简单bmp图片处理工具——python实现

发现问题，目前正在调试：

灰度化图片时，如果图片的高度比宽高，会提示超出数组边界，没想通，正在看。

是因为之前初始化像素个数的时候出了些问题，现在已经修正。github正在重新提交

预备实现功能：

　　1、读取bmp文件

　　2、保存bmp文件

　　3、对bmp图片进行放大、缩小

　　4、对bmp图片进行灰度化

　　5、对bmp图片进行旋转

bmp文件格式非常简单，对于我这种初学者来说减少了不少不必要麻烦，故选择写一个处理bmp格式的工具。因为之前自学python一直没有动手，所以语言选择python。

第一步、熟悉bmp文件格式，完成bmp文件的解析、生成

参考了如下博客

　  1、http://blog.csdn.net/lanbing510/article/details/8176231

2、http://blog.csdn.net/jemenchen/article/details/52658476

　根据上面的博客，了解了基本的bmp文件格式，bmp文件可以简单的分为：

　　1、文件信息头

　　2、位图信息头

　　3、调色板

　　4、像素信息

　因为现在的bmp图片一般都没有调色板信息（因为24位），所以忽略第三个。所以bmp文件一般的头部信息（包括文件信息头和位图信息图）总共占用54个字节

使用16进制查看器打开一张bmp格式图片，我们可以看到如下信息

图1 bmp文件

图中蓝色部分就是bmp文件的头部信息，后面的FF为像素数据。可以看到，头部信息总共有54个字节（不包括调色板），具体这些数据由什么组成，可以查看上述的参考博文。

所以现在我们的思路就非常清晰，读取文件的头部信息后，在读取文件的位图数据，即可完成对bmp文件的解析。

所以我们构造了如下的类

文件信息头类

class BmpFileHeader:
    def __init__(self):
        self.bfType = i_to_bytes(0, 2)  # 0x4d42 对应BM
        self.bfSize = i_to_bytes(0, 4)  # file size
        self.bfReserved1 = i_to_bytes(0, 2)
        self.bfReserved2 = i_to_bytes(0, 2)
        self.bfOffBits = i_to_bytes(0, 4)  # header info offset

位图信息头

class BmpStructHeader:
    def __init__(self):
        self.biSize = i_to_bytes(0, 4)  # bmpheader size
        self.biWidth = i_to_bytes(0, 4)
        self.biHeight = i_to_bytes(0, 4)
        self.biPlanes = i_to_bytes(0, 2)  # default 1
        self.biBitCount = i_to_bytes(0, 2)  # one pixel occupy how many bits
        self.biCompression = i_to_bytes(0, 4)
        self.biSizeImage = i_to_bytes(0, 4)
        self.biXPelsPerMeter = i_to_bytes(0, 4)
        self.biYPelsPerMeter = i_to_bytes(0, 4)
        self.biClrUsed = i_to_bytes(0, 4)
        self.biClrImportant = i_to_bytes(0, 4)

bmp类至少应该有三个信息：

1. 文件信息头
2. 位图信息头
3. 位图数据

在拥有了上述信息后，下面的事情就变得非常简单，只需要去读取文件，并按照bmp的格式构造出头部信息，位图数据即可完成bmp的解析

解析过程中，我们要注意数据的大小端问题

我们读取、写入数据要以小段模式（这个有点容易混淆，我可能解释的也有点不清楚）

bmp类

class Bmp(BmpFileHeader, BmpStructHeader):
    def __init__(self):
        BmpFileHeader.__init__(self)
        BmpStructHeader.__init__(self)
        self.__bitSize = 0  # pixels size
        self.bits = []  # pixel array

    @property
    def width(self):
        return bytes_to_i(self.biWidth)

    @property
    def height(self):
        return bytes_to_i(self.biHeight)

    # unit is byte
    @property
    def bit_count(self):
        return bytes_to_i(self.biBitCount) // 8

    @property
    def width_step(self):
        return self.bit_count * self.width

bmp类中解析方法：

 # resolve a bmp file
    def parse(self, file_name):
        file = open(file_name, 'rb')
        # BmpFileHeader
        self.bfType = file.read(2)
        self.bfSize = file.read(4)
        self.bfReserved1 = file.read(2)
        self.bfReserved2 = file.read(2)
        self.bfOffBits = file.read(4)
        # BmpStructHeader
        self.biSize = file.read(4)
        self.biWidth = file.read(4)
        self.biHeight = file.read(4)
        self.biPlanes = file.read(2)
        self.biBitCount = file.read(2)
        # pixel size
        self.__bitSize = (int.from_bytes(self.bfSize,
                                         'little') -
                          int.from_bytes(self.bfOffBits, 'little')) \
                         // (int.from_bytes(self.biBitCount, 'little') // 8)
        self.biCompression = file.read(4)
        self.biSizeImage = file.read(4)
        self.biXPelsPerMeter = file.read(4)
        self.biYPelsPerMeter = file.read(4)
        self.biClrUsed = file.read(4)
        self.biClrImportant = file.read(4)
        #  load pixel info
        count = 0
        while count < self.__bitSize:
            bit_count = 0
            while bit_count < (int.from_bytes(self.biBitCount, 'little') // 8):
                self.bits.append(file.read(1))
                bit_count += 1
            count += 1
        file.close()

有了上述信息，我们再重新生成bmp文件就很简单了，直接将数据再重新写回去就可以了，如果有额外要求，可以自己构建头部信息，然后再重新写回

bmp类中生成方法

    def generate(self, file_name):
        file = open(file_name, 'wb+')
        # reconstruct File Header
        file.write(self.bfType)
        file.write(self.bfSize)
        file.write(self.bfReserved1)
        file.write(self.bfReserved2)
        file.write(self.bfOffBits)
        # reconstruct bmp header
        file.write(self.biSize)
        file.write(self.biWidth)
        file.write(self.biHeight)
        file.write(self.biPlanes)
        file.write(self.biBitCount)
        file.write(self.biCompression)
        file.write(self.biSizeImage)
        file.write(self.biXPelsPerMeter)
        file.write(self.biYPelsPerMeter)
        file.write(self.biClrUsed)
        file.write(self.biClrImportant)
        # reconstruct pixels
        for bit in self.bits:
            file.write(bit)
        file.close()

至此，我们就已经完成了bmp图片的解析和生成。

随后，我们就可以根据我们读取出来的位图数据，来进行我们需要的操作，从而达到处理图像的功能。

第二步，实现图片的放大，缩小

参考博客：http://blog.csdn.net/zhangla1220/article/details/41014541

作为入门级小白，我起初对图像处理是一无所知，所以根本不知道应该如何去放大，缩小一张图片，经过查阅百度后，发现常用的算法有两种

1. 最近邻内插值
2. 双线性插值法

上述两个算法博客中都有相应思路，这里只简单提一下

最近邻是最简单的算法，基本思路也就是成比例放大后，将源图像坐标映射到目标图像，所以我选择用这种算法作为我的处理算法。

双线性法的处理效果比最近邻要好，但是相对复杂，所以我暂时没有实现该算法。

既然选择了最近邻算法，接下来要说明一些我们要获取的参数

第一步：我们首先得明确一个概念，每一行（指的是图片width * 每一个像素占的字节）的元素必须是4的倍数，否则计算机会无法识别该文件（这是我后面遇到的坑）

第二步：我们应该知道 源坐标和目的坐标的转换方式，我们假设 w是源图像宽，h是源图像高，W是目标图像宽，H是目标图像高，设（x,y）是源图像坐标，（X,Y）是目标图像坐标

所以我们可以得到下列公式

x = h / H * X;

y = w / W * Y

第三步：我再解析bmp图片时，是将图片位图数据存储到了一个一维数组里，所以我们要进行对应的x,y转换到我们的一维数组上（应该就是个行优先，列优先问题），要注意的是，一个像素是由多个字节组成的。

遇到问题：

因为我们计算机中图像是以左上角为原点，所以在进行源图像和目标图像映射的时候，我们要进行转换，否则就会不正常，这个是我解决了很久的问题，最后是查看了一个博文提到了这个问题，我才知道（博文地址找不到了。。。）

nni代码

   def resize(self, width, height):
        self.__nni(width, height)

    # nearest_neighbor Interpolation
    def __nni(self, width, height):
        # width must be Multiple of four
        if width % 4 != 0:
            width -= width % 4
        w_ratio = (self.height / height)
        h_ratio = (self.width / height)
        # new pixels array
        new_bits = [b''] * height * width * self.bit_count
        for row in range(0, height):
            for col in range(0, width):
                for channel in range(0, self.bit_count):
                    old_r = round((row + 0.5) * w_ratio - 0.5)   # 这里的 +0.5 -0.5 就是对坐标进行转换
                    old_c = round((col + 0.5) * h_ratio - 0.5)
                    new_index = row * width * self.bit_count + col * self.bit_count + channel
                    old_index = old_r * self.width_step + old_c * self.bit_count + channel
                    new_bits[new_index] = self.bits[old_index]
        self.bits = new_bits
        # reset header info
        self.bfSize = i_to_bytes(height * width * self.bit_count + 54, 4)
        self.biSizeImage = i_to_bytes(len(new_bits), 4)
        self.biWidth = i_to_bytes(width, 4)
        self.biHeight = i_to_bytes(height, 4)

实现的效果如下，将一个988*423的bmp文件缩小为8*8的

　　　　　　　　　　　　　　　　  图2 源图像

　　　　　　　　　　　　　　

　　　　　　　　　　　　　　 图3 8*8

第三步，对图片进行灰度化

灰度化就很简单了，最简单的做法就是求R,G,B的平均值

这里采用了常见的灰度化公式，这是整数算法，减少了浮点计算，在一定程度上提高了速度

Gray = (R*299 + G*587 + B*114 + 500) / 1000

灰度化代码

   # put bmp graying
    def graying(self):
        new_bits = [b''] * self.width * self.height * self.bit_count
        for i in range(0, self.height):
            for j in range(0, self.width):
                s_index = i * self.width_step + j * self.bit_count
                target_index = i * self.width_step + j * self.bit_count
                r = int.from_bytes(self.bits[s_index + 2], 'little')
                g = int.from_bytes(self.bits[s_index + 1], 'little')
                b = int.from_bytes(self.bits[s_index], 'little')
                gray = (r * 30 + g * 59 + b * 11) / 100
                new_bits[target_index] = int(gray).to_bytes(1, 'little')
                new_bits[target_index + 1] = int(gray).to_bytes(1, 'little')
                new_bits[target_index + 2] = int(gray).to_bytes(1, 'little')
        self.bits = new_bits

实现效果：

图4 灰度化效果

第四步，对图片进行旋转

参考博文：

1. http://blog.csdn.net/liyuan02/article/details/6750828
2. http://blog.csdn.net/lkj345/article/details/50555870

第一篇博文完整分析了图片旋转的公式原理，说的非常清晰，有兴趣可以手写一遍，挺简单，而且清晰。

原理我就不说了，不在这献丑了~

来说说我遇到的问题

1、我不清楚如何要获得我们旋转后的宽和高，参考博文2中给出了公式，当时我并没有看懂，后面找到了一张图后，就明白了，这这里分享出这张图。

图5 旋转原理图

说明： w为原宽，h为原高 h'为旋转后的高  w'为旋转后的宽

从而可以看出

h' = h * cos + w * sin

w' = h * sin + w * cos

从而我们就得到了旋转后的宽和高，旋转后的图片所在的矩形区域是图中绿色部分。

我使用了上述博文中提到的反映射方法和最近邻插值法

代码如下：

 def rotate(self):
        self.__rotate(90)

    """
    reference: http://blog.csdn.net/liyuan02/article/details/6750828
    attention: in the loop, the x in real bmp is represent y, the y same too.
    """
    def __rotate(self, degree):
        cos_degree = math.cos(math.radians(degree))
        sin_degree = math.sin(math.radians(degree))
        h = math.ceil(self.height * cos_degree
                      + self.width * sin_degree)
        w = math.ceil(self.height * sin_degree
                      + self.width * cos_degree)
        h = abs(h)
        w = abs(w)
        if w % 4 != 0:
            w -= w % 4
        dx = -0.5 * w * cos_degree - 0.5 * h * sin_degree + 0.5 * self.width
        dy = 0.5 * w * sin_degree - 0.5 * h * cos_degree + 0.5 * self.height
        new_bits = [b''] * w * h * 3
        for x in range(0, h):
            for y in range(0, w):
                x0 = y * cos_degree + x * sin_degree + dx
                y0 = -y * sin_degree + x * cos_degree + dy
                src_index = round(y0) * self.width_step + round(x0) * self.bit_count
                dst_index = x * w * self.bit_count + y * self.bit_count
                if len(self.bits) - self.bit_count > src_index >= 0:
                    new_bits[dst_index + 2] = self.bits[src_index + 2]
                    new_bits[dst_index + 1] = self.bits[src_index + 1]
                    new_bits[dst_index] = self.bits[src_index]
                else:
                    new_bits[dst_index + 2] = i_to_bytes(255, 1)
                    new_bits[dst_index + 1] = i_to_bytes(255, 1)
                    new_bits[dst_index] = i_to_bytes(255, 1)
        self.bits = new_bits
        self.biWidth = i_to_bytes(w, 4)
        self.biHeight = i_to_bytes(h, 4)

要注意的问题是：

在for循环中的 x 是实际图像的 高

在for循环中的 y是实际图像中的宽

之前没注意该问题，直接套公式，结果一直有问题。

我目前只是初版，选择90°效果还行，其他度数的话，代码可能要进行改动。

我这里是默认逆时针旋转90°

效果如下：

图6  逆时针旋转90°

到此，预期实现功能结束。

因为我所在地区比较偏远，github访问不便，等会上传成功后，给出源码链接

github:

https://github.com/zyp461476492/SimpleBmpResolver.git