首页 / C语言 / 【C】用C语言提取bmp图片像素，并进行K-means聚类分析——容易遇到的问题

【C】用C语言提取bmp图片像素，并进行K-means聚类分析——容易遇到的问题

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了【C】用C语言提取bmp图片像素，并进行K-means聚类分析——容易遇到的问题，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含7072字，纯文字阅读大概需要11分钟。

内容图文

关于bmp图片的格式，网上有很多文章，具体可以参考百度百科，也有例子程序。这里只提要注意的问题。

（1）结构体定义问题：首先按照百度百科介绍的定义了结构体，但是编译发现重定义BITMAPFILEHEADER等。其实只要包含了Windows.h，里面的wingdi.h就已经定义了处理bmp的结构体，故不需要自己再重复定义。

（2）读取文件的字节对其问题：要使用#pragma pack (1)来方便读取文件头的结构体，否则结构体的大小会由于字节对齐问题改变。不知是否头文件中已经使用了该宏，在我的代码中注释掉#pragma pack (1)也可以正确运行。另外百度到“pack提供数据声明级别的控制，对定义不起作用”，自己也不太清楚这个宏用在哪里比较合适，一般见是在定义结构体的时候，还请各位批评指正。

（3）补齐行数问题：在看百科介绍结构体时，BITMAPINFOHEADER的biSizeImage表示“位图的大小(其中包含了为了补齐行数是4的倍数而添加的空字节)，以字节为单位”，并且有相关的计算方法 。我要强调的是提取像素时要排除这些补齐用字节的影响。按照百度百科上提取像素的方法是会将这些补齐用的00字节算入在内的，从而影响后面的算法。

博客园无法上传bmp图片，所以不贴效果图了。有何问题欢迎批评指正

 

下面是C语言代码供参考：

技术分享 技术分享 
                1
                #pragma once
23 #include "targetver.h"45 #include <stdio.h>
6 #include <tchar.h>
7 #include <windows.h>
8 #include "bitmap.h"9 #include <math.h>
View Code

bitmap.h:

技术分享 技术分享 
                 1
                #pragma pack (1)//字节对齐的控制！非常注意！ 2/* 3typedef struct tagBITMAPFILEHEADER
 4{
 5    WORD bfType;//位图文件的类型，必须为BM(1-2字节）
 6    DWORD bfSize;//位图文件的大小，以字节为单位（3-6字节，低位在前）
 7    WORD bfReserved1;//位图文件保留字，必须为0(7-8字节）
 8    WORD bfReserved2;//位图文件保留字，必须为0(9-10字节）
 9    DWORD bfOffBits;//位图数据的起始位置，以相对于位图（11-14字节，低位在前）
10    //文件头的偏移量表示，以字节为单位
11}BITMAPFILEHEADER;
1213typedef struct tagBITMAPINFOHEADER{
14    DWORD biSize;//本结构所占用字节数（15-18字节）
15    LONG biWidth;//位图的宽度，以像素为单位（19-22字节）
16    LONG biHeight;//位图的高度，以像素为单位（23-26字节）
17    WORD biPlanes;//目标设备的级别，必须为1(27-28字节）
18    WORD biBitCount;//每个像素所需的位数，必须是1（双色），（29-30字节）
19    //4(16色），8(256色）16(高彩色)或24（真彩色）之一
20    DWORD biCompression;//位图压缩类型，必须是0（不压缩），（31-34字节）
21    //1(BI_RLE8压缩类型）或2(BI_RLE4压缩类型）之一
22    DWORD biSizeImage;//位图的大小(其中包含了为了补齐行数是4的倍数而添加的空字节)，以字节为单位（35-38字节）
23    LONG biXPelsPerMeter;//位图水平分辨率，每米像素数（39-42字节）
24    LONG biYPelsPerMeter;//位图垂直分辨率，每米像素数（43-46字节)
25    DWORD biClrUsed;//位图实际使用的颜色表中的颜色数（47-50字节）
26    DWORD biClrImportant;//位图显示过程中重要的颜色数（51-54字节）
27}BITMAPINFOHEADER;
2829typedef struct tagRGBQUAD{
30    BYTE rgbBlue;//蓝色的亮度（值范围为0-255)
31    BYTE rgbGreen;//绿色的亮度（值范围为0-255)
32    BYTE rgbRed;//红色的亮度（值范围为0-255)
33    BYTE rgbReserved;//保留，必须为0
34}RGBQUAD;
35*/36 typedef struct37{
38    BYTE b;
39    BYTE g;
40    BYTE r;
41}RGB;
4243//带有坐标的颜色RGB表示44 typedef struct45{
46    RGB rgb;
47int height;
48int width;
49} RGB_EX;
50#pragma pack ()//字节对齐的控制
View Code

main.c:

技术分享 技术分享 
                  1
                //
                 针对图片实现K-means聚类算法.cpp : 定义控制台应用程序的入口点。
                  2 #include "stdafx.h"  3  4float distance(RGB x, RGB mean);
  5int kmeans_img(RGB **Img, LONG ImgWidth, LONG ImgHeight, ULONG lCount, USHORT K);
  6  7int _tmain(int argc, _TCHAR* argv[])
  8{
  9//#pragma pack (1)//字节对齐的控制！非常注意！ 10    BITMAPFILEHEADER fileHeader;
 11    BITMAPINFOHEADER infoHeader;
 12     FILE* pfin; fopen_s(&pfin, "test2.bmp","rb");
 13     FILE* pfout; fopen_s(&pfout, "ouput.bmp","wb");
 14//ReadtheBitmapfileheader; 15     fread(&fileHeader, sizeof(BITMAPFILEHEADER), 1, pfin);
 16//ReadtheBitmapinfoheader; 17     fread(&infoHeader, sizeof(BITMAPINFOHEADER), 1, pfin);
 18//为简化代码，只处理24位彩色 19if(infoHeader.biBitCount==24) {
 20int size = infoHeader.biWidth * infoHeader.biHeight;
 21         RGB **ppImg = NULL;
 22int r;
 23//开辟空间并读入图片
 24//RGB img[infoHeader.biHeight][infoHeader.biWidth];  //这里有错误，尺度改为常亮
 25//fread(ppImg, sizeof(RGB), size, pfin); 26         ppImg = (RGB**)malloc(infoHeader.biHeight * sizeof(RGB*));
 27if (!ppImg)
 28return -1;
 29//注意！需要处理补齐字节问题：每行字节数目必须是4的整数倍 30         r = infoHeader.biWidth % 4;
 31for (int i = 0; i < infoHeader.biHeight; i++) {
 32             ppImg[i] = (RGB*)malloc(sizeof(RGB) * infoHeader.biWidth);
 33if (ppImg[i]) {
 34                 fread(ppImg[i], sizeof(RGB), infoHeader.biWidth, pfin);
 35                fseek(pfin, r, SEEK_CUR);
 36            }
 37else 38return -1;
 39        }
 40 41/* 42        //把第50行染成黑色
 43        int i=0;
 44        for(;i<infoHeader.biWidth;i++) {
 45            ppImg[50][i].b = ppImg[50][i].g = ppImg[50][i].r = 0;
 46        }
 47*/ 48 49         kmeans_img(ppImg, infoHeader.biWidth, infoHeader.biHeight, 2000, 5);
 50 51//将修改后的图片保存到文件 52         fileHeader.bfSize = infoHeader.biHeight * infoHeader.biWidth * 3 + fileHeader.bfOffBits;
 53         fwrite(&fileHeader,sizeof(fileHeader),1,pfout);
 54         fwrite(&infoHeader,sizeof(infoHeader),1,pfout);
 55for (int i = 0; i < infoHeader.biHeight; i++) {
 56             fwrite(ppImg[i],sizeof(RGB),infoHeader.biWidth,pfout);
 57int temp = r;
 58while (temp--)
 59            {
 60                 fputc(0, pfout);
 61            }
 62        }
 63 64//释放图片占用内存 65for (int i = 0; i < infoHeader.biHeight; i++)
 66free(ppImg[i]);
 67free(ppImg);
 68    }
 69    fclose(pfin);
 70    fclose(pfout);
 71//#pragma pack () 72return0;
 73}
 74 75/* 76对图片像素使用K-means算法聚类，聚成K类
 77Img：RGB矩阵形式的图片。第一维是高度Height。Img[ImgHeight][ImgWidth]。
 78为保证算法正确性，图片中应已经剔除了补齐字节用的00
 79ImgWidth:图片宽
 80ImgHeight：图片高
 81lCount：迭代次数
 82K:聚类数目
 83 84*/ 85int kmeans_img(RGB **Img, LONG ImgWidth, LONG ImgHeight, ULONG lCount, USHORT K)
 86{
 87int iFlag;//收敛后置为0 88     RGB *means = (RGB*)malloc(K * sizeof(RGB));//K个中心 89     RGB_EX **Cluster = NULL;//存放簇 90int *ClusterLength = NULL;
 91     Cluster = (RGB_EX**)malloc(K * sizeof(RGB_EX*));
 92     ClusterLength = (int *)malloc(K * sizeof(int));
 93for (int i = 0; i < K; i++) {
 94//随意指定K个中心,应该还有更好的算法. 95         means[i] = Img[(ImgHeight/(i+1))-1][(ImgWidth/(i+1))-1];
 96//开辟簇的存储空间 97         Cluster[i] = (RGB_EX*)malloc(ImgHeight * ImgWidth * sizeof(RGB_EX));
 98    }
 99100     iFlag = K;
101//开始迭代102while (lCount-- && iFlag)
103    {
104         iFlag = K;
105//每次聚类前要初始化106for (int i = 0; i < K; i++)
107             ClusterLength[i] = 0;
108109//对每个像素循环，归置到相应的簇里110for (int i = 0; i < ImgHeight; i++) {
111for (int j = 0; j < ImgWidth; j++) {
112int iClusterIndex = 0;
113float fMinDistance = 255 * 255 + 255 *255 + 255 * 255;
114float d = 0;
115for (int k = 0; k < K; k++) {
116                     d = distance(Img[i][j], means[k]);
117                     fMinDistance = fMinDistance > d ? iClusterIndex = k, d : fMinDistance;
118                }
119                 Cluster[iClusterIndex][ClusterLength[iClusterIndex]].rgb = Img[i][j];
120                 Cluster[iClusterIndex][ClusterLength[iClusterIndex]].height = i;
121                 Cluster[iClusterIndex][ClusterLength[iClusterIndex]++].width = j;
122            }
123        }
124125//重新计算每个簇的均值126for (int i = 0; i < K; i++) {
127             unsigned long sumR = 0, sumG = 0, sumB = 0;
128             BYTE R = 0, G = 0, B = 0;
129for (int j = 0; j < ClusterLength[i]; j++) {
130                 sumR += Cluster[i][j].rgb.r;
131                 sumG += Cluster[i][j].rgb.g;
132                 sumB += Cluster[i][j].rgb.b;
133            }
134if (ClusterLength[i]) {
135                 R = sumR / ClusterLength[i];
136                 G = sumG / ClusterLength[i];
137                 B = sumB / ClusterLength[i];
138            }
139if ( means[i].r == R && means[i].g == G && means[i].b == B)
140                 iFlag --;//若均值不变则终止循环141else {
142                 means[i].r = R;
143                 means[i].g = G;
144                 means[i].b = B;
145            }
146        }
147    }
148149//迭代结束后为每簇上色表达聚类结果150for (int i = 0; i < K; i++) {
151for (int j = 0; j < ClusterLength[i]; j++) {
152             Img[Cluster[i][j].height][Cluster[i][j].width].r = means[i].r;
153             Img[Cluster[i][j].height][Cluster[i][j].width].b = means[i].b;
154             Img[Cluster[i][j].height][Cluster[i][j].width].g = means[i].g;
155156        }
157    }
158159//释放内存160for (int i = 0; i < K; i++) {
161free(Cluster[i]);
162    }
163free(Cluster);
164free (means);
165free(ClusterLength);
166167return0;
168}
169170float distance(RGB x, RGB mean)
171{
172return sqrt( pow((float)(x.b - mean.b),2) + 
173                 pow((float)(x.g - mean.g),2) + 
174                 pow((float)(x.r - mean.r),2) 
175                );
176 }
View Code

 

By ascii0x03, 2015.10.19

原文：http://www.cnblogs.com/ascii0x03/p/4892647.html

内容总结

以上是互联网集市为您收集整理的【C】用C语言提取bmp图片像素，并进行K-means聚类分析——容易遇到的问题全部内容，希望文章能够帮你解决【C】用C语言提取bmp图片像素，并进行K-means聚类分析——容易遇到的问题所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1101705.html

来源：【匿名】