图像处理之常见二值化方法汇总
来源:互联网 发布:网络摄像头怎么连电脑 编辑:程序博客网 时间:2024/06/03 16:58
图像处理之常见二值化方法汇总
图像二值化是图像分析与处理中最常见最重要的处理手段,二值处理方法也非常多。越
精准的方法计算量也越大。本文主要介绍四种常见的二值处理方法,通常情况下可以满
足大多数图像处理的需要。主要本文讨论的方法仅针对RGB色彩空间。
方法一:
该方法非常简单,对RGB彩色图像灰度化以后,扫描图像的每个像素值,值小于127的
将像素值设为0(黑色),值大于等于127的像素值设为255(白色)。该方法的好处是计算
量少速度快。缺点更多首先阈值为127没有任何理由可以解释,其次完全不考虑图像的
像素分布情况与像素值特征。可以说该方法是史最弱智的二值处理方法一点也不为过。
方法二:
最常见的二值处理方法是计算像素的平均值K,扫描图像的每个像素值如像素值大于K
像素值设为255(白色),值小于等于K像素值设为0(黑色)。该方法相比方法一,阈值的
选取稍微有点智商,可以解释。但是使用平均值作为二值化阈值同样有个致命的缺点,
可能导致部分对象像素或者背景像素丢失。二值化结果不能真实反映源图像信息。
方法三:
使用直方图方法来寻找二值化阈值,直方图是图像的重要特质,直方图方法选择二值
化阈值主要是发现图像的两个最高的峰,然后在阈值取值在两个峰之间的峰谷最低处。
该方法相对前面两种方法而言稍微精准一点点。结果也更让人可以接受。
方法四:http://en.wikipedia.org/wiki/Thresholding_(image_processing)
使用近似一维Means方法寻找二值化阈值,该方法的大致步骤如下:
1. 一个初始化阈值T,可以自己设置或者根据随机方法生成。
2. 根据阈值图每个像素数据P(n,m)分为对象像素数据G1与背景像素数据G2。(n为
行,m为列)
3. G1的平均值是m1, G2的平均值是m2
4. 一个新的阈值T’ = (m1 + m2)/2
5. 回到第二步,用新的阈值继续分像素数据为对象与北京像素数据,继续2~4步,
直到计算出来的新阈值等于上一次阈值。
前面三种在以前的博文中都有涉及,最后一种二值化方法的代码如下:
package com.gloomyfish.filter.study;import java.awt.image.BufferedImage;import java.util.ArrayList;import java.util.List;public class ThresholdBinaryFilter extends GrayFilter {@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); // we need to create new one getRGB( src, 0, 0, width, height, inPixels ); int index = 0; int means = getThreshold(inPixels, height, width); 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(tr > means) { tr = tg = tb = 255; //white } else { tr = tg = tb = 0; // black } outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb; } } setRGB( dest, 0, 0, width, height, outPixels ); return dest;}private int getThreshold(int[] inPixels, int height, int width) {// maybe this value can reduce the calculation consume; int inithreshold = 127;int finalthreshold = 0;int temp[] = new int[inPixels.length];for(int index=0; index<inPixels.length; index++) {temp[index] = (inPixels[index] >> 16) & 0xff;}List<Integer> sub1 = new ArrayList<Integer>();List<Integer> sub2 = new ArrayList<Integer>();int means1 = 0, means2 = 0;while(finalthreshold != inithreshold) {finalthreshold = inithreshold;for(int i=0; i<temp.length; i++) {if(temp[i] <= inithreshold) {sub1.add(temp[i]);} else {sub2.add(temp[i]);}}means1 = getMeans(sub1);means2 = getMeans(sub2);sub1.clear();sub2.clear();inithreshold = (means1 + means2) / 2;}long start = System.currentTimeMillis();System.out.println("Final threshold = " + finalthreshold);long endTime = System.currentTimeMillis() - start;System.out.println("Time consumes : " + endTime);return finalthreshold;}private static int getMeans(List<Integer> data) {int result = 0;int size = data.size();for(Integer i : data) {result += i;}return (result/size);}}
效果如下:
学习视频教程 - 《数字图像处理-二值图像分析》
- 图像处理之常见二值化方法汇总
- 图像处理之常见二值化方法汇总
- 图像处理之常见二值化方法汇总
- 图像处理之常见二值化方法汇总
- 图像处理------常见二值化方法汇总
- 图像处理常见方法
- 图像噪声处理方法汇总
- 图像处理之常见二值化方
- Delphi基本图像处理方法汇总
- shell常见任务的处理方法汇总
- 图像二值化的方法汇总
- 【图像处理】常见图像噪声模型和生成方法
- 图像处理之二值化图像
- 图像处理资源汇总
- 几种常见的图像处理的方法
- 几种常见的图像处理的方法
- JavaEE 之 JPA 常见异常处理办法汇总
- 图像处理之预处理方法概述
- 抽象方法不能是static或native或synchroniz
- 11级_Java_曹建波 10.15 Tomcat配置Web站点
- xml
- AlertDialog通过反射机制阻止Dialog关闭
- MySQL 索引优化 btree hash rtree
- 图像处理之常见二值化方法汇总
- BZOJ 1237
- Java Web应用程序开发
- SQL Select语句完整的执行顺序
- 如何安全的存储密码
- 【字符串处理】漏洞和补丁
- android Dialog的确定按钮点击后不取消对话框
- java web 案例
- autoCompleteTextView控件简介