Java基於opencv實現圖像數字識別(四)—圖像降噪
我們每一步的工作都是基於前一步的，我們先把我們前面的幾個函數封裝成一個工具類，以后我們所有的函數都基於這個工具類
這個工具類呢，就一個成員變量Mat,非常的簡單，這里給出代碼
public class ImageUtils {
private static final int BLACK = 0;
private static final int WHITE = 255;
private Mat mat;
/**
* 空參構造函數
*/
public ImageUtils() {
}
/**
* 通過圖像路徑創建一個mat矩陣
*
* @param imgFilePath
* 圖像路徑
*/
public ImageUtils(String imgFilePath) {
mat = Imgcodecs.imread(imgFilePath);
}
public void ImageUtils(Mat mat) {
this.mat = mat;
}
/**
* 加載圖片
*
* @param imgFilePath
*/
public void loadImg(String imgFilePath) {
mat = Imgcodecs.imread(imgFilePath);
}
/**
* 獲取圖片高度的函數
*
* @return
*/
public int getHeight() {
return mat.rows();
}
/**
* 獲取圖片寬度的函數
*
* @return
*/
public int getWidth() {
return mat.cols();
}
/**
* 獲取圖片像素點的函數
*
* @param y
* @param x
* @return
*/
public int getPixel(int y, int x) {
// 我們處理的是單通道灰度圖
return (int) mat.get(y, x)[0];
}
/**
* 設置圖片像素點的函數
*
* @param y
* @param x
* @param color
*/
public void setPixel(int y, int x, int color) {
// 我們處理的是單通道灰度圖
mat.put(y, x, color);
}
/**
* 保存圖片的函數
*
* @param filename
* @return
*/
public boolean saveImg(String filename) {
return Imgcodecs.imwrite(filename, mat);
}
}
灰度化和二值化的代碼我沒有貼出來，因為代碼實在有點長
我們接着上一步的成果，來開始我們的降噪
一、8鄰域降噪
我感覺9宮格降噪更形象一點；即9宮格中心被異色包圍，則同化
降噪效果還是蠻好的，這個方法對小噪點比較好
/**
* 8鄰域降噪,又有點像9宮格降噪;即如果9宮格中心被異色包圍，則同化
* @param pNum 默認值為1
*/
public void navieRemoveNoise(int pNum) {
int i, j, m, n, nValue, nCount;
int nWidth = getWidth(), nHeight = getHeight();
// 對圖像的邊緣進行預處理
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);
}
// 如果一個點的周圍都是白色的，而它確是黑色的，刪除它
for (j = 1; j < nHeight - 1; ++j) {
for (i = 1; i < nWidth - 1; ++i) {
nValue = getPixel(j, i);
if (nValue == 0) {
nCount = 0;
// 比較以(j ,i)為中心的9宮格，如果周圍都是白色的，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) {
// 周圍黑色點的個數小於閥值pNum,把該點設置白色
setPixel(j, i, WHITE);
}
} else {
nCount = 0;
// 比較以(j ,i)為中心的9宮格，如果周圍都是黑色的，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) {
// 周圍黑色點的個數大於等於7,把該點設置黑色;即周圍都是黑色
setPixel(j, i, BLACK);
}
}
}
}
}
二、連通域降噪
我們先介紹一個函數(floodFill)
floodFill就是把一個點x的所有相鄰的點都塗上x點的顏色，一直填充下去，直到這個區域內所有的點都被填充完為止
在計算的過程中，每掃描到一個黑色（灰度值為0）的點，就將與該點連通的所有點的灰度值都改為1，因此這一個連通域的點都不會再次重復計算了。下一個灰度值為0的點所有連通點的顏色都改為2，這樣依次遞加，直到所有的點都掃描完。接下來再次掃描所有的點，統計每一個灰度值對應的點的個數，每一個灰度值的點的個數對應該連通域的大小，並且不同連通域由於灰度值不同，因此每個點只計算一次，不會重復。這樣一來就統計到了每個連通域的大小，再根據預設的閥值，如果該連通域大小小於閥值，則其就為噪點。這個算法比較適合檢查大的噪點，與上個算法正好相反。
因為我找的圖像關系，效果可能不咋明顯；
/**
* 連通域降噪
* @param pArea 默認值為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) {
//用不同顏色填充連接區域中的每個黑色點
//floodFill就是把一個點x的所有相鄰的點都塗上x點的顏色，一直填充下去，直到這個區域內所有的點都被填充完為止
Imgproc.floodFill(mat, new Mat(), new Point(i, j), new Scalar(color));
color++;
}
}
}
//統計不同顏色點的個數
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]++;
}
}
}
//去除噪點
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：
本文章參考了很多博客，感謝；主要是跟着一個博客來實現的https://blog.csdn.net/ysc6688/article/category/2913009(也是基於opencv來做的，只不過他是用c++實現的)感謝