C#中如何实现Bitmap图像处理加速

这篇文章主要讲解了"C#中如何实现Bitmap图像处理加速"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"C#中如何实现Bitmap图像处理加速"吧！

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 #include  __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 << > > (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

感谢各位的阅读，以上就是"C#中如何实现Bitmap图像处理加速"的内容了，经过本文的学习后，相信大家对C#中如何实现Bitmap图像处理加速这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！