【C】用C语言提取bmp图片像素，并进行K-means聚类分析——容易遇到的问题

关于bmp图片的格式，网上有很多文章，具体可以参考百度百科，也有例子程序。这里只提要注意的问题。

（1）结构体定义问题：首先按照百度百科介绍的定义了结构体，但是编译发现重定义BITMAPFILEHEADER等。其实只要包含了Windows.h，里面的wingdi.h就已经定义了处理bmp的结构体，故不需要自己再重复定义。

（2）读取文件的字节对其问题：要使用#pragma pack (1)来方便读取文件头的结构体，否则结构体的大小会由于字节对齐问题改变。不知是否头文件中已经使用了该宏，在我的代码中注释掉#pragma pack (1)也可以正确运行。另外百度到“pack提供数据声明级别的控制，对定义不起作用”，自己也不太清楚这个宏用在哪里比较合适，一般见是在定义结构体的时候，还请各位批评指正。

（3）补齐行数问题：在看百科介绍结构体时，BITMAPINFOHEADER的biSizeImage表示“位图的大小(其中包含了为了补齐行数是4的倍数而添加的空字节)，以字节为单位”，并且有相关的计算方法 。我要强调的是提取像素时要排除这些补齐用字节的影响。按照百度百科上提取像素的方法是会将这些补齐用的00字节算入在内的，从而影响后面的算法。

博客园无法上传bmp图片，所以不贴效果图了。有何问题欢迎批评指正

下面是C语言代码供参考：

#pragma once

#include "targetver.h"

#include <stdio.h>
#include <tchar.h>
#include <windows.h>
#include "bitmap.h"
#include <math.h>

bitmap.h:

#pragma pack (1)//字节对齐的控制！非常注意！
/*
typedef struct tagBITMAPFILEHEADER
{
    WORD bfType;//位图文件的类型，必须为BM(1-2字节）
    DWORD bfSize;//位图文件的大小，以字节为单位（3-6字节，低位在前）
    WORD bfReserved1;//位图文件保留字，必须为0(7-8字节）
    WORD bfReserved2;//位图文件保留字，必须为0(9-10字节）
    DWORD bfOffBits;//位图数据的起始位置，以相对于位图（11-14字节，低位在前）
    //文件头的偏移量表示，以字节为单位
}BITMAPFILEHEADER;

typedef struct tagBITMAPINFOHEADER{
    DWORD biSize;//本结构所占用字节数（15-18字节）
    LONG biWidth;//位图的宽度，以像素为单位（19-22字节）
    LONG biHeight;//位图的高度，以像素为单位（23-26字节）
    WORD biPlanes;//目标设备的级别，必须为1(27-28字节）
    WORD biBitCount;//每个像素所需的位数，必须是1（双色），（29-30字节）
    //4(16色），8(256色）16(高彩色)或24（真彩色）之一
    DWORD biCompression;//位图压缩类型，必须是0（不压缩），（31-34字节）
    //1(BI_RLE8压缩类型）或2(BI_RLE4压缩类型）之一
    DWORD biSizeImage;//位图的大小(其中包含了为了补齐行数是4的倍数而添加的空字节)，以字节为单位（35-38字节）
    LONG biXPelsPerMeter;//位图水平分辨率，每米像素数（39-42字节）
    LONG biYPelsPerMeter;//位图垂直分辨率，每米像素数（43-46字节)
    DWORD biClrUsed;//位图实际使用的颜色表中的颜色数（47-50字节）
    DWORD biClrImportant;//位图显示过程中重要的颜色数（51-54字节）
}BITMAPINFOHEADER;

typedef struct tagRGBQUAD{
    BYTE rgbBlue;//蓝色的亮度（值范围为0-255)
    BYTE rgbGreen;//绿色的亮度（值范围为0-255)
    BYTE rgbRed;//红色的亮度（值范围为0-255)
    BYTE rgbReserved;//保留，必须为0
}RGBQUAD;
*/
typedef struct
{
    BYTE b;
    BYTE g;
    BYTE r;
}RGB;

//带有坐标的颜色RGB表示
typedef struct
{
    RGB rgb;
    int height;
    int width;
} RGB_EX;
#pragma pack ()//字节对齐的控制

main.c:

// 针对图片实现K-means聚类算法.cpp : 定义控制台应用程序的入口点。
#include "stdafx.h"

float distance(RGB x, RGB mean);
int kmeans_img(RGB **Img, LONG ImgWidth, LONG ImgHeight, ULONG lCount, USHORT K);

int _tmain(int argc, _TCHAR* argv[])
{
//#pragma pack (1)//字节对齐的控制！非常注意！
    BITMAPFILEHEADER fileHeader;
    BITMAPINFOHEADER infoHeader;
    FILE* pfin; fopen_s(&pfin, "test2.bmp","rb");
    FILE* pfout; fopen_s(&pfout, "ouput.bmp","wb");
//ReadtheBitmapfileheader;
    fread(&fileHeader, sizeof(BITMAPFILEHEADER), 1, pfin);
//ReadtheBitmapinfoheader;
    fread(&infoHeader, sizeof(BITMAPINFOHEADER), 1, pfin);
//为简化代码，只处理24位彩色
    if(infoHeader.biBitCount==24) {
        int size = infoHeader.biWidth * infoHeader.biHeight;
        RGB **ppImg = NULL;
        int r;
        //开辟空间并读入图片
        //RGB img[infoHeader.biHeight][infoHeader.biWidth];  //这里有错误，尺度改为常亮
        //fread(ppImg, sizeof(RGB), size, pfin);
        ppImg = (RGB**)malloc(infoHeader.biHeight * sizeof(RGB*));
        if (!ppImg)
            return -1;
        //注意！需要处理补齐字节问题：每行字节数目必须是4的整数倍
        r = infoHeader.biWidth % 4;
        for (int i = 0; i < infoHeader.biHeight; i++) {
            ppImg[i] = (RGB*)malloc(sizeof(RGB) * infoHeader.biWidth);
            if (ppImg[i]) {
                fread(ppImg[i], sizeof(RGB), infoHeader.biWidth, pfin);
                fseek(pfin, r, SEEK_CUR);
            }
            else
                return -1;
        }
        
        /*
        //把第50行染成黑色
        int i=0;
        for(;i<infoHeader.biWidth;i++) {
            ppImg[50][i].b = ppImg[50][i].g = ppImg[50][i].r = 0;
        }
        */

        kmeans_img(ppImg, infoHeader.biWidth, infoHeader.biHeight, 2000, 5);

        //将修改后的图片保存到文件
        fileHeader.bfSize = infoHeader.biHeight * infoHeader.biWidth * 3 + fileHeader.bfOffBits;
        fwrite(&fileHeader,sizeof(fileHeader),1,pfout);
        fwrite(&infoHeader,sizeof(infoHeader),1,pfout);
        for (int i = 0; i < infoHeader.biHeight; i++) {
            fwrite(ppImg[i],sizeof(RGB),infoHeader.biWidth,pfout);
            int temp = r;
            while (temp--)
            {
                fputc(0, pfout);
            }
        }

        //释放图片占用内存
        for (int i = 0; i < infoHeader.biHeight; i++)
            free(ppImg[i]);
        free(ppImg);
    }
    fclose(pfin);
    fclose(pfout);
//#pragma pack ()
    return 0;
}

/*
对图片像素使用K-means算法聚类，聚成K类
Img：RGB矩阵形式的图片。第一维是高度Height。Img[ImgHeight][ImgWidth]。
为保证算法正确性，图片中应已经剔除了补齐字节用的00
ImgWidth:图片宽
ImgHeight：图片高
lCount：迭代次数
K:聚类数目

*/
int kmeans_img(RGB **Img, LONG ImgWidth, LONG ImgHeight, ULONG lCount, USHORT K)
{
    int iFlag;//收敛后置为0
    RGB *means = (RGB*)malloc(K * sizeof(RGB));//K个中心
    RGB_EX **Cluster = NULL;//存放簇
    int *ClusterLength = NULL;
    Cluster = (RGB_EX**)malloc(K * sizeof(RGB_EX*));
    ClusterLength = (int *)malloc(K * sizeof(int));
    for (int i = 0; i < K; i++) {
        //随意指定K个中心,应该还有更好的算法.
        means[i] = Img[(ImgHeight/(i+1))-1][(ImgWidth/(i+1))-1];
        //开辟簇的存储空间
        Cluster[i] = (RGB_EX*)malloc(ImgHeight * ImgWidth * sizeof(RGB_EX));
    }

    iFlag = K;
    //开始迭代
    while (lCount-- && iFlag)
    {
        iFlag = K;
        //每次聚类前要初始化
        for (int i = 0; i < K; i++)
            ClusterLength[i] = 0;

        //对每个像素循环，归置到相应的簇里
        for (int i = 0; i < ImgHeight; i++) {
            for (int j = 0; j < ImgWidth; j++) {
                int iClusterIndex = 0;
                float fMinDistance = 255 * 255 + 255 *255 + 255 * 255;
                float d = 0;
                for (int k = 0; k < K; k++) {
                    d = distance(Img[i][j], means[k]);
                    fMinDistance = fMinDistance > d ? iClusterIndex = k, d : fMinDistance;
                }
                Cluster[iClusterIndex][ClusterLength[iClusterIndex]].rgb = Img[i][j];
                Cluster[iClusterIndex][ClusterLength[iClusterIndex]].height = i;
                Cluster[iClusterIndex][ClusterLength[iClusterIndex]++].width = j;
            }
        }

        //重新计算每个簇的均值
        for (int i = 0; i < K; i++) {
            unsigned long sumR = 0, sumG = 0, sumB = 0;
            BYTE R = 0, G = 0, B = 0;
            for (int j = 0; j < ClusterLength[i]; j++) {
                sumR += Cluster[i][j].rgb.r;
                sumG += Cluster[i][j].rgb.g;
                sumB += Cluster[i][j].rgb.b;
            }
            if (ClusterLength[i]) {
                R = sumR / ClusterLength[i];
                G = sumG / ClusterLength[i];
                B = sumB / ClusterLength[i];
            }
            if ( means[i].r == R && means[i].g == G && means[i].b == B)
                iFlag --;//若均值不变则终止循环
            else {
                means[i].r = R;
                means[i].g = G;
                means[i].b = B;
            }
        }
    }

    //迭代结束后为每簇上色表达聚类结果
    for (int i = 0; i < K; i++) {
        for (int j = 0; j < ClusterLength[i]; j++) {
            Img[Cluster[i][j].height][Cluster[i][j].width].r = means[i].r;
            Img[Cluster[i][j].height][Cluster[i][j].width].b = means[i].b;
            Img[Cluster[i][j].height][Cluster[i][j].width].g = means[i].g;

        }
    }

    //释放内存
    for (int i = 0; i < K; i++) {
        free(Cluster[i]);
    }
    free(Cluster);
    free (means);
    free(ClusterLength);

    return 0;
}

float distance(RGB x, RGB mean)
{
    return sqrt( pow((float)(x.b - mean.b),2) + 
                pow((float)(x.g - mean.g),2) + 
                pow((float)(x.r - mean.r),2) 
                );
}

By ascii0x03, 2015.10.19