二值圖像分析之輪廓分析

圖像的二值化

在先前的文章二值圖像分析:案例實(shí)戰(zhàn)(文本分離+硬幣計(jì)數(shù))中已經(jīng)介紹過,什么是圖像的二值化以及二值化的作用。

這次,我們借助cv4j來實(shí)現(xiàn)簡單的基于內(nèi)容的圖像分析。

輪廓分析(Contour Analysis)

輪廓(Contours),指的是有相同顏色或者密度,連接所有連續(xù)點(diǎn)的一條曲線。檢測輪廓的工作對形狀分析和物體檢測與識別都非常有用。

完整的輪廓分析大致是這樣的:
第一步,先對圖片進(jìn)行二值化。當(dāng)然,也可以直接用Canny進(jìn)行檢測邊緣,在本文中我們采用二值化。

        CV4JImage cv4JImage = new CV4JImage(bitmap);
        Threshold threshold = new Threshold();
        threshold.process((ByteProcessor)(cv4JImage.convert2Gray().getProcessor()),Threshold.THRESH_OTSU,Threshold.METHOD_THRESH_BINARY,255);
        image1.setImageBitmap(cv4JImage.getProcessor().getImage().toBitmap());

第二步,連通組件標(biāo)記。

ConnectedAreaLabel connectedAreaLabel = new ConnectedAreaLabel();
        connectedAreaLabel.setFilterNoise(true);
        int[] mask = new int[cv4JImage.getProcessor().getWidth() * cv4JImage.getProcessor().getHeight()];
        connectedAreaLabel.process((ByteProcessor)cv4JImage.getProcessor(),mask,null,false);

        SparseIntArray colors = new SparseIntArray();
        Random random = new Random();

        int height = cv4JImage.getProcessor().getHeight();
        int width = cv4JImage.getProcessor().getWidth();
        int size = height * width;
        for (int i = 0;i<size;i++) {
            int c = mask[i];
            if (c>=0) {
                colors.put(c, Color.argb(255, random.nextInt(255),random.nextInt(255),random.nextInt(255)));
            }
        }

        cv4JImage.resetBitmap();
        Bitmap newBitmap = cv4JImage.getProcessor().getImage().toBitmap();

        for(int row=0; row<height; row++) {
            for (int col = 0; col < width; col++) {

                int c = mask[row*width+col];
                if (c>=0) {
                    newBitmap.setPixel(col,row,colors.get(c));
                }
            }
        }

        image2.setImageBitmap(newBitmap);

在識別出的連通組件上進(jìn)行著色,顏色是隨機(jī)產(chǎn)生的。

輪廓分析一.jpeg

第三步,進(jìn)行輪廓分析。

        // 輪廓分析
        Bitmap thirdBitmap = Bitmap.createBitmap(newBitmap);
        ContourAnalysis ca = new ContourAnalysis();
        List<MeasureData> measureDatas = new ArrayList<>();
        ca.process((ByteProcessor)(cv4JImage.convert2Gray().getProcessor()),mask,measureDatas);

        Canvas canvas = new Canvas(thirdBitmap);
        Paint paint = new Paint();
        paint.setColor(Color.WHITE);
        for (MeasureData data:measureDatas) {
            canvas.drawText(data.toString(),data.getCp().x,data.getCp().y,paint);
        }
        image3.setImageBitmap(thirdBitmap);
輪廓分析二.jpeg

我們提供了ContourAnalysis類來實(shí)現(xiàn)輪廓分析。最后,在識別的物體中心添加了一段文字描述。

把第三步的結(jié)果放大,可以看到具體的描述內(nèi)容。包含了物體的質(zhì)心、輪廓旋轉(zhuǎn)的角度、面積(像素的面積)以及圓度(測量輪廓為圓的可能性)


輪廓分析三.jpeg

將這些描述內(nèi)容打印到日志中。


打印日志.jpeg

ContourAnalysis采用幾何距的算法。 矩是描述圖像特征的算子,主要應(yīng)用于圖像檢索和識別 、圖像匹配 、圖像重建 、數(shù)字壓縮 、數(shù)字水印及運(yùn)動圖像序列分析等。

一階矩和零階矩用來計(jì)算某個(gè)形狀的重心。


一階矩和零階矩.jpeg

其中,M00是零階矩,M10、M01是一階矩。ic和jc是圖像的重心坐標(biāo)。

二階矩用來計(jì)算形狀的方向。


二階矩.jpeg

那么物體的方向,


計(jì)算物體形狀的方向.jpeg

好了,算法介紹到這里,如果對ContourAnalysis類感興趣,可以查閱cv4j 的代碼。

總結(jié)

cv4jgloomyfish和我一起開發(fā)的圖像處理庫,純java實(shí)現(xiàn),目前還處于早期的版本。本周我們修復(fù)了一些之前的bug。下周,我們開始做直方圖。

該系列先前的文章:
基于邊緣保留濾波實(shí)現(xiàn)人臉磨皮的算法
二值圖像分析:案例實(shí)戰(zhàn)(文本分離+硬幣計(jì)數(shù))
Java實(shí)現(xiàn)高斯模糊和圖像的空間卷積
Java實(shí)現(xiàn)圖片濾鏡的高級玩法
Java實(shí)現(xiàn)圖片的濾鏡效果

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

推薦閱讀更多精彩內(nèi)容

  • 不同圖像灰度不同,邊界處一般會有明顯的邊緣,利用此特征可以分割圖像。需要說明的是:邊緣和物體間的邊界并不等同,邊緣...
    大川無敵閱讀 13,948評論 0 29
  • 特征提取是計(jì)算機(jī)視覺和圖像處理中的一個(gè)概念。它指的是使用計(jì)算機(jī)提取圖像信息,決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征。...
    ChrisJO閱讀 2,435評論 1 10
  • 特征提取是計(jì)算機(jī)視覺和圖像處理中的一個(gè)概念。它指的是使用計(jì)算機(jī)提取圖像信息,決定每個(gè)圖像的點(diǎn)是否屬于一個(gè)圖像特征。...
    mogu醬閱讀 2,112評論 1 11
  • 人有了錢之后真的就忘了自己的初衷嗎?正如我喜歡的作家吳曉波,大紅之后沒見他出過一本書了,專欄也是敷衍了事。汪峰大紅...
    在和風(fēng)中假寐閱讀 548評論 0 0
  • 君生我未生,遺憾,沒在最好的年華遇見你。 簡溪在自己的日記里,敲下第一行字。 知道他的時(shí)候,不對,應(yīng)該說迷上他,還...
    夢王洛閱讀 445評論 0 0