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
