图像处理之应用篇-大米计数续

图像处理之应用篇-大米计数续

背景介绍：

请看博客文章《图像处理之简单综合实例(大米计数)》

其实拍出来的照片更多的是含有大米颗粒相互接触，甚至于有点重叠的照片

要准确计算大米的颗粒数非常困难，通过图像形态学开闭操作，腐蚀等手

段尝试以后效果不是很好。最终发现一种简单明了但是有微小误差的计数

方法。照相机图片：

算法思想：

主要是利用连通区域发现算法，发现所有连通区域，使用二分法，截取较小

部分的连通区域集合，求取平均连通区域面积，根据此平均连通区域面积，

作为单个大米大小，从而求取出粘连部分的大米颗粒数，完成对整个大米

数目的统计：

缺点：

平均连通区域面积的计算受制于两个因素，一个是最小连通区域集合的选取算法，

二个样本数量。算法结果跟实际结果有一定的误差，但是误差在1%左右。

 

程序算法代码详解

将输入图像转换为黑白二值图像，求得连通区域的算法代码如下：

src = super.filter(src,null);

getRGB(src, 0, 0, width,height, inPixels );

FastConnectedComponentLabelAlgfccAlg = new FastConnectedComponentLabelAlg();

fccAlg.setBgColor(0);

int[] outData = fccAlg.doLabel(inPixels, width, height);

 

获取平均大米颗粒连通区域的代码如下：

Integer[] values =labelMap.values().toArray(new Integer[0]);

Arrays.sort(values);

int minRiceNum = values.length/4;

float sum = 0;

for(int v=offset; v<minRiceNum +offset; v++) {

sum += values[v].intValue();

}

float minMeans = sum / (float)minRiceNum;

System.out.println(" minMeans = " + minMeans);

 

程序时序图如下：

程序运行效果如下：

实际大米颗粒数目为202，正确率为99%

完成大米数目统计的源代码如下（其它相关代码见以前的图像处理系列文章）：

public class FindRiceFilter extends BinaryFilter {private int sumRice;private int offset = 10;public int getSumRice() {return this.sumRice;}public void setOffset(int pos) {this.offset = pos;}@Overridepublic BufferedImage filter(BufferedImage src, BufferedImage dest) {int width = src.getWidth();        int height = src.getHeight();        if ( dest == null )            dest = createCompatibleDestImage( src, null );        int[] inPixels = new int[width*height];        int[] outPixels = new int[width*height];        src = super.filter(src, null);        getRGB(src, 0, 0, width, height, inPixels );        FastConnectedComponentLabelAlg fccAlg = new FastConnectedComponentLabelAlg();fccAlg.setBgColor(0);int[] outData = fccAlg.doLabel(inPixels, width, height);// labels statisticHashMap<Integer, Integer> labelMap = new HashMap<Integer, Integer>();for(int d=0; d<outData.length; d++) {if(outData[d] != 0) {if(labelMap.containsKey(outData[d])) {Integer count = labelMap.get(outData[d]);count+=1;labelMap.put(outData[d], count);} else {labelMap.put(outData[d], 1);}}}Integer[] values = labelMap.values().toArray(new Integer[0]);Arrays.sort(values);int minRiceNum = values.length/4;float sum = 0;for(int v= offset; v<minRiceNum + offset; v++) {sum += values[v].intValue();}float minMeans = sum / (float)minRiceNum;System.out.println(" minMeans = " + minMeans);// try to find the max connected componentInteger[] keys = labelMap.keySet().toArray(new Integer[0]);Arrays.sort(keys);int threshold = 10;ArrayList<Integer> listKeys = new ArrayList<Integer>();for(Integer key : keys) {if(labelMap.get(key) <=threshold){listKeys.add(key);} else {float xx = labelMap.get(key);float intPart = (float)Math.floor(xx / minMeans + 0.5f);sumRice += intPart;}}System.out.println( "Number of rice  = " + sumRice);// sumRice = keys.length - listKeys.size();        // calculate means of pixel          int index = 0;            for(int row=0; row<height; row++) {              int ta = 0, tr = 0, tg = 0, tb = 0;              for(int col=0; col<width; col++) {                  index = row * width + col;                  ta = (inPixels[index] >> 24) & 0xff;                  tr = (inPixels[index] >> 16) & 0xff;                  tg = (inPixels[index] >> 8) & 0xff;                  tb = inPixels[index] & 0xff;                if(outData[index] != 0 && validRice(outData[index], listKeys)) {                tr = tg = tb = 255;                } else {                tr = tg = tb = 0;                }                outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;            }        }        setRGB( dest, 0, 0, width, height, outPixels );        return dest;}private boolean validRice(int i, ArrayList<Integer> listKeys) {for(Integer key : listKeys) {if(key == i) {return false;}}return true;}}

转载文章请务必注明出处