+关注继续查看

# 图像处理之三角法图像二值化

1. 图像转灰度
2. 计算图像灰度直方图
3. 寻找直方图中两侧边界
4. 寻找直方图最大值
5. 检测是否最大波峰在亮的一侧，否则翻转
6. 计算阈值得到阈值T，如果翻转则255-T

package com.gloomyfish.filter.study;

import java.awt.image.BufferedImage;

public class TriangleBinaryFilter extends AbstractBufferedImageOp{

public TriangleBinaryFilter() {
System.out.println("triangle binary filter");
}

@Override
public BufferedImage filter(BufferedImage src, BufferedImage dest) {
int width = src.getWidth();
int height = src.getHeight();

if ( dest == null )
dest = createCompatibleDestImage( src, null );
// 图像灰度化
int[] inPixels = new int[width*height];
int[] outPixels = new int[width*height];
getRGB( src, 0, 0, width, height, inPixels );
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;
int gray= (int)(0.299 *tr + 0.587*tg + 0.114*tb);
inPixels[index]  = (ta << 24) | (gray << 16) | (gray << 8) | gray;
}
}
// 获取直方图
int[] histogram = new int[256];
for(int row=0; row<height; row++) {
int tr = 0;
for(int col=0; col<width; col++) {
index = row * width + col;
tr = (inPixels[index] >> 16) & 0xff;
histogram[tr]++;
}
}

int left_bound = 0, right_bound = 0, max_ind = 0, max = 0;
int temp;
boolean isflipped = false;
int i=0, j=0;
int N = 256;

// 找到最左边零的位置
for( i = 0; i < N; i++ )
{
if( histogram[i] > 0 )
{
left_bound = i;
break;
}
}
// 位置再移动一个步长，即为最左侧零位置
if( left_bound > 0 )
left_bound--;

// 找到最右边零点位置
for( i = N-1; i > 0; i-- )
{
if( histogram[i] > 0 )
{
right_bound = i;
break;
}
}
// 位置再移动一个步长，即为最右侧零位置
if( right_bound < N-1 )
right_bound++;

// 在直方图上寻找最亮的点Hmax
for( i = 0; i < N; i++ )
{
if( histogram[i] > max)
{
max = histogram[i];
max_ind = i;
}
}

// 如果最大值落在靠左侧这样就无法满足三角法求阈值，所以要检测是否最大值是否靠近左侧
// 如果靠近左侧则通过翻转到右侧位置。
if( max_ind-left_bound < right_bound-max_ind)
{
isflipped = true;
i = 0;
j = N-1;
while( i < j )
{
// 左右交换
temp = histogram[i]; histogram[i] = histogram[j]; histogram[j] = temp;
i++; j--;
}
left_bound = N-1-right_bound;
max_ind = N-1-max_ind;
}

// 计算求得阈值
double thresh = left_bound;
double a, b, dist = 0, tempdist;
a = max; b = left_bound-max_ind;
for( i = left_bound+1; i <= max_ind; i++ )
{
// 计算距离 - 不需要真正计算
tempdist = a*i + b*histogram[i];
if( tempdist > dist)
{
dist = tempdist;
thresh = i;
}
}
thresh--;

// 对已经得到的阈值T,如果前面已经翻转了，则阈值要用255-T
if( isflipped )
thresh = N-1-thresh;

// 二值化
System.out.println("final threshold value : " + thresh);
for(int row=0; row<height; row++) {
for(int col=0; col<width; col++) {
index = row * width + col;
int gray = (inPixels[index] >> 8) & 0xff;
if(gray > thresh)
{
gray = 255;
outPixels[index]  = (0xff << 24) | (gray << 16) | (gray << 8) | gray;
}
else
{
gray = 0;
outPixels[index]  = (0xff << 24) | (gray << 16) | (gray << 8) | gray;
}

}
}

// 返回二值图像
setRGB(dest, 0, 0, width, height, outPixels );
return dest;
}

}


2016年最后一篇，这里祝大家元旦快乐，欢迎在2017继续关注本博客，分享有用实用的图像处理知识本人会一直坚持到永远！

OpenCV_06 图像平滑：图像噪声+图像平滑+滤波

19 0
m基于KSVD字典训练法的图像噪声滤波matlab仿真，对比图像中值滤波,ACWMF滤波,DWMR滤波以及rold滤波
m基于KSVD字典训练法的图像噪声滤波matlab仿真，对比图像中值滤波,ACWMF滤波,DWMR滤波以及rold滤波
169 0
CV学习笔记-相机模型（欧式变换及仿射变换）
CV学习笔记-相机模型（欧式变换及仿射变换）
138 0
【边缘检测】基于模糊算法的图像边缘检测附matlab代码
【边缘检测】基于模糊算法的图像边缘检测附matlab代码
53 0
Opencv 图像处理：图像通道、直方图与色彩空间
Opencv 图像处理：图像通道、直方图与色彩空间
69 0

65 0
Halcon边缘检测和线条检测（4）各种边缘检测算子
Halcon边缘检测和线条检测（4）各种边缘检测算子
417 0

1511 0

1460 0
+关注

2004毕业于山东大学齐鲁软件学院，软件工程专业。主要专注于图像处理算法学习与研究，计算机视觉技术开发应用，深度学习在计算机视觉领域应用。两本书籍《Java数字图像处理-编程技巧与应用实践》、《OpenCV On Android编程实践》作者