在图像处理领域，图像数据和算法之间存在着一道鸿沟。实验室中的数学家和算法工程师通常擅长矩阵处理。对于他们来说，图像不过是矩阵的一种形式。因此，他们不需要理解Bitmap类的细节。此外，像MathNet.Numerics这样的数学工具，设计之初就是为了处理double[]或T[]这样的数据类型。例如，GDI+可以轻松地放大图像，但如果想使用一些高级的插值方法来计算插值像素值，GDI+就显得无能为力了。因此，支持这个库将Image转换为float[][][]/float[][,]/T[][][]/T[][,]类型。这样，算法工程师就可以专注于算法本身，而不需要关心“如何正确加载图像”。
同时，有时发现实验室中的代码效率不高，例如GetPixel()和SetPixel()。因此，认为需要提供一个解决方案来连接矩阵和图像。
这个类库做了两件事：1. 将图像转换为数组。2. 将数组转换为图像。通常，图像可以分为两种类型：a) 单色图像；b) 彩色图像。单色图像可以用2D矩阵定义：float[Width][Height]/float[Width,Height]或T[Width][Height]/T[Width,Height]。彩色图像可以用3D矩阵定义：float[R/G/B][Width][Height]/[R/G/B]float[Width,Height]或T[R/G/B][Width][Height]/T[R/G/B][Width,Height]。这里支持这4种数据类型。
构建单个cs文件(DoubleToImageMethod.cs)后，将得到一个DLL文件。为这个DLL添加一个引用。
C# string fileName = "test.bmp";
float[][][] image;
// 这里得到了图像矩阵
image = DoubleToImageMethods.LoadFromFile(fileName);
// ...对矩阵进行一些操作，例如模式识别
// 现在有三个来自test.bmp的波段。
image[0]是红色波段，image[1]是绿色通道，image[2]是蓝色波段。也许可以用图像做一些事情。完成工作后，应该保存数据：
C#
// 然后将矩阵保存为Bmp图像文件
DoubleToImageMethods.SaveToBmpLinear(image, "test.bmp");
然后就得到了结果。
有时，需要其他数据类型，例如需要比float更精确的值，如double。可以使用这种方式加载图像：
C# string fileName = "test.bmp";
double[][][] image;
// 这里得到了图像矩阵，并且这里请求了double[][][]数据类型
image = DoubleToImageMethods.LoadFromFile(fileName);
// ...对矩阵进行一些操作
有三个方法：
发现Marshal.Copy()是一个解决这个问题的好类。当使用bmp或jpg文件加载或保存数据时，需要BitmapData，而Marshal.Copy()支持快速且安全地加载或保存数据。
C# Parallel.For(0, imgHeight, (int i) => {
for (int j = 0; j < imgExtentWidth; j += 3) {
if (j < imgWidth * 3) {
linlizeImg[i * imgExtentWidth + j] = arrayData[2][j / 3][i];
linlizeImg[i * imgExtentWidth + j + 1] = arrayData[1][j / 3][i];
linlizeImg[i * imgExtentWidth + j + 2] = arrayData[0][j / 3][i];
} else {
linlizeImg[i * imgExtentWidth + j] = linlizeImg[i * imgExtentWidth + j - 1];
}
}
});