CImage实现双缓冲&最近邻插值



一普通显示：现在的VC显示图片非常方便，远不是VC6.0那个年代的技术可比，而且支持多种格式的如JPG，PNG。 

     CImage _img;

     初始化：

     _img.Load(L"map.png");

 

     显示：OnPaint事件中

     CRect rect;
     this->GetClientRect(&rect);
     HDC hdc=::GetDC(this->m_hWnd);
     _img.Draw(hdc,rect);

     几行代码就解决了。

二双缓冲显示：【因为是用了两个CImage实例，要不叫伪双缓冲吧，但实现方式确实是双缓冲，可以完成拼图显示等功能，当然防刷新闪烁是肯定有效的】

    当时查了一天的百度，基本没用，第二天起床前想到了一个办法，其实很简单。用Datch什么的分离位图，反而无效，咱百度谷歌都没找到相关资料，所以这也算原创了吧。

    CImage img0,img1;

    img0.Load("*.png");

    img1.Create(w,h,img0.GetBPP());
    HDC tmpdc=img1.GetDC();

  

    先将img0的内存中的图画到img1的DC上，再用img1.Draw到显示设备中。

    img0.StretchBlt(tmpdc,0,0,desw,desh,Scr.x,Scr.y,desw,desh);//将源图中RECT(scr.x,scr.y,desw,desh) 区域的图复制到目标区域。

    img1.Draw(pdc->m_hDC,r);//r是显示区域，pdc是显示设备。

文章出处：  http://blog.sina.com.cn/s/blog_6ca0f2df0100nlzj.html

 下面再贴一个图像缩放 的内容

图像缩放算法及速度优化——(一)最近邻插值

第0节 简介

 

　　图像缩放算法是数字图像处理算法中经常遇到的问题。我们经常会将某种尺寸的图像转换为其他尺寸的图像，如放大或者缩小图像。OpenCV中的Resize() 函数非常方便而且效率非常高。下面是OPENCV提供的cvResize函数原型。

/****************************************************************************************************/
图像大小变换 
void cvResize( const CvArr* src, CvArr* dst, int interpolation=CV_INTER_LINEAR );
src 
输入图像. 
dst 
输出图像. 
interpolation 
插值方法: 
CV_INTER_NN - 最近邻插值, 
CV_INTER_LINEAR - 双线性插值 (缺省使用) 
CV_INTER_AREA - 使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 CV_INTER_NN 方法.. 
CV_INTER_CUBIC - 立方插值. 
函数 cvResize 将图像 src 改变尺寸得到与 dst 同样大小。若设定 ROI，函数将按常规支持 ROI.
/****************************************************************************************************/

　　相信使用过Opencv的朋友都知道如何使用此函数。下面根据我自己的理解，用VC++ 来实现图像缩放算法 ，希望大家能从中理解图像缩放算法的原理。

 

第1节 最近邻插值

 

　　最简单的图像缩放算法就是最近邻插值。顾名思义，就是将目标图像各点的像素值设为源图像中与其最近的点。假设源图像的宽度和高度分别为w0和h0, 缩放后的目标图像的宽度和高度分别为w1和h1, 那么比例就是float fw = float(w0)/w1; float fh = float(h0)/h1; 对于目标图像中的(x,y)点坐标对应着源图像中的(x0, y0)点。其中：x0 = int(x*fw), y0 = int(y*fh)。

　　示例1：现在将一张670*503的BMP图像缩放到200*160，代码和效果如下。

void ResizeNear01(CImage &src, CImage &dst)
{
    int w0 = src.GetWidth();
    int h0 = src.GetHeight();

    int w1 = dst.GetWidth();
    int h1 = dst.GetHeight();

    float fw = float(w0) / w1;
    float fh = float(h0) / h1;

    int x0, y0;
    for(int y=0; y<h1; y++)
    {
        y0 = int(y * fh);
        for(int x=0; x<w1; x++)
        {
            x0 = int(x * fw);
            dst.SetPixel(x, y, src.GetPixel(x0, y0));
        }
    }
}

分析：对于此程序，我们将执行此ResizeNear01函数的语句加上一个for循环，使其执行100次，看它的速度怎么样。

#include <time.h>
void CResizeDemoDlg::OnBnClickedButton1()
{
    // TODO: Add your control notification handler code here
    CImage src, dst;
    src.Load(L"d:\\1.bmp");
    dst.Create(200, 160, 24);

    clock_t start = clock();
    for(int i=0; i<100; i++)
    {
        ResizeNear01(src, dst);
    }
    float end = float(clock() - start)/CLOCKS_PER_SEC;
    CString str;
    str.Format(L"%6.2f", end);
    MessageBox(str);


    dst.Save(L"d:\\rs.jpg");
}

　　显示程序执行所用的时间为20.59秒，平均一次需要0.2秒，看起来速度还可以，是因为时间复杂度较低。目标图像的尺寸大小是200*160。

　　示例2：示例1中的算法可以改进速度的地方有两个。第一，因为最近邻插值算法求源图像中的坐标是固定的，可以把每个目标每个x和每个y对应的值通过一次循环先求出来，再利进入双重循环。第二，使用指针效率更高，如果使用CImage提供的GetPixel和SetPixel是费时间的。

　　

//优化后的最近邻插值算法
void ResizeNear02(CImage &src, CImage &dst)
{
    int w0 = src.GetWidth();
    int h0 = src.GetHeight();
    int pitch0 = src.GetPitch();

    int w1 = dst.GetWidth();
    int h1 = dst.GetHeight();
    int pitch1 = dst.GetPitch();

    float fw = float(w0) / w1;
    float fh = float(h0) / h1;

    int *arr_x = new int[w1];
    int *arr_y = new int[h1];
    for(int y=0; y<h1; y++)
    {
        arr_y[y] = int(y*fh);
    }
    for(int x=0; x<w1; x++)
    {
        arr_x[x] = int(x*fw);
    }

    BYTE* pSrc = (BYTE*)src.GetBits();
    BYTE* pDst = (BYTE*)dst.GetBits();
    BYTE* p0, *p1;
    for(int y=0; y<h1; y++)
    {
        p0 = pSrc + pitch0 * arr_y[y];
        p1 = pDst + pitch1 * y;
        for(int x=0; x<w1; x++)
        {
            //dst.SetPixel(x, y, src.GetPixel(arr_x[x], arr_y[y]));
            memcpy(p1 + 3*x, p0 + arr_x[x]*3, 3);
        }
    }

    delete []arr_x;
    delete []arr_y;
}

　　同样执行示例1中的测试程序，让ResizeNear02也循环一百次，在我机器上测试得到的结果是0.05秒，速度提高了400倍，这是一件多么让人兴奋的事情啊。
 文章出处：http://blog.csdn.net/willian0621/article/details/8685236