zoukankan      html  css  js  c++  java
  • Java基于opencv实现图像数字识别(四)—图像降噪

    Java基于opencv实现图像数字识别(四)—图像降噪

    我们每一步的工作都是基于前一步的,我们先把我们前面的几个函数封装成一个工具类,以后我们所有的函数都基于这个工具类

    这个工具类呢,就一个成员变量Mat,非常的简单,这里给出代码

    public class ImageUtils {
    	private static final int BLACK = 0;
    	private static final int WHITE = 255;
    
    	private Mat mat;
    
    	/**
    	 * 空参构造函数
    	 */
    	public ImageUtils() {
    
    	}
    
    	/**
    	 * 通过图像路径创建一个mat矩阵
    	 * 
    	 * @param imgFilePath
    	 *            图像路径
    	 */
    	public ImageUtils(String imgFilePath) {
    		mat = Imgcodecs.imread(imgFilePath);
    	}
    
    	public void ImageUtils(Mat mat) {
    		this.mat = mat;
    	}
    
    	/**
    	 * 加载图片
    	 * 
    	 * @param imgFilePath
    	 */
    	public void loadImg(String imgFilePath) {
    		mat = Imgcodecs.imread(imgFilePath);
    	}
    
    	/**
    	 * 获取图片高度的函数
    	 * 
    	 * @return
    	 */
    	public int getHeight() {
    		return mat.rows();
    	}
    
    	/**
    	 * 获取图片宽度的函数
    	 * 
    	 * @return
    	 */
    	public int getWidth() {
    		return mat.cols();
    	}
    
    	/**
    	 * 获取图片像素点的函数
    	 * 
    	 * @param y
    	 * @param x
    	 * @return
    	 */
    	public int getPixel(int y, int x) {
    		// 我们处理的是单通道灰度图
    		return (int) mat.get(y, x)[0];
    	}
    
    	/**
    	 * 设置图片像素点的函数
    	 * 
    	 * @param y
    	 * @param x
    	 * @param color
    	 */
    	public void setPixel(int y, int x, int color) {
    		// 我们处理的是单通道灰度图
    		mat.put(y, x, color);
    	}
    
    	/**
    	 * 保存图片的函数
    	 * 
    	 * @param filename
    	 * @return
    	 */
    	public boolean saveImg(String filename) {
    		return Imgcodecs.imwrite(filename, mat);
    	}
    }
    

    灰度化和二值化的代码我没有贴出来,因为代码实在有点长

    我们接着上一步的成果,来开始我们的降噪

    一、8邻域降噪

    我感觉9宫格降噪更形象一点;即9宫格中心被异色包围,则同化
    8邻域降噪

    降噪效果还是蛮好的,这个方法对小噪点比较好

    /**
    	 * 8邻域降噪,又有点像9宫格降噪;即如果9宫格中心被异色包围,则同化
    	 * @param pNum 默认值为1
    	 */
    	public void navieRemoveNoise(int pNum) {
    		int i, j, m, n, nValue, nCount;
    		int nWidth = getWidth(), nHeight = getHeight();
    
    		// 对图像的边缘进行预处理
    		for (i = 0; i < nWidth; ++i) {
    			setPixel(i, 0, WHITE);
    			setPixel(i, nHeight - 1, WHITE);
    		}
    
    		for (i = 0; i < nHeight; ++i) {
    			setPixel(0, i, WHITE);
    			setPixel(nWidth - 1, i, WHITE);
    		}
    
    		// 如果一个点的周围都是白色的,而它确是黑色的,删除它
    		for (j = 1; j < nHeight - 1; ++j) {
    			for (i = 1; i < nWidth - 1; ++i) {
    				nValue = getPixel(j, i);
    				if (nValue == 0) {
    					nCount = 0;
    					// 比较以(j ,i)为中心的9宫格,如果周围都是白色的,同化
    					for (m = j - 1; m <= j + 1; ++m) {
    						for (n = i - 1; n <= i + 1; ++n) {
    							if (getPixel(m, n) == 0) {
    								nCount++;
    							}
    						}
    					}
    					if (nCount <= pNum) {
    						// 周围黑色点的个数小于阀值pNum,把该点设置白色
    						setPixel(j, i, WHITE);
    					}
    				} else {
    					nCount = 0;
    					// 比较以(j ,i)为中心的9宫格,如果周围都是黑色的,同化
    					for (m = j - 1; m <= j + 1; ++m) {
    						for (n = i - 1; n <= i + 1; ++n) {
    							if (getPixel(m, n) == 0) {
    								nCount++;
    							}
    						}
    					}
    					if (nCount >= 7) {
    						// 周围黑色点的个数大于等于7,把该点设置黑色;即周围都是黑色
    						setPixel(j, i, BLACK);
    					}
    				}
    			}
    		}
    
    	}
    
    
    二、连通域降噪

    floodFill函数

    我们先介绍一个函数(floodFill)

    floodFill就是把一个点x的所有相邻的点都涂上x点的颜色,一直填充下去,直到这个区域内所有的点都被填充完为止

    在计算的过程中,每扫描到一个黑色(灰度值为0)的点,就将与该点连通的所有点的灰度值都改为1,因此这一个连通域的点都不会再次重复计算了。下一个灰度值为0的点所有连通点的颜色都改为2,这样依次递加,直到所有的点都扫描完。接下来再次扫描所有的点,统计每一个灰度值对应的点的个数,每一个灰度值的点的个数对应该连通域的大小,并且不同连通域由于灰度值不同,因此每个点只计算一次,不会重复。这样一来就统计到了每个连通域的大小,再根据预设的阀值,如果该连通域大小小于阀值,则其就为噪点。这个算法比较适合检查大的噪点,与上个算法正好相反。

    连通域降噪

    因为我找的图像关系,效果可能不咋明显;

    /**
    	 * 连通域降噪
    	 * @param pArea 默认值为1
    	 */
    	public void contoursRemoveNoise(double pArea) {
    		int i, j, color = 1;
    		int nWidth = getWidth(), nHeight = getHeight();
    
    		for (i = 0; i < nWidth; ++i) {
    			for (j = 0; j < nHeight; ++j) {
    				if (getPixel(j, i) == BLACK) {
    					//用不同颜色填充连接区域中的每个黑色点
    					//floodFill就是把一个点x的所有相邻的点都涂上x点的颜色,一直填充下去,直到这个区域内所有的点都被填充完为止
    					Imgproc.floodFill(mat, new Mat(), new Point(i, j), new Scalar(color));
    					color++;
    				}
    			}
    		}
    		
    		//统计不同颜色点的个数
    		int[] ColorCount = new int[255];
    
    		for (i = 0; i < nWidth; ++i) {
    			for (j = 0; j < nHeight; ++j) {
    				if (getPixel(j, i) != 255) {
    					ColorCount[getPixel(j, i) - 1]++;
    				}
    			}
    		}
    		
    		//去除噪点
    		for (i = 0; i < nWidth; ++i) {
    			for (j = 0; j < nHeight; ++j) {
    
    				if (ColorCount[getPixel(j, i) - 1] <= pArea) {
    					setPixel(j, i, WHITE);
    				}
    			}
    		}
    
    		for (i = 0; i < nWidth; ++i) {
    			for (j = 0; j < nHeight; ++j) {
    				if (getPixel(j, i) < WHITE) {
    					setPixel(j, i, BLACK);
    				}
    			}
    		}
    
    	}
    

    注:
    本文章参考了很多博客,感谢;主要是跟着一个博客来实现的https://blog.csdn.net/ysc6688/article/category/2913009(也是基于opencv来做的,只不过他是用c++实现的)感谢

  • 相关阅读:
    高并发系统设计(十九)【注册中心】:微服务架构结合RPC框架如何做到分布式系统寻址?
    高并发系统设计(十八):【RPC框架】10万QPS下如何实现毫秒级的服务调用?
    you-get 库的使用方法
    vue 全局注册signalr
    将Minio.exe注册成windows服务
    NPOI 常用方法封装
    利用NPOI给excel文件中添加图片
    Oss 对象服务存储前端方法封装
    C# 常用方法扩展及封装记录
    PostgreSQL配置密码复杂度策略
  • 原文地址:https://www.cnblogs.com/qjmnong/p/9191076.html
Copyright © 2011-2022 走看看