图像基本处理算法的简单实现(二)
来源:互联网 发布:优酷网络主持人封丹 编辑:程序博客网 时间:2024/05/17 03:24
原文地址链接
4)膨胀腐蚀
属于什么心态学==,膨胀、腐蚀、击中/击不中变换、细化…(又晕了T^T)。简单点好像就是集合运算,图像与一结构元素的交差补什么的。图像一点的周围是否符合结构元素,然后该怎么处理。
结构元素(B)由0和1组成,用于扫描比较二值化图像(A)。
膨胀:
1、用结构元素B,扫描图像A的每一个像素
2、用结构元素与其覆盖的二值图像做“与”操作
3、如果都为0,结果图像的该像素为0。否则为1
腐蚀:
1、用结构元素B,扫描图像A的每一个像素
2、用结构元素与其覆盖的二值图像做“与”操作
3、如果都为1,结果图像的该像素为1。否则为0
膨胀腐蚀是形态学处理的基础。(copy的==)
膨胀的实现:
<span style="font-family:KaiTi_GB2312;font-size:14px;">/** * 对二值化Bitmap进行膨胀运算后返回 * * 膨胀结构元素:3x3 全 * * JNIEnv* jni环境(jni必要参数) * jobject java对象(jni必要参数) * jintArray Bitmap所有像素值 * int Bitmap宽度 * int Bitmap高度 */ JNIEXPORT jintArray JNICALL Java_org_join_image_util_JoinImage_dilation( JNIEnv* env, jobject obj, jintArray buf, int w, int h) { LOGE("==dilation=="); jint * cbuf; // 源图像 cbuf = (*env)->GetIntArrayElements(env, buf, 0); // 获取int数组元素 int white = 0xFFFFFFFF; // 不透明白色 int black = 0xFF000000; // 不透明黑色 int size = w * h; jint rbuf[size]; // 目标图像 memset(rbuf, black, size * sizeof(jint)); // 将目标图像置成全黑 int i, j, m, n, gray; jint *p, *q; // 由于使用3×3的结构元素,为防止越界,所以不处理上下左右四边像素 for (i = 1; i < h - 1; i++) { for (j = 1; j < w - 1; j++) { p = cbuf + w * i + j; // 指向源图像i行j列 // 遍历源图像对应结构元素的各点 for (m = -1; m <= 1; m++) { for (n = -1; n <= 1; n++) { gray = (*(p + w * m + n)) & 0xFF; // 获取源图像对应结构元素点的灰度值 // 如果对应3x3范围内有白点(其他色都算为黑) if (gray == 255) { q = rbuf + w * i + j; // 指向目标图像i行j列 *q = white; // 将目标图像中的当前点赋成白色 break; } } } } } jintArray result = (*env)->NewIntArray(env, size); // 新建一个jintArray (*env)->SetIntArrayRegion(env, result, 0, size, rbuf); // 将rbuf转存入result (*env)->ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素 return result; } </span>
腐蚀的实现:
/** * 对二值化Bitmap进行腐蚀运算后返回 * * 腐蚀结构元素:3x3 全 * * JNIEnv* jni环境(jni必要参数) * jobject java对象(jni必要参数) * jintArray Bitmap所有像素值 * int Bitmap宽度 * int Bitmap高度 */ JNIEXPORT jintArray JNICALL Java_org_join_image_util_JoinImage_erosion( JNIEnv* env, jobject obj, jintArray buf, int w, int h) { LOGE("==erosion=="); jint * cbuf; // 源图像 cbuf = (*env)->GetIntArrayElements(env, buf, 0); // 获取int数组元素 int white = 0xFFFFFFFF; // 不透明白色 int black = 0xFF000000; // 不透明黑色 int size = w * h; jint rbuf[size]; // 目标图像 memset(rbuf, black, size * sizeof(jint)); // 将目标图像置成全黑 int i, j, m, n, gray; jint *p, *q; // 由于使用3×3的结构元素,为防止越界,所以不处理上下左右四边像素 for (i = 1; i < h - 1; i++) { for (j = 1; j < w - 1; j++) { p = cbuf + w * i + j; // 指向源图像i行j列 q = rbuf + w * i + j; // 指向目标图像i行j列 *q = white; // 将目标图像中的当前点赋成白色 // 遍历源图像对应结构元素的各点 for (m = -1; m <= 1; m++) { for (n = -1; n <= 1; n++) { gray = (*(p + w * m + n)) & 0xFF; // 获取源图像对应结构元素点的灰度值 // 如果对应3x3范围内有黑点(其他色都算为白) if (gray == 0) { *q = black; // 将目标图像中的当前点赋成黑色 break; } } } } } jintArray result = (*env)->NewIntArray(env, size); // 新建一个jintArray (*env)->SetIntArrayRegion(env, result, 0, size, rbuf); // 将rbuf转存入result (*env)->ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素 return result; }
好吧,都一样的结构元素==,这是偷懒呢。没必要非这样,也可以如“背景色点上下左右>=3点为前景色,则将其填充为前景色”什么的。
5)细化
提取图像骨架的。主要有Zhang快速并行细化方法、Hilditch、Pavlidis、Rosenfeld、索引表细化方法等。
简述下连通图概念先:分为四连通和八连通(或者称之为邻域)。四连通就是图像上下左右有一点时,才算这两点是连接的;而八连通则周围一圈有一点都行。也就是一点只有右上角有邻点,则是八连通非四连通^^。
算法按着名字查找下就好==,不想再表述了(实现代码注释了其实有了的^^)。
Zhang快速并行细化方法:
<span style="font-family:KaiTi_GB2312;font-size:14px;">/** * 对二值化Bitmap进行细化运算后返回 * * 采用“Zhang快速并行细化方法” * * JNIEnv* jni环境(jni必要参数) * jobject java对象(jni必要参数) * jintArray Bitmap所有像素值 * int Bitmap宽度 * int Bitmap高度 */ JNIEXPORT jintArray JNICALL Java_org_join_image_util_JoinImage_thinning( JNIEnv* env, jobject obj, jintArray buf, int w, int h) { LOGE("==thinning=="); jint * cbuf; cbuf = (*env)->GetIntArrayElements(env, buf, 0); // 获取int数组元素 int black = 0xFF000000; // 不透明黑色 unsigned char foreground = 0xFF; // 前景灰度值:255(白) unsigned char background = 0; // 背景灰度值:0(黑) jboolean modified = 1; // 设置脏标记:true unsigned char count; // 计数器 unsigned char mark[w][h]; // 可删除标记 int size = w * h; // 数据数目 /* * 8-领域示意图 * * P9 P2 P3 * P8 P1 P4 * P7 P6 P5 */ int i, j, m, n; // 循环标记 unsigned char gray; // 灰度值 unsigned char grays[3][3]; // 领域各点灰度值 jint *p; // 指向源图像像素的指针 // 一次迭代操作(直到没有点再满足标记条件) while (modified) { modified = 0; // 设置脏标记:false /* * 第一层子循环,删除条件: * * (1.1) 2<=N(p1)<=6 * (1.2) S(p1)=1 * (1.3) p2*p4*p6=0 * (1.4) p4*p6*p8=0 * * N(p1):p1的非零邻点的个数 * S(p1):以p2 ,p3 ,…… ,p9为序时这些点的值从0到1变化的次数 */ memset(mark, 0, sizeof(mark)); // 重置删除标记为false // 防止越界,不处理上下左右四边像素 for (i = 1; i < h - 1; i++) { for (j = 1; j < w - 1; j++) { p = cbuf + w * i + j; // 指向源图像i行j列 gray = (*p) & 0xFF; // 获得灰度值 if (gray == foreground) { // 判断是否为细化像素(前景像素) // 计算N(p1) count = 0; // 重置计数器 for (m = -1; m <= 1; m++) { for (n = -1; n <= 1; n++) { gray = (*(p + w * m + n)) & 0xFF; // 获取领域各点的灰度值 grays[m + 1][n + 1] = gray; // 同时存储领域各点的灰度值 if (gray == foreground) { // 如果为前景像素 count++; } } } count--; // 去除中心点 // 判断条件(1.1) if (2 <= count && count <= 6) { } else { continue; // 条件(1.1)不成立,跳出循环 } // 计算S(p1):四周像素由0变255的次数 // 需先计算N(p1),获取领域各点的灰度值 count = 0; // 重置计数器 if (grays[0][1] < grays[0][2]) count++; // p2->p3 if (grays[0][2] < grays[1][2]) count++; // p3->p4 if (grays[1][2] < grays[2][2]) count++; // p4->p5 if (grays[2][2] < grays[2][1]) count++; // p5->p6 if (grays[2][1] < grays[2][0]) count++; // p6->p7 if (grays[2][0] < grays[1][0]) count++; // p7->p8 if (grays[1][0] < grays[0][0]) count++; // p8->p9 if (grays[0][0] < grays[0][1]) count++; // p9->p2 // 判断条件(1.2) if (1 == count) { } else { continue; // 条件(1.2)不成立,跳出循环 } // 判断条件(1.3) if (background == grays[0][1] || background == grays[1][2] || background == grays[2][1]) { } else { continue; // 条件(1.3)不成立,跳出循环 } // 判断条件(1.4) if (background == grays[1][2] || background == grays[2][1] || background == grays[1][0]) { } else { continue; // 条件(1.4)不成立,跳出循环 } /* * 四条件都成立时 */ mark[j][i] = 1; // 删除标记为true modified = 1; // 脏标记为true } } } // 由删除标记去除 if (modified) { for (i = 1; i < h - 1; i++) { for (j = 1; j < w - 1; j++) { // 如果删除标记为true if (1 == mark[j][i]) { cbuf[w * i + j] = black; // 修改成背景色(黑) } } } } /* * 第二层子循环,删除条件: * * (1.1) 2<=N(p1)<=6 * (1.2) S(p1)=1 * (2.3) p2*p4*p8=0 * (2.4) p2*p6*p8=0 */ memset(mark, 0, sizeof(mark)); // 重置删除标记为false // 防止越界,不处理上下左右四边像素 for (i = 1; i < h - 1; i++) { for (j = 1; j < w - 1; j++) { p = cbuf + w * i + j; // 指向源图像i行j列 gray = (*p) & 0xFF; // 获得灰度值 if (gray == foreground) { // 判断是否为细化像素(前景像素) // 计算N(p1) count = 0; // 重置计数器 for (m = -1; m <= 1; m++) { for (n = -1; n <= 1; n++) { gray = (*(p + w * m + n)) & 0xFF; // 获取领域各点的灰度值 grays[m + 1][n + 1] = gray; // 同时存储领域各点的灰度值 if (gray == foreground) { // 如果为前景像素 count++; } } } count--; // 去除中心点 // 判断条件(1.1) if (2 <= count && count <= 6) { } else { continue; // 条件(1.1)不成立,跳出循环 } // 计算S(p1):四周像素由0变255的次数 // 需先计算N(p1),获取领域各点的灰度值 count = 0; // 重置计数器 if (grays[0][1] < grays[0][2]) count++; // p2->p3 if (grays[0][2] < grays[1][2]) count++; // p3->p4 if (grays[1][2] < grays[2][2]) count++; // p4->p5 if (grays[2][2] < grays[2][1]) count++; // p5->p6 if (grays[2][1] < grays[2][0]) count++; // p6->p7 if (grays[2][0] < grays[1][0]) count++; // p7->p8 if (grays[1][0] < grays[0][0]) count++; // p8->p9 if (grays[0][0] < grays[0][1]) count++; // p9->p2 // 判断条件(1.2) if (1 == count) { } else { continue; // 条件(1.2)不成立,跳出循环 } // 判断条件(2.3) if (background == grays[0][1] || background == grays[1][2] || background == grays[1][0]) { } else { continue; // 条件(2.3)不成立,跳出循环 } // 判断条件(2.4) if (background == grays[0][1] || background == grays[2][1] || background == grays[1][0]) { } else { continue; // 条件(2.4)不成立,跳出循环 } /* * 四条件都成立时 */ mark[j][i] = 1; // 删除标记为true modified = 1; // 脏标记为true } } } // 由删除标记去除 if (modified) { for (i = 1; i < h - 1; i++) { for (j = 1; j < w - 1; j++) { // 如果删除标记为true if (1 == mark[j][i]) { cbuf[w * i + j] = black; // 修改成背景色(黑) } } } } } jintArray result = (*env)->NewIntArray(env, size); // 新建一个jintArray (*env)->SetIntArrayRegion(env, result, 0, size, cbuf); // 将cbuf转存入result (*env)->ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素 return result; } </span>
0 0
- 图像基本处理算法的简单实现(二)
- 图像基本处理算法的简单实现(二)
- 图像基本处理算法的简单实现(一)
- 图像基本处理算法的简单实现(三)
- 图像基本处理算法的简单实现(一)
- 图像基本处理算法的简单实现(一)
- 图像基本处理算法的简单实现(一)
- 图像基本处理算法的简单实现(三)
- 图像处理的基本算法
- 图像处理的基本算法
- 图像处理的基本算法
- 图像处理基本算法(汇总)以及实现
- 图像处理基本算法
- 图像处理基本算法
- 图像处理基本算法
- 图像处理基本算法
- 图像处理常用算法GPU实现四:基于中值滤波的二值图像平滑
- 图像处理常用算法GPU实现四:基于中值滤波的二值图像平滑
- GPRMC 格式
- 自定义TextView,实现多行文本左右整齐排版
- Hello world
- WebView加载网页保存信息到Cookie
- C# 使用反射访问属性
- 图像基本处理算法的简单实现(二)
- 周长和面积
- 在win7和linux中把输出的结果放到文件
- NPAPI插件开发
- 自学能力强,喜欢学习新技术是对我自己的总结
- hadoop启动异常:UnregisteredDatanodeException
- linux脚本重定向问题
- IWAB0014E
- javascript中的原型属性和实例属性