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。
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);
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)
將這些描述內(nèi)容打印到日志中。
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。
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。
那么物體的方向,
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)
cv4j 是gloomyfish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