一、RGB
RGB色彩模式使用RGB模型为图像中每个像素的RGB分量分配一个0~255范围内的强度值。RGB图像仅仅使用三种颜色，R(red)、G(green)、B(blue)，就能够使它们依照不同的比例混合，在屏幕上呈现16777216(256 * 256 * 256)种颜色。
在电脑中，RGB的所谓“多少”就是指亮度，并使用整数来表示。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。
二、ARGB
三、灰度化
四、二值化
public Bitmap binarization()
{
Bitmap bitImage = new Bitmap(pictureBox1.Image);//二值化pictureBox1中的图片
Color c;
int height = pictureBox1.Image.Height;
int width = pictureBox1.Image.Width;
for (int i = 0; i < height; i++)
{
for (int j = 0; j < width; j++)
{
c = bitImage.GetPixel(j,i);
int r = c.R;
int g = c.G;
int b = c.B;
if ((r + g + b) / 3 >= 127)
{
bitImage.SetPixel(j, i, Color.FromArgb(255, 255, 255));
}
else
{
bitImage.SetPixel(j, i, Color.FromArgb(0,0,0));
}
}
}
return bitImage;
}
五、膨胀算法
膨胀是将与物体接触的全部背景点合并到该物体中，使边界向外部扩张的过程。
能够用来填补物体中的空洞。
用3x3的结构元素，扫描图像的每个像素
用结构元素与其覆盖的二值图像做“或”操作
假设都为0，结果图像的该像素为0。否则为1
结果：使二值图像扩大一圈
膨胀(dilation)能够看做是腐蚀的对偶运算，其定义是：把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点。全部满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：D(X)={a
| Ba↑X}=XB，例如以下图所看到的。图中X是被处理的对象，B是结构元素，不难知道，对于随意一个在阴影部分的点a，Ba击中X，所以X被B膨胀的结果就是那个阴影部分。阴影部分包含X的全部范围，就象X膨胀了一圈似的，这就是为什么叫膨胀的原因。
在下图中，左边是被处理的图象X(二值图象，我们针对的是黑点)，中间是结构元素B。膨胀的方法是，拿B的中心点和X上的点及X周围的点一个一个地对，假设B上有一个点落在X的范围内，则该点就为黑；右边是膨胀后的结果。能够看出，它包含X的全部范围，就象X膨胀了一圈似的。
我设计了一个简单的膨胀算法，依次遍历整个图片的像素，分析每个像素的周围八个像素，仅仅要该像素周围存在黑色的像素，就设置该像素颜色为黑色。以下是使用膨胀算法处理经过二值化后的图像的C#实现代码：
public bool[] getRoundPixel(Bitmap bitmap, int x, int y)//返回(x,y)周围像素的情况，为黑色，则设置为true
{
bool[] pixels=new bool[8];
Color c;
int num = 0;
for (int i = -1; i < 2; i++)
{
for (int j = -1; j < 2; j++)
{
c = bitmap.GetPixel(x+i,y+j);
if (i != 0 || j != 0)
{
if (255 == c.G)//由于经过了二值化，所以仅仅要检查RGB中一个属性的值
{
pixels[num] = false;//为白色，设置为false
num++;
}
else if(0==c.G)
{
pixels[num] = true;//为黑色，设置为true
num++;
}
}
}
}
return pixels;
}
public Bitmap expend()
{
Bitmap bitImage = new Bitmap(pictureBox2.Image);//处理pictureBox2中的图片
Bitmap bitImage1 = new Bitmap(pictureBox2.Image);
int height = pictureBox1.Image.Height;
int width = pictureBox1.Image.Width;
bool[] pixels;
for (int i = 1; i < width-1; i++)
{
for (int j = 1; j < height-1; j++)
{
if (bitImage.GetPixel(i, j).R != 0)
{
pixels = getRoundPixel(bitImage, i, j);
for (int k = 0; k < pixels.Length; k++)
{
if (pixels[k] == true)
{
//set this piexl's color to black
bitImage1.SetPixel(i, j, Color.FromArgb(0,0,0));
break;
}
}
}
}
}
return bitImage1;
}
执行结果如图：
六、腐蚀算法
腐蚀是一种消除边界点，使边界向内部收缩的过程。能够用来消除小且无意义的物体。
用3x3的结构元素，扫描图像的每个像素
用结构元素与其覆盖的二值图像做“与”操作
假设都为1，结果图像的该像素为1。否则为0。
结果：使二值图像减小一圈
把结构元素B平移a后得到Ba，若Ba包括于X，我们记下这个a点，全部满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为：E(X)={a|
Ba X}=X
B。
下图中X是被处理的对象，B是结构元素。不难知道，对于随意一个在阴影部分的点a，Ba包括于X，所以X被B腐蚀的结果就是那个阴影部分。阴影部分在X的范围之内，且比X小，就象X被剥掉了一层似的，这就是为什么叫腐蚀的原因。
我设计了一个简单的腐蚀算法，一次遍历图像中每个像素，检查它四周的八个像素，假设有白色的像素，则设置改点为白色。用二值化处理后的图片进行腐蚀算法C#代码例如以下：
public Bitmap corrode()
{
Bitmap bitImage = new Bitmap(pictureBox2.Image);
Bitmap bitImage1 = new Bitmap(pictureBox2.Image);
Color c;
int height = pictureBox1.Image.Height;
int width = pictureBox1.Image.Width;
bool[] pixels;
for (int i = 1; i < width - 1; i++)
{
for (int j = 1; j < height - 1; j++)
{
c = bitImage.GetPixel(i, j);
if (bitImage.GetPixel(i, j).R == 0)
{
pixels = getRoundPixel(bitImage, i, j);
for (int k = 0; k < pixels.Length; k++)
{
if (pixels[k] == false)
{
//set this piexl's color to black
bitImage1.SetPixel(i, j, Color.FromArgb(255, 255, 255));
break;
}
}
}
}
}
return bitImage1;
}
处理后图片变成：
七、开运算
先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同一时候并不明显改变其面积。
八、闭运算
先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同一时候并不明显改变其面积。