圖像處理------ 二值膨脹及應用 分類： 視頻圖像處理 2015-07-24 10:08 46人閱讀 評論(0) 收藏

基本原理：

膨脹是圖像形態學的兩個基本操做之一，另一個是腐蝕操做。最典型的應用是在二值圖像

中使用這兩個基本操做，是不少識別技術中重要的中間處理步驟。在灰度圖像中根據閾值同

樣能夠完成膨脹與腐蝕操做。對一幅二值圖像f(x,y)完成膨脹操做，與對圖像的卷積操做類

似，要有個操做數矩陣，最多見的爲3X3的矩陣，與卷積操做不一樣的，是若是矩陣中的像素

點有任意一個點的值是前景色，則設置中心像素點爲前景色，不然不變。

 

程序效果：(上爲源圖，下爲膨脹之後效果)

程序原理：

首先把一幅彩色圖像轉換爲灰度圖像，轉換方法參見這裏

http://blog.csdn.net/jia20003/article/details/7392325

然根據像素平均值做爲閾值，轉換爲二值圖像，轉換方法參見這裏

http://blog.csdn.net/jia20003/article/details/7392325

最後在二值圖像上使用膨脹操做，輸出處理之後圖像

源代碼：

package com.gloomyfish.morphology;

import java.awt.Color;
import java.awt.image.BufferedImage;

public class DilateFilter extends BinaryFilter {

    public DilateFilter() {
        forgeColor = Color.WHITE;
    }

    private Color forgeColor;

    public Color getForgeColor() {
        return forgeColor;
    }

    public void setForgeColor(Color forgeColor) {
        this.forgeColor = forgeColor;
    }

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

        if ( dest == null )
            dest = createCompatibleDestImage( src, null );

        int[] inPixels = new int[width*height];
        int[] outPixels = new int[width*height];
        src = super.filter(src, null); // we need to create new one
        getRGB( src, 0, 0, width, height, inPixels );
        int index = 0, index1 = 0, newRow = 0, newCol = 0;
        int ta1 = 0, tr1 = 0, tg1 = 0, tb1 = 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;
                boolean dilation = false;
                for(int offsetY=-1; offsetY<=1; offsetY++) {
                    for(int offsetX=-1; offsetX<=1; offsetX++) {
                        if(offsetY==0 && offsetX==0) {
                            continue;
                        }
                        newRow = row + offsetY;
                        newCol = col + offsetX;
                        if(newRow <0 || newRow >=height) {
                            newRow = 0;
                        }
                        if(newCol < 0 || newCol >=width) {
                            newCol = 0;
                        }
                        index1 = newRow * width + newCol;
                        ta1 = (inPixels[index1] >> 24) & 0xff;
                        tr1 = (inPixels[index1] >> 16) & 0xff;
                        tg1= (inPixels[index1] >> 8) & 0xff;
                        tb1 = inPixels[index1] & 0xff;
                        if(tr1 == forgeColor.getRed() && tg1 == tb1) {
                            dilation = true;
                            break;
                        }
                    }
                    if(dilation){
                        break;
                    }
                }

                if(dilation) {
                    tr = tg = tb = forgeColor.getRed();
                } else {
                    tr = tg = tb = 255 - forgeColor.getRed();
                }
                outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;
            }
        }
        setRGB( dest, 0, 0, width, height, outPixels );
        return dest;
    }

}

其實，膨脹還能夠被用來進行對二值圖像完成邊緣提取，其基本作法以下：

1. 對一副黑白的圖像完成膨脹操做

2.將膨脹之後的圖像與原來的圖像在每一個像素位上相減

3.顯示相減之後的圖像，即獲得邊緣。