C# 不依赖 OpenCV 的图像处理算法：滤波、锐化与边缘检测

前言

数字图像处理作为计算机视觉和多媒体技术的基础内容，其核心不仅在于理解算法原理，更在于动手实现与验证。为了深入掌握本项目选择从底层像素级别出发，使用C#语言手动实现各类经典图像处理算法，避免依赖现成的高级图像库。

这种"从零开始"的方式虽然开发成本较高，却能真正厘清每个操作背后的数学逻辑与工程细节，也为后续学习更复杂的视觉任务打下坚实基础。

项目介绍

项目是一个基于.NET 平台开发的桌面级数字图像处理工具，在通过图形化界面直观展示多种图像处理算法的效果。

整个系统围绕System.Drawing.Bitmap类开发，直接操作像素数据完成各类变换，涵盖几何操作、灰度调整、噪声模拟、滤波去噪、边缘检测、图像分割等多个模块。

项目代码结构清晰，功能完整，既可用于学习参考，也适合作为开发项目。

项目功能

1、支持图像的打开、保存及基本信息显示（如尺寸、颜色深度等）

2、提供灰度化转换与灰度直方图可视化功能

3、实现基本几何变换：旋转、放大、缩小、错切

4、支持线性灰度变换与直方图均衡化以增强图像对比度

5、可添加高斯噪声与椒盐噪声，并配套多种去噪滤波器

6、集成多种边缘检测算子：Roberts、Sobel、Laplacian、LoG、Wallis、双向梯度等

7、提供二值化处理及迭代阈值分割方法

8、包含二值图像后处理功能，如孤立点去除、轮廓提取、区域测量等

9、实现选择式掩膜滤波（LSMF）与KNN平滑滤波等进阶去噪策略
10、内置完整的撤销（Undo）与重做（Redo）机制，便于操作回溯与效果对比

项目特点

1、坚持从像素级别手动实现算法，不依赖OpenCV等封装库，强化原理理解

2、界面采用WPF构建，交互友好，参数输入动态生成，操作流程清晰

3、所有处理操作均可逆，支持多步历史记录，提升实验灵活性

4、代码模块化程度高，每个功能对应独立方法，便于阅读与扩展
5、兼顾实用性，既能验证理论，也能处理真实图像任务

项目技术

技术类别	具体说明
开发语言	C#
运行平台	.NET Framework（使用 System.Drawing.Bitmap 处理位图）
UI 框架	WPF（Windows Presentation Foundation）
图像数据访问	通过 Bitmap.GetPixel / SetPixel 及 HBITMAP 指针与 WPF Image 控件对接
关键算法实现	双线性插值（用于缩放/旋转）、卷积核运算（用于滤波与边缘检测）、直方图统计、噪声模型模拟等
辅助技术	使用 Operation 类封装操作历史，支持 Undo/Redo；通过 Interop 调用 Win32 API 实现位图转换

项目代码

为图片添加高斯噪声

/// <summary>
/// 为图片添加高斯噪声
/// </summary>
private void GaussNoise(int k)
{
    Random ran = new Random(GetRandomSeed());
    Bitmap bmp_ = new Bitmap(bmp.Width, bmp.Height);
    for (int i = 0; i < bmp.Width; i++)
    {
        for (int j = 0; j < bmp.Height; j++)
        {
            double r1 = ran.NextDouble();
            double r2 = ran.NextDouble();
            double result = Math.Sqrt((-2) * Math.Log(r2)) * Math.Sin(2 * Math.PI * r1);
            result *= k;
            Color c = bmp.GetPixel(i, j);

            int rr = (int)(c.R + result),
                gg = (int)(c.G + result),
                bb = (int)(c.B + result);
            if (rr > 255) rr = 255;
            else if (rr < 0) rr = 0;
            if (gg > 255) gg = 255;
            else if (gg < 0) gg = 0;
            if (bb > 255) bb = 255;
            else if (bb < 0) bb = 0;
            bmp_.SetPixel(i, j, Color.FromArgb(c.A, rr, gg, bb));
        }
    }
    UpdateImg(ref bmp_);
}

为图片添加椒盐噪声

/// <summary>
/// 为图片添加椒盐噪声
/// </summary>
/// <param name="SNR">信噪比</param>
/// <param name="pa">图片为暗点的概率</param>
private void SaltNoise(double SNR, double pa)
{
    // 噪声点的数量
    int NP = (int)(bmp.Width * bmp.Height * (1 - SNR));
    Bitmap bmp_ = new Bitmap(bmp);
    Random rand = new Random();
    for (int i = 0; i < NP; i++)
    {
        int r = rand.Next(0, bmp.Height), c = rand.Next(0, bmp.Width);
        double prob = rand.NextDouble();
        if (prob > pa)
        {
            bmp_.SetPixel(c, r, Color.FromArgb(255, 255, 255));
        }
        else
        {
            bmp_.SetPixel(c, r, Color.FromArgb(0, 0, 0));
        }
    }
    UpdateImg(ref bmp_);
}

项目效果

项目运行稳定，能够准确还原各类经典图像处理算法的预期效果。例如，在对自然图像进行灰度化后，直方图均衡化显著提升了整体对比度；添加椒盐噪声后，中值滤波有效抑制了噪点而保留边缘；使用Sobel或LoG算子可清晰提取物体轮廓。

总结

项目不仅是一次视觉的学习，更是一场对数字图像处理知识体系的深度实践。通过亲手编写每一个像素操作，可以穿透API的黑箱，真正理解"图像"在计算机中的表示方式以及各类变换的本质。这种自底向上的学习路径，虽略显笨拙，却最为扎实。对于希望夯实图像处理基础的大家而言，这个项目无疑是不错的参考。

关键词

数字图像处理、C#、像素操作、几何变换、灰度变换、噪声抑制、边缘检测、图像分割、WPF、直方图均衡化

最后

如果你觉得这篇文章对你有帮助，不妨点个赞支持一下！你的支持是我继续分享知识的动力。如果有任何疑问或需要进一步的帮助，欢迎随时留言。

也可以加入微信公众号[DotNet技术匠] 社区，与其他热爱技术的同行一起交流心得，共同成长！