt) { //清空treeview上所有节点 th ...