急急!!真彩色位图转换为256色位图

蜗牛老嗲 2007-05-05 05:07:39
在视图中获得了一个位图的句柄,但是这个位图是32位的,现在要转换成8位位图,由于对位图还不是很熟悉,看了几天资料还是没有头绪,希望各位大侠帮忙,这是我的毕业设计,是一个手写数字的识别
...全文
4996 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
蜗牛老嗲 2007-05-13
  • 打赏
  • 举报
回复
时间太紧了 ,只好换另一个方法了 ,谢谢大家了
wuqiaowuqiao 2007-05-10
  • 打赏
  • 举报
回复
http://www.vbgood.com/viewthread.php?tid=53287&extra=page%3D1&page=4
nf3 2007-05-10
  • 打赏
  • 举报
回复
收藏
圆圆木公 2007-05-08
  • 打赏
  • 举报
回复
CXImage类库中直接调用就好了,简单直接!!
HaiXingYu 2007-05-08
  • 打赏
  • 举报
回复
你可以选出图像中出现最多的颜色数进行量化...然后构造调色板..不过效果不好..
如果你要是抓换成灰度图的话,用转换公式,网上都有....
「已注销」 2007-05-05
  • 打赏
  • 举报
回复
你去网上搜搜吧,这个代码网上到处是
蜗牛老嗲 2007-05-05
  • 打赏
  • 举报
回复
能把CreateOctreePalette()这个函数的实现告诉我,
蜗牛老嗲 2007-05-05
  • 打赏
  • 举报
回复
24位与32位有什么区别吗,
「已注销」 2007-05-05
  • 打赏
  • 举报
回复
这是一个24TO256的源码,你看看
LONG i;

//24位位图的BITMAPINFO结构指针
LPBITMAPINFO lpSrcbmi;

//256色位图的BITMAPINFO结构指针
LPBITMAPINFO lpbmi = NULL;

//指向24色位图的像素的指针
LPSTR lpSourceBits;

//指向256色位图的像素的指针
LPSTR lpTargetBits;

//指向256色DIB的指针
LPSTR lpNewDIB;

//设备上下问句柄
HDC hDC ;
HDC hSourceDC;
HDC hTargetDC;

//位图句柄
HBITMAP hSourceBitmap;
HBITMAP hTargetBitmap;
HBITMAP hOldTargetBitmap;
HBITMAP hOldSourceBitmap;

//位图大小
DWORD dwSourceBitsSize, dwTargetBitsSize;

//256色位图信息头大小
DWORD dwTargetHeaderSize;

//256色位图句柄
HDIB hNewDIB;

DWORD dwSize;

//位图的高度、宽度
LONG lWidth, lHeight;

//指向24位位图的指针
LPSTR lpDIB;

//位图的颜色数
WORD wNumColors;

//调色板句柄
HPALETTE hPal;

//调色板颜色数组
PALETTEENTRY pe[256];

//获取位图句柄
HDIB hDIB=pDoc->GetHDIB();

//锁定句柄
lpDIB = (LPSTR) ::GlobalLock((HGLOBAL)hDIB );

//位图颜色数
wNumColors=::DIBNumColors(lpDIB);

//判断是否是24位位图
if (wNumColors!=0)
{
AfxMessageBox("不是24色位图");
::GlobalUnlock((HGLOBAL)hDIB);
return ;
}


lpSrcbmi = (LPBITMAPINFO)lpDIB;

lWidth = lpSrcbmi->bmiHeader.biWidth;

lHeight = lpSrcbmi->bmiHeader.biHeight;

//256色位图信息头大小+调色板大小
dwTargetHeaderSize = sizeof( BITMAPINFO ) +
( 256 * sizeof( RGBQUAD ) );

//分配内存
lpbmi = (LPBITMAPINFO)malloc( dwTargetHeaderSize );

//填充256色位图信息头
lpbmi->bmiHeader.biSize =sizeof( BITMAPINFOHEADER );
lpbmi->bmiHeader.biWidth = lWidth;
lpbmi->bmiHeader.biHeight = lHeight;
lpbmi->bmiHeader.biPlanes = 1;
lpbmi->bmiHeader.biBitCount = 8;
lpbmi->bmiHeader.biCompression = BI_RGB;
lpbmi->bmiHeader.biSizeImage = 0;
lpbmi->bmiHeader.biXPelsPerMeter = 0;
lpbmi->bmiHeader.biYPelsPerMeter = 0;
lpbmi->bmiHeader.biClrUsed = 0;
lpbmi->bmiHeader.biClrImportant = 0;


BeginWaitCursor();

//用八叉树算法生成256 色调色板
hPal =::CreateOctreePalette(lpDIB, 256, 8);

//是否创建成功
if (! hPal)
{
return;
}

//获取调色板表项
::GetPaletteEntries(hPal,0,256,pe);

//拷贝调色板
for(i=0;i<256;i++)
{
lpbmi->bmiColors[i].rgbRed=pe[i].peRed;
lpbmi->bmiColors[i].rgbGreen=pe[i].peGreen;
lpbmi->bmiColors[i].rgbBlue=pe[i].peBlue;
lpbmi->bmiColors[i].rgbReserved=0;
}


hDC =::GetDC( NULL );

//创建位图
hTargetBitmap = CreateDIBSection( hDC, lpbmi,
DIB_RGB_COLORS, (VOID **)&lpTargetBits, NULL, 0 );

hSourceBitmap = CreateDIBSection( hDC, lpSrcbmi,
DIB_RGB_COLORS,(VOID **)&lpSourceBits, NULL, 0 );

//创建24位位图的内存DC
hSourceDC = CreateCompatibleDC( hDC );

//创建256色位图的内存DC
hTargetDC = CreateCompatibleDC( hDC );

//24位位图的大小
dwSourceBitsSize = lpSrcbmi->bmiHeader.biHeight * WIDTHBYTES(lWidth*24);

//256色位图的大小(8位)
dwTargetBitsSize = lpbmi->bmiHeader.biHeight * WIDTHBYTES(lWidth*8);

//拷贝24位位图的像素值
memcpy( lpSourceBits, FindDIBBits(lpDIB), dwSourceBitsSize );

lpbmi->bmiHeader.biSizeImage = dwTargetBitsSize;

//选入内存DC
hOldSourceBitmap = (HBITMAP)SelectObject( hSourceDC, hSourceBitmap );
hOldTargetBitmap = (HBITMAP)SelectObject( hTargetDC, hTargetBitmap );

//给256色位图的内存DC赋颜色表
SetDIBColorTable( hTargetDC, 0, 256, lpbmi->bmiColors );


//*************************************************//
//注意该函数除了经常用于在屏幕上画位图以外,还有一个//
//特别的功能,就是原位图的颜色格式按照目标位图的颜色//
//格式转化,在这里实现了24位位图格式到8位位图格式的 //
//转化,在本程序中是非常关键的一步。 //
//**************************************************//
BitBlt( hTargetDC, 0, 0, lWidth, lHeight, hSourceDC, 0, 0, SRCCOPY );

//选入原来的对象
SelectObject(hSourceDC,hOldSourceBitmap);
SelectObject(hTargetDC,hOldTargetBitmap);

//删除创建的DC
DeleteDC(hSourceDC);
DeleteDC(hTargetDC);
::ReleaseDC(NULL,hDC);

//刷新屏幕显示
GdiFlush();

dwSize = dwTargetHeaderSize + dwTargetBitsSize;

//为256色位图分配内存
hNewDIB = (HDIB)::GlobalAlloc(GHND, dwSize);

//分配失败
if(hNewDIB==NULL)
{
return ;
}


lpNewDIB =(char*) ::GlobalLock((HGLOBAL)hNewDIB);

//拷贝256色位图的信息头和调色板
memcpy( lpNewDIB, lpbmi, dwTargetHeaderSize );

//拷贝256色位图的像素值
memcpy( FindDIBBits( lpNewDIB ), lpTargetBits, dwTargetBitsSize );

//删除对象
DeleteObject(hSourceBitmap);
DeleteObject(hTargetBitmap);
free(lpbmi);

//用256色替换24位位图
pDoc->ReplaceHDIB((HDIB)hNewDIB);

pDoc->InitDIBData();

pDoc->SetModifiedFlag(TRUE);

//实现256色位图的调色板
OnDoRealize((WPARAM)m_hWnd,0);

pDoc->UpdateAllViews(NULL);

EndWaitCursor();

::GlobalUnlock((HGLOBAL) hDIB);
songyuanwc 2007-05-05
  • 打赏
  • 举报
回复
顶楼上
很容易的
laviewpbt 2007-05-05
  • 打赏
  • 举报
回复
首先是计算你的8位色的调色板,这要看你用什么算法
然后设置调色板数据,在将真彩色数据隐射为调色板的索引值,一般还要考虑抖动!
内容概要:本文聚焦风电出力的不确定性问题,采用拉丁超立方抽样(Latin Hypercube Sampling, LHS)方法生成具有统计代表性的风电出力初始场景集,有效克服传统蒙特卡洛抽样存在的样本冗余与收敛速度慢的缺陷。为进一步降低场景数量以提升电力系统优化调度的计算效率,研究结合K-means聚类、快速前向选择等场景缩减技术,对生成的高维场景进行聚合与概率修正,保留最具代表性的典型场景及其对应概率分布。整个建模流程在Matlab平台上编程实现,形成一套完整的“抽样—生成—缩减—验证”的不确定性建模框架,为含高比例风电的电力系统提供高质量、低冗余的输入场景集,显著增强随机优化、鲁棒优化等模型的求解效率与工程实用性。; 适合人群:具备电力系统分析、概率统计基础及Matlab编程能力,从事新能源并网、电力系统优化调度、不确定性建模与风险评估等方向的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于风电主导的电力系统随机优化调度、机会约束规划、鲁棒经济调度等场景,提升模型对不确定性的刻画能力;②帮助研究者深入掌握拉丁超立方抽样与场景缩减的核心原理与实现方法,构建高精度的不确定性输入模型;③为复杂电力系统仿真提供经过科学约简的典型场景集,平衡计算精度与效率,支撑实际工程决策。; 阅读建议:建议读者结合提供的Matlab代码逐模块调试与运行,重点理解LHS在多维空间中的分层抽样机制、场景距离度量方式及聚类缩减过程中的概率守恒原则,关注缩减前后场景集的分布保真性与计算效率提升效果,以全面掌握风电不确定性建模的关键技术路径。
代码下载链接: https://pan.quark.cn/s/a4b39357ea24 全国范围内的飞思卡尔智能车竞赛是一项专注于在校大学生的科技创新项目,其目的在于通过设计并制造一辆能够执行特定任务的智能车辆,以增强学生的创新思维和工程实践技能。在此过程中,参赛团队需要开发相应的控制程序代码,用以确保智能车的平稳运作以及高级功能,例如路径选择、障碍物躲避等。本文将详细分析飞思卡尔智能车竞赛程序代码中常见的几个核心信息技术范畴:PID控制方法、智能控制方法、图像识别方法以及超声波测距技术。 PID控制方法作为智能车控制系统的核心组成部分,通过模仿人类的驾驶行为,并融合传感器提供的实时数据,对车辆的运动进行精确调控。在智能车竞赛中,PID控制通常被应用于处理车速、方向和加速度等多个控制方面。一个标准的PID控制系统主要由三个关键部分构成:比例部分(P)、积分部分(I)和微分部分(D)。比例部分负责减少误差,积分部分旨在消除稳态误差,而微分部分则预测误差的发展趋势,从而实现快速响应变化。通过调整PID参数,可以使智能车在赛道上保持稳定,并能迅速适应赛道条件的变化。 智能控制方法的实现是智能车在复杂环境中有效运行的关键。智能控制往往需要整合机器学习和人工智能技术,例如模糊逻辑、神经网络或遗传算法等。在智能车竞赛场景下,车辆需要依据传感器收集的环境数据,完成对路线的识别、障碍物的规避等任务。路径规划方法能够协助车辆挑选最优的行驶路线,而避障策略则保障车辆能够安全地绕开前方的障碍物。此外,智能车还应具备一定的学习功能,能够适应环境的变化,并作出相应的调整。 图像识别方法对于智能车对赛道的感知能力具有决定性作用。车辆通常配备摄像头或其他视觉传感器来采集图像信息。借助图像处理...

19,464

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 图形处理/算法
社区管理员
  • 图形处理/算法社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧