多元灰度模型java实现_Java基于opencv实现图像数字识别(三)—灰度化和二值化

野性酷女 2022-11-09 14:25 88阅读 0赞

Java基于opencv实现图像数字识别(三)—灰度化和二值化

1、灰度化java

灰度化：在RGB模型中，若是R=G=B时，则彩色表示灰度颜色，其中R=G=B的值叫灰度值；所以，灰度图像每一个像素点只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。通常经常使用的是加权平均法来求像素点的灰度值，opencv开发库所采用的一种求灰度值算法以下； ：)Gray = 0.072169 \* B + 0.715160 \* G + 0.212671 \* Rc++

有两种方式能够实现灰度化，以下算法

方式1

@Test

public void toGray() \{

// 这个必需要写,不写报java.lang.UnsatisfiedLinkError

System.loadLibrary(Core.NATIVE\_LIBRARY\_NAME);

File imgFile = new File("C:/Users/admin/Desktop/open/test.png");

String dest = "C:/Users/admin/Desktop/open";

//方式一

Mat src = Imgcodecs.imread(imgFile.toString(), Imgcodecs.CV\_LOAD\_IMAGE\_GRAYSCALE);

//保存灰度化的图片

Imgcodecs.imwrite(dest + "/toGray" + imgFile.getName(), src);

方式2

@Test

public void toGray() \{

// 这个必需要写,不写报java.lang.UnsatisfiedLinkError

System.loadLibrary(Core.NATIVE\_LIBRARY\_NAME);

File imgFile = new File("C:/Users/admin/Desktop/open/test.png");

String dest = "C:/Users/admin/Desktop/open";

//方式二

Mat src = Imgcodecs.imread(imgFile.toString());

Mat gray = new Mat();

Imgproc.cvtColor(src, gray, Imgproc.COLOR\_BGR2GRAY);

src = gray;

//保存灰度化的图片

Imgcodecs.imwrite(dest + "/toGray2" + imgFile.getName(), src);

二值化：图像的二值化，就是将图像上的像素点的灰度值设置位0或255这两个极点，也就是将整个图像呈现出明显的只有黑和白的视觉效果测试

常见的二值化方法为固定阀值和自适应阀值，固定阀值就是制定一个固定的数值做为分界点，大于这个阀值的像素就设为255，小于该阀值就设为0，这种方法简单粗暴，可是效果不必定好.另外就是自适应阀值，每次根据图片的灰度状况找合适的阀值。自适应阀值的方法有不少，这里采用了一种相似K均值的方法，就是先选择一个值做为阀值，统计大于这个阀值的全部像素的灰度平均值和小于这个阀值的全部像素的灰度平均值，再求这两个值的平均值做为新的阀值。重复上面的计算，直到每次更新阀值后，大于该阀值和小于该阀值的像素数目不变为止。url

代码以下spa

@Test

public void binaryzation(Mat mat) \{

int BLACK = 0;

int WHITE = 255;

int ucThre = 0, ucThre\_new = 127;

int nBack\_count, nData\_count;

int nBack\_sum, nData\_sum;

int nValue;

int i, j;

int width = mat.width(), height = mat.height();

//寻找最佳的阙值

while (ucThre != ucThre\_new) \{

nBack\_sum = nData\_sum = 0;

nBack\_count = nData\_count = 0;

for (j = 0; j < height; ++j) \{

for (i = 0; i < width; i++) \{

nValue = (int) mat.get(j, i)\[0\];

if (nValue > ucThre\_new) \{

nBack\_sum += nValue;

nBack\_count++;

\} else \{

nData\_sum += nValue;

nData\_count++;

nBack\_sum = nBack\_sum / nBack\_count;

nData\_sum = nData\_sum / nData\_count;

ucThre = ucThre\_new;

ucThre\_new = (nBack\_sum + nData\_sum) / 2;

//二值化处理

int nBlack = 0;

int nWhite = 0;

for (j = 0; j < height; ++j) \{

for (i = 0; i < width; ++i) \{

nValue = (int) mat.get(j, i)\[0\];

if (nValue > ucThre\_new) \{

mat.put(j, i, WHITE);

nWhite++;

\} else \{

mat.put(j, i, BLACK);

nBlack++;

// 确保白底黑字

if (nBlack > nWhite) \{

for (j = 0; j < height; ++j) \{

for (i = 0; i < width; ++i) \{

nValue = (int) (mat.get(j, i)\[0\]);

if (nValue == 0) \{

mat.put(j, i, WHITE);

\} else \{

mat.put(j, i, BLACK);

测试二值化.net

@Test

public void binaryzation() \{

// 这个必需要写,不写报java.lang.UnsatisfiedLinkError

System.loadLibrary(Core.NATIVE\_LIBRARY\_NAME);

File imgFile = new File("C:/Users/admin/Desktop/open/test.png");

String dest = "C:/Users/admin/Desktop/open";

//先通过一步灰度化

Mat src = Imgcodecs.imread(imgFile.toString());

Mat gray = new Mat();

Imgproc.cvtColor(src, gray, Imgproc.COLOR\_BGR2GRAY);

src = gray;

//二值化

binaryzation(src);

Imgcodecs.imwrite(dest + "/binaryzation" + imgFile.getName(), src);

Opencv本身也提供了二值化的接口，好像没有上面的效果好，这里也把代码放出来code

@Test

public void testOpencvBinary() \{

// 这个必需要写,不写报java.lang.UnsatisfiedLinkError

System.loadLibrary(Core.NATIVE\_LIBRARY\_NAME);

File imgFile = new File("C:/Users/admin/Desktop/open/test.png");

String dest = "C:/Users/admin/Desktop/open";

Mat src = Imgcodecs.imread(imgFile.toString(), Imgcodecs.CV\_LOAD\_IMAGE\_GRAYSCALE);

Imgcodecs.imwrite(dest + "/AdaptiveThreshold1" + imgFile.getName(), src);

Mat dst = new Mat();

Imgproc.adaptiveThreshold(src, dst, 255, Imgproc.ADAPTIVE\_THRESH\_MEAN\_C, Imgproc.THRESH\_BINARY, 13, 5);

Imgcodecs.imwrite(dest + "/AdaptiveThreshold2" + imgFile.getName(), dst);

Imgproc.adaptiveThreshold(src, dst, 255, Imgproc.ADAPTIVE\_THRESH\_MEAN\_C, Imgproc.THRESH\_BINARY\_INV, 13, 5);

Imgcodecs.imwrite(dest + "/AdaptiveThreshold3" + imgFile.getName(), dst);

Imgproc.adaptiveThreshold(src, dst, 255, Imgproc.ADAPTIVE\_THRESH\_GAUSSIAN\_C, Imgproc.THRESH\_BINARY, 13, 5);

Imgcodecs.imwrite(dest + "/AdaptiveThreshold4" + imgFile.getName(), dst);

Imgproc.adaptiveThreshold(src, dst, 255, Imgproc.ADAPTIVE\_THRESH\_GAUSSIAN\_C, Imgproc.THRESH\_BINARY\_INV, 13, 5);

Imgcodecs.imwrite(dest + "/AdaptiveThreshold5" + imgFile.getName(), dst);

本文章参考了不少博客，感谢；主要是跟着一个博客来实现的https://blog.csdn.net/ysc6688/article/category/2913009(也是基于opencv来作的，只不过他是用c++实现的)感谢blog

多元灰度模型java实现_Java基于opencv实现图像数字识别(三)—灰度化和二值化

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 opencv图像灰度化

相关 Java 验证码识别（2）Java OpenCV 的使用灰度、二值化、腐蚀膨胀去干扰线

相关颜色模型：RGB、HSV、灰度图像、二值图像

相关【转】c#数字图像处理（二）彩色图像灰度化，灰度图像二值化

相关多元灰度模型java实现_Java基于opencv实现图像数字识别(三)—灰度化和二值化

相关图像处理（二）opencv处理图像二值化，灰度化等

相关图像灰度化

相关数字图像处理(16): 图像颜色空间转换和 OpenCV图像灰度化处理

相关灰度图像的阈值化

相关 opencv 实现灰度图和彩色图的均衡化