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

更新時(shí)間：2026年02月06日 09:01:51 作者：大尚來也

在 C# 開發(fā)中,許多開發(fā)者習(xí)慣借助 OpenCV進(jìn)行圖像處理,本文將帶你從零開始,僅使用 System.Drawing實(shí)現(xiàn)三種經(jīng)典圖像處理算法,感興趣的小伙伴可以了解下

在 C# 開發(fā)中，許多開發(fā)者習(xí)慣借助 OpenCV（通過 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“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！

您可能感興趣的文章: