[已解决]C++ MFC 2G大图分块载入处理

cxnet

我在C++ MFC里用opencv对TIF图像做膨胀处理操作，小图片都是没问题，但是图像尺寸和分辨率比较大时就会报内存错误，请问怎样将图片进行分块加载后进行膨胀处理后并转换为1bit的二值图，再拼接成原图，再将拼接完成的图片从MFC的图片控件上显示出来，最好可以放大缩小预览图片，最后将拼接完的图片保存到文件。

最佳答案

月排行榜 / 总排行榜

FishC

2024-10-5 22:17:45

cxnet 发表于 2024-10-05 22:17
能帮我把上面的流程用C++  MFC写个代码吗？谢谢

由于完整实现的代码可能较长且具体细节会根据实际需求有所不同，我将为你提供一个简化版的代码示例，帮助你理解如何实现超大图像的分块处理、膨胀、二值化和拼接显示。

以下是实现上述流程的示例代码：

#include <afxwin.h>
#include <opencv2/opencv.hpp>

using namespace cv;

class CMyFrame : public CFrameWnd
{
public:
    CMyFrame()
    {
        Create(NULL, _T("MFC and OpenCV Large Image Processing"));
    }

protected:
    afx_msg void OnPaint()
    {
        CPaintDC dc(this);
        Mat largeImage = imread("large_image.tif", IMREAD_GRAYSCALE);

        // 检查图像是否载入
        if (largeImage.empty())
        {
            MessageBox(_T("Could not load image"), _T("Error"), MB_OK);
            return;
        }

        int blockSize = 512;
        Mat resultImage(largeImage.size(), CV_8UC1);

        for (int y = 0; y < largeImage.rows; y += blockSize)
        {
            for (int x = 0; x < largeImage.cols; x += blockSize)
            {
                // 定义感兴趣区域
                Rect roi(x, y, std::min(blockSize, largeImage.cols - x), std::min(blockSize, largeImage.rows - y));
                Mat block = largeImage(roi);

                // 膨胀
                Mat dilatedBlock;
                dilate(block, dilatedBlock, Mat());

                // 二值化
                Mat binaryBlock;
                threshold(dilatedBlock, binaryBlock, 128, 255, THRESH_BINARY);

                // 将结果拷贝回结果图像
                binaryBlock.copyTo(resultImage(roi));
            }
        }

        // 显示图像
        CImage img;
        img.Create(resultImage.cols, resultImage.rows, 8);
        for (int y = 0; y < resultImage.rows; ++y)
        {
            for (int x = 0; x < resultImage.cols; ++x)
            {
                BYTE pixelValue = (resultImage.at<uchar>(y, x) / 255) * 255;
                img.SetPixel(x, y, RGB(pixelValue, pixelValue, pixelValue));
            }
        }
        img.Draw(dc.m_hDC, 0, 0);

        // 选择性保存拼接图像
        imwrite("processed_image.tif", resultImage);
    }

    DECLARE_MESSAGE_MAP()
};

BEGIN_MESSAGE_MAP(CMyFrame, CFrameWnd)
    ON_WM_PAINT()
END_MESSAGE_MAP()

class CMyApp : public CWinApp
{
public:
    BOOL InitInstance()
    {
        CMyFrame *Frame = new CMyFrame();
        m_pMainWnd = Frame;
        Frame->ShowWindow(SW_SHOW);
        Frame->UpdateWindow();
        return TRUE;
    }
};

CMyApp theApp;

### 代码说明：
1. **分块处理**：采用512x512的块进行遍历处理，每次从图像中截取一个块。
2. **膨胀和二值化**：对每个块应用膨胀处理和二值化。
3. **结果拼接**：将处理后的块复制回结果图像的相应位置。
4. **显示**：使用MFC的`CImage`类来显示处理后的图像。
5. **保存**：处理完成后，将结果图像另存为`tif`文件。

注意：这个代码是描述性的，在实际使用中，你可能需要根据平台设置、OpenCV环境配置或具体需求作调整。另需考虑缩放功能和内存优化等额外功能。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

跳转到最佳答案楼层

FishC

处理超大图像时，可以将图像分块处理以减少内存占用。以下是一个简要的步骤指南：

1. **分块加载和处理图像：**
   - 读入超大图像文件的基本信息（如宽高、通道数）。
   - 根据内存限制确定适当的块大小（例如，512x512像素）。
   - 使用循环将图像分块读取，每个块作为一个独立的小图像进行操作。
   - 使用OpenCV对每个块进行膨胀处理。

2. **转换为1bit二值图：**
   - 对每个膨胀处理后的块进行二值化处理，例如使用`cv::threshold()`函数来实现。

3. **拼接图像：**
   - 创建一个空的大图像来存放拼接后的结果。
   - 将处理后的各个块放置在对应的位置上，注意在拷贝过程中考虑边界条件。

4. **在MFC中显示：**
   - 使用MFC的GDI+或其他控件将图像显示在窗口上。
   - 为实现缩放功能，可以使用控件的缩放特性或者用GDI+手动实现。

5. **保存拼接图像：**
   - 使用OpenCV的`cv::imwrite()`函数将最终拼接的图像保存到文件中。

这是一个基本步骤，具体实现时需要考虑内存管理、边缘处理等细节。根据你的实际需求，可以对代码进行优化以更高效地处理数据。希望这一思路能帮助你完成任务。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

cxnet

FishC 发表于 2024-10-5 22:06
处理超大图像时，可以将图像分块处理以减少内存占用。以下是一个简要的步骤指南：

1. **分块加载和处理 ...

能帮我把上面的流程用C++  MFC写个代码吗？谢谢

FishC

cxnet 发表于 2024-10-05 22:17
能帮我把上面的流程用C++  MFC写个代码吗？谢谢

由于完整实现的代码可能较长且具体细节会根据实际需求有所不同，我将为你提供一个简化版的代码示例，帮助你理解如何实现超大图像的分块处理、膨胀、二值化和拼接显示。

以下是实现上述流程的示例代码：

#include <afxwin.h>
#include <opencv2/opencv.hpp>

using namespace cv;

class CMyFrame : public CFrameWnd
{
public:
    CMyFrame()
    {
        Create(NULL, _T("MFC and OpenCV Large Image Processing"));
    }

protected:
    afx_msg void OnPaint()
    {
        CPaintDC dc(this);
        Mat largeImage = imread("large_image.tif", IMREAD_GRAYSCALE);

        // 检查图像是否载入
        if (largeImage.empty())
        {
            MessageBox(_T("Could not load image"), _T("Error"), MB_OK);
            return;
        }

        int blockSize = 512;
        Mat resultImage(largeImage.size(), CV_8UC1);

        for (int y = 0; y < largeImage.rows; y += blockSize)
        {
            for (int x = 0; x < largeImage.cols; x += blockSize)
            {
                // 定义感兴趣区域
                Rect roi(x, y, std::min(blockSize, largeImage.cols - x), std::min(blockSize, largeImage.rows - y));
                Mat block = largeImage(roi);

                // 膨胀
                Mat dilatedBlock;
                dilate(block, dilatedBlock, Mat());

                // 二值化
                Mat binaryBlock;
                threshold(dilatedBlock, binaryBlock, 128, 255, THRESH_BINARY);

                // 将结果拷贝回结果图像
                binaryBlock.copyTo(resultImage(roi));
            }
        }

        // 显示图像
        CImage img;
        img.Create(resultImage.cols, resultImage.rows, 8);
        for (int y = 0; y < resultImage.rows; ++y)
        {
            for (int x = 0; x < resultImage.cols; ++x)
            {
                BYTE pixelValue = (resultImage.at<uchar>(y, x) / 255) * 255;
                img.SetPixel(x, y, RGB(pixelValue, pixelValue, pixelValue));
            }
        }
        img.Draw(dc.m_hDC, 0, 0);

        // 选择性保存拼接图像
        imwrite("processed_image.tif", resultImage);
    }

    DECLARE_MESSAGE_MAP()
};

BEGIN_MESSAGE_MAP(CMyFrame, CFrameWnd)
    ON_WM_PAINT()
END_MESSAGE_MAP()

class CMyApp : public CWinApp
{
public:
    BOOL InitInstance()
    {
        CMyFrame *Frame = new CMyFrame();
        m_pMainWnd = Frame;
        Frame->ShowWindow(SW_SHOW);
        Frame->UpdateWindow();
        return TRUE;
    }
};

CMyApp theApp;

### 代码说明：
1. **分块处理**：采用512x512的块进行遍历处理，每次从图像中截取一个块。
2. **膨胀和二值化**：对每个块应用膨胀处理和二值化。
3. **结果拼接**：将处理后的块复制回结果图像的相应位置。
4. **显示**：使用MFC的`CImage`类来显示处理后的图像。
5. **保存**：处理完成后，将结果图像另存为`tif`文件。

注意：这个代码是描述性的，在实际使用中，你可能需要根据平台设置、OpenCV环境配置或具体需求作调整。另需考虑缩放功能和内存优化等额外功能。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。