圖像二值化處理Java

二值化基本概念：通俗的講就是把一副彩色圖像處理成一副黑白圖像，一般是作為后續復雜圖像處理操作的預處理。

二值化算法思路：遍歷圖像的所有像素點，計算每個像素點的灰度值。通過迭代法收斂得到一個最佳閾值，灰度值大於最佳閾值的像素點設為白色，灰度值小於最佳閾值的像素點設為黑色。（我這里的二值化處理結果是，背景是白色，前景是黑色）

迭代法獲取最佳閾值思路：

1.設最小灰度值為Gmin，最大灰度值為Gmax，閾值初始化為T(0)=(Gmin+Gmax)/2。

2.以閾值T(k)將圖像分割為前景和背景，求出整個前景像素的平均灰度值Gf和整個背景像素的平均灰度值Gb，此時閾值T(k)=(Gf+Gb)/2 (k=0,1,2...);

3.若此時T(k)=T(k+1)，那么此時收斂，得到最佳閾值。否則回到步驟2，直到閾值收斂到某一個值。

public class Binary {
    public static int[] getBinaryImg(int w, int h, int[] inputs) {
        int[] gray = new int[w * h];
        int[] newpixel = new int[w * h];
        for (int index = 0; index < w * h; index++) {
            int red = (inputs[index] & 0x00FF0000) >> 16;
            int green = (inputs[index] & 0x0000FF00) >> 8;
            int blue = inputs[index] & 0x000000FF;
            gray[index] = (int) ((float) red * 0.3 + (float) green * 0.59 + (float) blue * 0.11);
        }
        //求出最大灰度值zmax和最小灰度值zmin
        int Gmax = gray[0], Gmin = gray[0];
        for (int index = 0; index < w * h; index++) {
            if (gray[index] > Gmax) {
                Gmax = gray[index];
            }
            if (gray[index] < Gmin) {
                Gmin = gray[index];
            }
        }

        //獲取灰度直方圖
        int i, j, t, count1 = 0, count2 = 0, sum1 = 0, sum2 = 0;
        int bp, fp;
        int[] histogram = new int[256];
        for (t = Gmin; t <= Gmax; t++) {
            for (int index = 0; index < w * h; index++) {
                if (gray[index] == t)
                    histogram[t]++;
            }
        }

        /*
        * 迭代法求出最佳分割閾值
        * */
        int T = 0;
        int newT = (Gmax + Gmin) / 2;//初始閾值
        while (T != newT)
        //求出背景和前景的平均灰度值bp和fp
        {
            for (i = 0; i < T; i++) {
                count1 += histogram[i];//背景像素點的總個數
                sum1 += histogram[i] * i;//背景像素點的灰度總值
            }
            bp = (count1 == 0) ? 0 : (sum1 / count1);//背景像素點的平均灰度值

            for (j = i; j < histogram.length; j++) {
                count2 += histogram[j];//前景像素點的總個數
                sum2 += histogram[j] * j;//前景像素點的灰度總值
            }
            fp = (count2 == 0) ? 0 : (sum2 / count2);//前景像素點的平均灰度值
            T = newT;
            newT = (bp + fp) / 2;
        }
        int finestYzt = newT; //最佳閾值

        //二值化
        for (int index = 0; index < w * h; index++) {
            if (gray[index] > finestYzt)
                newpixel[index] = Color.WHITE;
            else newpixel[index] = Color.BLACK;
        }
        return newpixel;
    }
}