[轉]幾種圖像處理類庫的比較

作者：王先榮

前言

近期需要做一些圖像處理方面的學習和研究，首要任務就是選擇一套合适的圖像處理類庫。目前較知名且功能完善的圖像處理類庫有OpenCv、EmguCv、AForge.net等等。本文将從許可協定、下載下傳、安裝、文檔資料、易用性、性能等方面對這些類庫進行比較，然後給出選擇建議，當然也包括我自己的選擇。

許可協定

類庫

許可協定網址

大緻介紹

OpenCv

BSD

www.opensource.org/licenses/bsd-license.html

在保留原來BSD協定聲明的前提下，随便怎麼用都行

EmguCv

GPL v3

http://www.gnu.org/licenses/gpl-3.0.txt

你的産品必須也使用GPL協定，開源且免費

商業授權

http://www.emgu.com/wiki/files/CommercialLicense.txt

給錢之後可以用于閉源的商業産品

AForge.net

LGPL v3

http://www.gnu.org/licenses/lgpl.html

如果不修改類庫源代碼，引用該類庫的産品可以閉源和（或）收費

以上三種類庫都可以用于開發商業産品，但是EmguCv需要付費；因為我隻是用來學習和研究，是以這些許可協定對我無所謂。不過鑒于我們身在中國，如果臉皮厚點，去他丫的許可協定。

下載下傳

可以很友善的下載下傳到這些類庫，下載下傳位址分别為：

下載下傳位址

http://sourceforge.net/projects/opencvlibrary/files/

http://www.emgu.com/wiki/index.php/Download_And_Installation

http://www.aforgenet.com/framework/downloads.html

安裝

安裝難易度

備注

比較容易

VC下使用需要重新編譯

容易

相信看這篇文章的人都不會被安裝困擾。

文檔資料

總體評價

書籍

網站

文檔

示例

社群

中等

中英文

較多

中文論壇

有中文資料但不完整

少

無

英文

英文論壇

論壇人氣很差

OpenCv有一些中文資料，另外兩種的資料全是英文的；不過EmguCv建立在OpenCv的基礎上，大部分OpenCv的資料可以用于EmguCv；而AForge.net是原生的.net類庫，對GDI+有很多擴充，一些MSDN的資料可以借鑒。如果在查詞典的基礎上還看不懂英文文檔，基本上可以放棄使用這些類庫了。

易用性

易用性這玩意，主觀意志和個人能力對它影響很大，下面是我的看法：

比較差

OpenCv大多數功能都以C風格函數形式提供，少部分功能以C++類提供。注意：2.0版将更多的功能封裝成類了。

比較好

将OpenCv的絕大部分功能都包裝成了.net類、結構或者枚舉。不過文檔不全，還是得對照OpenCv的文檔去看才行。

好

純.net類庫，用起來很友善。

最近幾年一直用的是C# ，把C和C++忘記得差不多了，況且本來C/C++我就不太熟，是以對OpenCv的看法恐怕有偏見。

性能

這些類庫能做的事情很多，我選了最基礎的部分來進行性能測試，那就是将一幅彩色圖像轉換成灰階圖，然後再将灰階圖轉換成二值圖像。因為圖像處理大部分時間都用于記憶體讀寫及運算（特别是矩陣運算），是以這兩種操作有一定的代表性。

我分别用以下方式實作了圖像的灰階化及二值化：（1）C語言調用OpenCv庫；（2）C#調用AForge.net庫；（3）C#調用EmguCv庫；（4）C#中用P/INVOKE的形式調用OpenCv函數；（5）C#調用自己寫的灰階和二值化方法。

C語言調用OpenCv

#include "stdafx.h"

#include "cv.h"

#include "cxcore.h"

#include "highgui.h"

#include "winbase.h"

int _tmain(int argc, _TCHAR* argv[])

{

//初始化圖像

IplImage * pIplSource=cvLoadImage("E:\\xrwang\\ImageProcessLearn\\Debug\\wky_tms_2272x1704.jpg");

IplImage * pIplGrayscale=cvCreateImage(cvSize(pIplSource->width,pIplSource->height),IPL_DEPTH_8U,1);

IplImage * pIplThreshold=cvCreateImage(cvSize(pIplSource->width,pIplSource->height),IPL_DEPTH_8U,1);

//執行灰階化和二值化，并輸出所用時間

LARGE_INTEGER frequency,count1,count2,count3;

double time1,time2;

QueryPerformanceFrequency(&frequency);

for(int i=0;i<10;i++)

{

QueryPerformanceCounter(&count1);

cvCvtColor(pIplSource,pIplGrayscale,CV_BGR2GRAY);

QueryPerformanceCounter(&count2);

cvThreshold(pIplGrayscale,pIplThreshold,128,255,CV_THRESH_BINARY);

QueryPerformanceCounter(&count3);

time1=(double)1000.0*(count2.QuadPart-count1.QuadPart)/frequency.QuadPart;

time2=(double)1000.0*(count3.QuadPart-count2.QuadPart)/frequency.QuadPart;

printf("灰階：%g毫秒，二值化：%g毫秒\r\n",time1,time2);

}

//顯示圖像

cvNamedWindow("grayscale",0);

cvNamedWindow("threshold",0);

cvResizeWindow("grayscale",600,480);

cvResizeWindow("threshold",600,480);

cvShowImage("grayscale",pIplGrayscale);

cvShowImage("threshold",pIplThreshold);

cvWaitKey(0);

//銷毀對象

cvDestroyAllWindows();

cvReleaseImage(&pIplThreshold);

cvReleaseImage(&pIplGrayscale);

cvReleaseImage(&pIplSource);

return 0;

}

C#調用各種類庫處理圖像

using System;

using System.Collections.Generic;

using System.ComponentModel;

using System.Data;

using System.Drawing;

using System.Drawing.Imaging;

using System.Linq;

using System.Text;

using System.Windows.Forms;

using System.Diagnostics;

using System.Runtime.InteropServices;

using AForge.Imaging.Filters;

using Emgu.CV;

using Emgu.CV.Structure;

using Emgu.CV.CvEnum;

namespace ImageProcessLearn

public partial class FormMain : Form

public FormMain()

{

InitializeComponent();

}

//窗體加載時

private void FormMain_Load(object sender, EventArgs e)

//顯示原始圖像

pbSource.Image = Image.FromFile("wky_tms_2272x1704.jpg");

//使用標明的類庫處理圖像

private void btnProcess_Click(object sender, EventArgs e)

if (rbAForge.Checked)

{

ProcessImageWithAforge();

}

else if (rbEmgucv.Checked)

ProcessImageWithEmgucv();

else if (rbOpencv.Checked)

ProcessImageWithOpencv();

else if (rbOwnMethod.Checked)

ProcessImageWithOwnMethod();

/// <summary>

/// 使用AForge.net處理圖像

/// </summary>

private void ProcessImageWithAforge()

Stopwatch sw = new Stopwatch(); //計時器

//灰階

sw.Start();

Grayscale grayscaleFilter = new Grayscale(0.299, 0.587, 0.114);

Bitmap bitmapGrayscale = grayscaleFilter.Apply((Bitmap)pbSource.Image);

sw.Stop();

double timeGrayscale = sw.Elapsed.TotalMilliseconds;

if (pbGrayscale.Image != null)

pbGrayscale.Image.Dispose();

pbGrayscale.Image = null;

pbGrayscale.Image = bitmapGrayscale;

//二值化

sw.Reset();

Threshold thresholdFilter = new Threshold(128);

Bitmap bitmapThreshold = thresholdFilter.Apply(bitmapGrayscale);

double timeThreshold = sw.Elapsed.TotalMilliseconds;

if (pbThreshold.Image != null)

pbThreshold.Image.Dispose();

pbThreshold.Image = null;

pbThreshold.Image = bitmapThreshold;

//輸出所用時間

txtResult.Text += string.Format("類庫：AForge.net，灰階：{0:F05}毫秒，二值化：{1:F05}毫秒\r\n", timeGrayscale, timeThreshold);

/// 使用EmguCv處理圖像

private void ProcessImageWithEmgucv()

Image<Bgr, Byte> imageSource = new Image<Bgr, byte>((Bitmap)pbSource.Image);

Image<Gray, Byte> imageGrayscale = imageSource.Convert<Gray, Byte>();

pbGrayscale.Image = imageGrayscale.ToBitmap();

Image<Gray, Byte> imageThreshold = imageGrayscale.ThresholdBinary(new Gray(128), new Gray(255));

pbThreshold.Image = imageThreshold.ToBitmap();

txtResult.Text += string.Format("類庫：EmguCv，灰階：{0:F05}毫秒，二值化：{1:F05}毫秒\r\n", timeGrayscale, timeThreshold);

/// 使用Open Cv P/Invoke處理圖像

unsafe private void ProcessImageWithOpencv()

IntPtr ptrSource = Marshal.AllocHGlobal(Marshal.SizeOf(typeof(MIplImage)));

Marshal.StructureToPtr(imageSource.MIplImage, ptrSource, true);

IntPtr ptrGrayscale = CvInvoke.cvCreateImage(imageSource.Size, IPL_DEPTH.IPL_DEPTH_8U, 1);

CvInvoke.cvCvtColor(ptrSource, ptrGrayscale, COLOR_CONVERSION.CV_BGR2GRAY);

pbGrayscale.Image = ImageConverter.IplImagePointerToBitmap(ptrGrayscale);

IntPtr ptrThreshold = CvInvoke.cvCreateImage(imageSource.Size, IPL_DEPTH.IPL_DEPTH_8U, 1);

CvInvoke.cvThreshold(ptrGrayscale, ptrThreshold, 128d, 255d, THRESH.CV_THRESH_BINARY);

pbThreshold.Image = ImageConverter.IplImagePointerToBitmap(ptrThreshold);

//釋放資源

//CvInvoke.cvReleaseImage(ref ptrThreshold);

//CvInvoke.cvReleaseImage(ref ptrGrayscale);

Marshal.FreeHGlobal(ptrSource);

txtResult.Text += string.Format("類庫：OpenCv P/Invoke，灰階：{0:F05}毫秒，二值化：{1:F05}毫秒\r\n", timeGrayscale, timeThreshold);

/// 使用自定義的方法處理圖像

private void ProcessImageWithOwnMethod()

Bitmap bitmapGrayscale = Grayscale((Bitmap)pbSource.Image);

Bitmap bitmapThreshold = Threshold(bitmapGrayscale, 128);

txtResult.Text += string.Format("類庫：自定義方法，灰階：{0:F05}毫秒，二值化：{1:F05}毫秒\r\n", timeGrayscale, timeThreshold);

/// 将指定圖像轉換成灰階圖

/// <param name="bitmapSource">源圖像支援3通道或者4通道圖像，支援Format24bppRgb、Format32bppRgb和Format32bppArgb這3種像素格式</param>

/// <returns>傳回灰階圖，如果轉化失敗，傳回null。</returns>

private Bitmap Grayscale(Bitmap bitmapSource)

Bitmap bitmapGrayscale = null;

if (bitmapSource != null && (bitmapSource.PixelFormat == PixelFormat.Format24bppRgb || bitmapSource.PixelFormat == PixelFormat.Format32bppArgb || bitmapSource.PixelFormat == PixelFormat.Format32bppRgb))

int width = bitmapSource.Width;

int height = bitmapSource.Height;

Rectangle rect = new Rectangle(0, 0, width, height);

bitmapGrayscale = new Bitmap(width, height, PixelFormat.Format8bppIndexed);

//設定調色闆

ColorPalette palette = bitmapGrayscale.Palette;

for (int i = 0; i < palette.Entries.Length; i++)

palette.Entries[i] = Color.FromArgb(255, i, i, i);

bitmapGrayscale.Palette = palette;

BitmapData dataSource = bitmapSource.LockBits(rect, ImageLockMode.ReadOnly, bitmapSource.PixelFormat);

BitmapData dataGrayscale = bitmapGrayscale.LockBits(rect, ImageLockMode.WriteOnly, PixelFormat.Format8bppIndexed);

byte b, g, r;

int strideSource = dataSource.Stride;

int strideGrayscale = dataGrayscale.Stride;

unsafe

{

byte* ptrSource = (byte*)dataSource.Scan0.ToPointer();

byte* ptr1;

byte* ptrGrayscale = (byte*)dataGrayscale.Scan0.ToPointer();

byte* ptr2;

if (bitmapSource.PixelFormat == PixelFormat.Format24bppRgb)

{

for (int row = 0; row < height; row++)

{

ptr1 = ptrSource + strideSource * row;

ptr2 = ptrGrayscale + strideGrayscale * row;

for (int col = 0; col < width; col++)

{

b = *ptr1;

ptr1++;

g = *ptr1;

r = *ptr1;

*ptr2 = (byte)(0.114 * b + 0.587 * g + 0.299 * r);

ptr2++;

}

else //bitmapSource.PixelFormat == PixelFormat.Format32bppArgb || bitmapSource.PixelFormat == PixelFormat.Format32bppRgb

ptr1 = ptrSource + strideGrayscale * row;

ptr1 += 2;

}

bitmapGrayscale.UnlockBits(dataGrayscale);

bitmapSource.UnlockBits(dataSource);

return bitmapGrayscale;

/// 将指定的灰階圖像轉換成二值圖像。如果某個像素的值大于等于閥值，該像素置為白色；否則置為黑色。

/// 目前支援8bpp和16bpp兩種灰階圖像的轉換，對于8bpp，閥值介于0~255之間；對于16bpp，閥值介于0~65535之間。

/// <param name="bitmapGrayscale">灰階圖像</param>

/// <param name="thresholdValue">閥值</param>

/// <returns>傳回轉換之後的二值圖像；如果轉換失敗，傳回null。</returns>

private Bitmap Threshold(Bitmap bitmapGrayscale,int thresholdValue)

Bitmap bitmapThreshold = null;

if (bitmapGrayscale != null)

int width = bitmapGrayscale.Width;

int height = bitmapGrayscale.Height;

PixelFormat pixelFormat = bitmapGrayscale.PixelFormat;

if (pixelFormat == PixelFormat.Format8bppIndexed)

if (thresholdValue >= 0 && thresholdValue <= 255)

bitmapThreshold = (Bitmap)bitmapGrayscale.Clone();

byte white = 255;

byte black = 0;

BitmapData data = bitmapThreshold.LockBits(rect, ImageLockMode.ReadWrite, pixelFormat);

unsafe

byte* ptrStart = (byte*)data.Scan0.ToPointer();

byte* ptr1;

for (int row = 0; row < height; row++)

ptr1 = ptrStart + data.Stride * row;

for (int col = 0; col < width; col++)

{

*ptr1 = (*ptr1 < thresholdValue) ? black : white;

ptr1++;

}

bitmapThreshold.UnlockBits(data);

else if (pixelFormat == PixelFormat.Format16bppGrayScale)

bitmapThreshold = (Bitmap)bitmapGrayscale.Clone();

UInt16 white = 65535;

UInt16 black = 0;

BitmapData data = bitmapThreshold.LockBits(rect, ImageLockMode.ReadWrite, pixelFormat);

unsafe

byte* ptrStart = (byte*)data.Scan0.ToPointer();

UInt16* ptr1;

ptr1 = (UInt16*)(ptrStart + data.Stride * row);

*ptr1 = (*ptr1 < thresholdValue) ? black : white;

bitmapThreshold.UnlockBits(data);

return bitmapThreshold;

分别用上述5種形式處理10次，記錄下運作時間，去掉每種的最大和最小資料，然後計算平均值。結果如下所示（機關是毫秒）：

語言

灰階化

二值化

性能排名

16.89721

7.807766

Aforge.net

48.9403

25.32473

18.86898

13.74628

OpenCv(P/Invoke)

18.68938

10.0149

自定義處理方法

48.33593

21.46168

測試環境如下：CPU-奔騰4 2.4G，記憶體-512M，作業系統-Windows XP SP2，顯示卡-nVidia GForce4 64M，程序數-49，線程數-611，句柄數-13004，可用記憶體101M。

毫無疑問，用C語言調用OpenCv的性能最好，兩種純.net的方式性能最差。

C語言調用OpenCv的處理效果如下所示：

C#的處理效果如下：

結論

将上面的内容彙總結果如下表所示：

GPL v3或商業授權

友善

文檔資料

很好

不好

綜上所述，我的選擇是使用EmguCv作為我的圖像處理類庫，在必要的時候用P/Invoke的形式調用沒有被封裝的OpenCv函數。

<b>本文轉自feisky部落格園部落格，原文連結：http://www.cnblogs.com/feisky/archive/2010/03/08/1681103.html，如需轉載請自行聯系原作者</b>

[轉]幾種圖像處理類庫的比較

繼續閱讀

[HTML5]自定義屬性 data-* 和 jQuery.data 詳解

七牛雲-C#SDK-上傳-前期準備

cs231n斯坦福基于卷積神經網絡的CV學習筆記（一）KNN和線性分類器/分類器損失/反向傳播一，KNN圖像分類算法二，線性分類器三，線性分類器損失四，反向傳播五，神經網絡

C++ 第十五周報告1--《冒泡法排序》

[轉]iOS微信小視訊優化心得

C語言：初學者必定看懂的注釋！！！猴子吃桃問題。猴子第一天摘下若幹個桃子，每天都吃了前一天剩下的一半零一個，到第10天早上想再吃的時候，就剩下一個桃子. 求第一天共摘多少個桃子。

[轉]九大排序算法——C語言實作及詳解

C++實作簡單順序表

while 循環、do- while 循環和 for 循環之間的那點事C語言自學之三種循環比較

結構體：typedef與struct的差別

android 主線程的相關問題

C經典書籍筆記——C陷阱與缺陷②(文法陷阱之優先級)一、錯誤案列二、優先級規律

線性表之順序表的實作

C++判斷素數、求最大公約數代碼判斷一個數是否為素數求兩個數的最大公約數

SequoiaDB巨杉資料庫C++驅動概述

hdu7108哈希