OpenCV3 圖像膨脹 dilate、腐蝕 erode、提取圖像中的條形碼 JAVA 實現
關於 JAVA 學習 OpenCV 的內容，函數講解，案例代碼內容我均整理在 GitHub【OpenCV3-Study-JAVA 】上java
下面代碼中所需的項目結構，圖片，請訪問 GitHub 獲取。git
代碼展現
package opencv;
import opencv.base.OpenCVStudyBase;
import org.junit.Test;
import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import java.util.ArrayList;
import java.util.List;
/**
* @Author : alexliu
* @Description : 主要學習<br/>
* 1. 圖像腐蝕<br/>
* 2. 圖像膨脹<br/>
* 3. 查找條形碼案例<br/>
*/
public class StudyTest_8 extends OpenCVStudyBase{
/*
* 腐蝕，膨脹都屬於形態學濾波。
*
* 數學形態學中，基本的運算有：
* 二值腐蝕和膨脹
* 二值開閉運算
* 骨架抽取
* 極限腐蝕
* 灰值腐蝕和膨脹
* 灰值開閉運算
* 灰值形態學梯度
* .....
*
*
* 腐蝕，膨脹的主要功能以下：
* 1. 消除噪聲
* 2. 分割（isolate）出獨立的圖像元素，在圖像中鏈接（join）相鄰的元素
* 3. 尋找圖像中的明顯的極大值區域或極小值區域
* 4. 求出圖像的梯度
*
* 注意：
* 腐蝕和膨脹僅針對`圖像高亮`區域進行操做。
*
*/
private String save_dir = "study-output/study-opencv-8";
/*
* 如何建立腐蝕、膨脹操做的核
*
* 腐蝕和膨脹均有一個 Mat kernel 參數。這個參數就是腐蝕/膨脹操做的核，它是一個矩陣結構元素（Mat）
* OpenCV 在 Imgproc 包中，提供了 getStructuringElement 的函數，來方便建立腐蝕/膨脹的核
*
* getStructuringElement 原型方法:
* getStructuringElement(int shape, Size ksize, Point anchor)
* getStructuringElement(int shape, Size ksize)
*
* 參數：
* shape : Integer 核的結構類型
* -- C++ 有四種（多一個用戶自定義），其餘語言3種
* -- MORPH_RECT , 一個矩形結構元素
* -- MORPH_ELLIPSE , 一個橢圓結構元素
* -- MORPH_CROSS , 一個十字形結構元素
* ksize : Size 結構元素的大小
* anchor : Point 元素中瞄點的位置。默認值 (-1,-1)表示在元素的中心位置。注意：只有十字形結構元素依賴瞄點，其餘形狀類型僅僅影響結果的偏移。
*
* 原文：
* shape – Element shape that could be one of the following:
* MORPH_RECT - a rectangular structuring element
* MORPH_ELLIPSE - an elliptic structuring element, that is, a filled ellipse inscribed into the rectangle Rect(0, 0, esize.width, 0.esize.height)
* MORPH_CROSS - a cross-shaped structuring element
* CV_SHAPE_CUSTOM - custom structuring element (OpenCV 1.x API)
* ksize – Size of the structuring element.
* anchor – Anchor position within the element. The default value (-1, -1) means that the anchor is at the center.
* Note that only the shape of a cross-shaped element depends on the anchor position.
* In other cases the anchor just regulates how much the result of the morphological operation is shifted.
*/
/*
* ------------------------------------------------------------------------------------------------------------
*
* 腐蝕
*
* 1. 腐蝕說明：
* 圖像的一部分區域與指定的核進行卷積，求核的最`小`值並賦值給指定區域。
* 腐蝕能夠理解爲圖像中`高亮區域`的'領域縮小'。
* 意思是高亮部分會被不是高亮部分的像素侵蝕掉，使高亮部分愈來愈少。
*
* 2. 腐蝕函數(erode)
* erode 有3個原型方法
*
* erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue)
* erode(Mat src, Mat dst, Mat kernel, Point anchor, int iterations)
* erode(Mat src, Mat dst, Mat kernel)
*
* 參數：
* src : Mat 輸入圖像 對通道數無要求，可是 depth 必須是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 之一
* dst : Mat 輸出圖像，與原圖以上的尺寸與類型
* kernel : Mat 膨脹操做的核 ， null 時表示以當前像素爲中心 3x3 爲單位的核
* 通常使用函數 Imgproc.getStructuringElement 來建立核。該函數會返回指定形狀或尺寸的矩陣結構元素。
* anchor : Point 瞄點。根據 kernel（核），處理每一個核的某個點。 (-1,-1)表明取這個核的中心位置。
* interations : Integer 迭代 dilate(膨脹)的次數，默認 1 。。
* borderType : Integer 推斷圖像外部像素的某種邊界模式，通常不須要這個參數。
* borderValue : Scalar 當 borderType 值爲常數時，區域的顏色通常不用管，
*
* 腐蝕，通常不須要borderType，borderValue，均有默認值。若是須要使用，可參考官網獲取更多信息
*
* ------------------------------------------------------------------------------------------------------------
*/
/**
* 圖像腐蝕處理
* 不作任何處理的圖片
*/
@Test
public void testErodeNomal(){
Mat sourceImage = Imgcodecs.imread(p_test_file_path + "/shufa.png");
//Mat sourceImage = Imgcodecs.imread(test_file_path + "/5cent.jpg",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);
// size 越小，腐蝕的單位越小，圖片越接近原圖
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT,new Size(30,30));
Mat outImage = new Mat();
//開始腐蝕
Imgproc.erode(sourceImage,outImage,structImage);
this.saveImage(this.save_dir + "/image_process_erode_nomal.png",outImage);
}
/**
* 圖像腐蝕處理
* 灰度處理的圖片
*/
@Test
public void testErodeGray(){
// 因爲shufa.png 背景爲白色，字體爲黑色，在灰度的0-255顯示範圍，看不出變化
// 因此咱們換一個背景圖不是白色的。
Mat sourceImage = Imgcodecs.imread(p_test_file_path + "/shufa-1.jpg",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_ELLIPSE,new Size(30,30));
Mat outImage = new Mat();
Imgproc.erode(sourceImage,outImage,structImage);
this.saveImage(this.save_dir + "/image_process_erode_gray.png",outImage);
}
/**
* 圖像腐蝕處理
* 二值化處理的圖片
*/
@Test
public void testErodeThreshold() {
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa.png");
//二值化處理 cv_8uc1 8位單通道格式
Mat binaryMat = new Mat(sourceImage.height(), sourceImage.width(), CvType.CV_8UC1);
Imgproc.threshold(sourceImage, binaryMat,100, 200, Imgproc.THRESH_BINARY);
Mat outImage = new Mat();
//圖像腐蝕
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));
Imgproc.erode(binaryMat, outImage, structImage);
this.saveImage(this.save_dir + "/image_process_erode_threshold.png",outImage);
}
/*
* ------------------------------------------------------------------------------------------------------------
*
* 膨脹
*
* 1. 膨脹說明：
* 圖像的一部分區域與指定的核進行卷積，求核的最`大`值並賦值給指定區域。
* 膨脹能夠理解爲圖像中`高亮區域`的'領域擴大'。
* 意思是高亮部分會侵蝕不是高亮的部分，使高亮部分愈來愈多。
*
* 2. 膨脹函數(dilate)
* dilate 有3個原型方法
*
* dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations, int borderType, Scalar borderValue)
* dilate(Mat src, Mat dst, Mat kernel, Point anchor, int iterations)
* dilate(Mat src, Mat dst, Mat kernel)
*
* 參數：
* src : Mat 輸入圖像 對通道數無要求，可是 depth 必須是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F 之一
* dst : Mat 輸出圖像，與原圖以上的尺寸與類型
* kernel : Mat 膨脹操做的核 ， null 時表示以當前像素爲中心 3x3 爲單位的核
* 通常使用函數 Imgproc.getStructuringElement 來建立核。該函數會返回指定形狀或尺寸的矩陣結構元素。
* anchor : Point 瞄點。根據 kernel（核），處理每一個核的某個點。 (-1,-1)表明取這個核的中心位置。
* interations : Integer 迭代 dilate(膨脹)的次數，默認 1 。。
* borderType : Integer 推斷圖像外部像素的某種邊界模式，通常不須要這個參數。
* borderValue : Scalar 當 borderType 值爲常數時，區域的顏色通常不用管，
*
* 膨脹，通常不須要borderType，borderValue，均有默認值。若是須要使用，可參考官網獲取更多信息
*
* ------------------------------------------------------------------------------------------------------------
*/
/**
* 圖像膨脹處理
* 不作任何處理的圖片
*/
@Test
public void testDilateNomal(){
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa.png");
Mat outImage = new Mat();
//圖像腐蝕
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));
Imgproc.dilate(sourceImage, outImage, structImage);
this.saveImage(this.save_dir + "/image_process_dilate_nomal.png",outImage);
}
/**
* 圖像膨脹處理
* 灰度處理的圖片
*/
@Test
public void testDilateGray(){
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa-1.jpg",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);
Mat outImage = new Mat();
//圖像腐蝕
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));
Imgproc.dilate(sourceImage, outImage, structImage);
this.saveImage(this.save_dir + "/image_process_dilate_gray.png",outImage);
}
/**
* 圖像膨脹處理
* 二值化處理的圖片
*/
@Test
public void testDilateThreshold() {
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/shufa.png");
//二值化處理 cv_8uc1 8位單通道格式
Mat binaryMat = new Mat(sourceImage.height(), sourceImage.width(), CvType.CV_8UC1);
Imgproc.threshold(sourceImage, binaryMat,100, 200, Imgproc.THRESH_BINARY);
Mat outImage = new Mat();
//圖像腐蝕
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(30,30));
Imgproc.dilate(binaryMat, outImage, structImage);
this.saveImage(this.save_dir + "/image_process_dilate_threshold.png",outImage);
}
/**
* 查找條形碼案例
*
* 步驟：
* 1. 讀取灰值圖
* 2. 圖像模糊，降噪
* 3. 圖像二值化
* 4. 腐蝕圖像，經過腐蝕過濾掉不是豎線的的區域
* 5. 膨脹圖像，將腐蝕過的線條數據經過膨脹放大
* 6. 繼續用矩形核膨脹圖像，使線條連接成矩形圖像
* 7. 查找輪廓
* 8. 對比全部輪廓，過濾掉寬度小於200，偏斜角<2度的矩形圖像
* 9. 找到圖像並截取
*/
@Test
public void testFindLineCode() {
//讀取灰值圖
Mat sourceImage = Imgcodecs.imread(this.p_test_file_path + "/tiaoma.png",Imgcodecs.CV_LOAD_IMAGE_GRAYSCALE);
//圖像高斯模糊
Mat gsMat = Mat.ones(sourceImage.size(),sourceImage.type());
Imgproc.GaussianBlur(sourceImage,gsMat,new Size(5,5),0,0);
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-1.png",gsMat);
//圖像二值化，adaptiveThreshold 後面再二值化的專題裏講解
Mat thresh_image = Mat.ones(sourceImage.size(),sourceImage.type());
// C 負數，取反色，超過閾值的爲黑色，其餘爲白色
Imgproc.adaptiveThreshold(gsMat, thresh_image,255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY,7,-2);
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-2.png",thresh_image);
//建立輸出圖像，後續的操做都是這個圖像
Mat outImage = new Mat();
/*
* 圖像腐蝕操做
*
* width=2 ，height=20 在腐蝕的時候，排除大多數細的垂直線。
* 這個參數不易設置過大，能夠經過屢次腐蝕來達到排除的效果。
*
* ----------------------------------------------------------------------------------
* 注意 width、height 需根據圖像的大小來設置。
*
* 好比我這裏的示例圖片大小是 1271(width)x648(height)。 我經過比較20是比較理想的值。
* 可是20 並比適用比示例圖小或大的圖像。因此在設置這個參數前，須要根據圖像大小來調整。
*
* && 這個值沒有固定、動態的大小，不要指望自動設置，除非接入 AI 來學習。 &&
*
* 可是咱們加入到本身工程的業務裏，咱們處理的圖片一般都是固定的幾個圖像大小
*
* 好比攝像頭獲取圖像，能夠指定 500x500
* 好比掃描儀獲取圖像，能夠指定 KPI 大小，那麼獲取到的同等材質（如 A4大小）的數碼圖片大小也是同樣的。
* 好比數碼照片，在不一樣模式下照片大小是一致的，能夠根據圖片信息分類。
*
* 因此，本身根據本身業務常常處理的圖片來設置一個比例參數 ，經過 sourceImage.heigth()*xParam 來獲取這個參數便可。
* ----------------------------------------------------------------------------------
*/
Mat structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(2,20));
Imgproc.erode(thresh_image, outImage, structImage,new Point(-1,-1),3); //腐蝕了3次
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-3.png",outImage);
// 在用腐蝕的圖像，進行膨脹，將線條加粗
Imgproc.dilate(outImage, outImage, structImage,new Point(-1,-1),3); // 這裏一樣進行了3次膨脹
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-4.png",outImage);
/*
* 這裏我劃定了一個10x5 的矩形整列。來將剩餘的線條經過膨脹連成區域。
* 範圍一樣不宜過大或太小。
* 過大：膨脹區域增大，最終結果圖像干擾太多
* 太小：膨脹區域減小，可知足的條件過多，形成不容易連成一個整理區域。
*/
// 再次膨脹，使其連成區域
structImage = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(10,5));
Imgproc.dilate(outImage, outImage, structImage,new Point(-1,-1),3);
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-5.png",outImage);
/*
* findContours 找輪廓
*
* 原型方法：
*
* findContours(Mat image, List<MatOfPoint> contours, Mat hierarchy, int mode, int method, Point offset)
*
* image : Mat 是輸入圖像，圖像的格式是8位單通道的圖像，而且被解析爲二值圖像（即圖中的全部非零像素之間都是相等的）。
* coutours : List<MatOfPoint> 輸出的輪廓數組，全部找到的輪廓都會放在這個數組中。MatOfPoint表明這個對象存儲了輪廓的`點`數據
* hierarchy : Mat 這個參數能夠指定，也能夠不指定。
* 若是指定的話，輸出hierarchy，將會描述輸出輪廓樹的結構信息。
* 0號元素表示下一個輪廓（同一層級）；
* 1號元素表示前一個輪廓（同一層級）；
* 2號元素表示第一個子輪廓（下一層級）；
* 3號元素表示父輪廓（上一層級）
* mode : Integer 輪廓的模式，將會告訴OpenCV你想用何種方式來對輪廓進行提取，有四個可選的值：
* CV_RETR_EXTERNAL （0）：表示只提取最外面的輪廓；
* CV_RETR_LIST （1）：表示提取全部輪廓並將其放入列表；
* CV_RETR_CCOMP （2）:表示提取全部輪廓並將組織成一個兩層結構，其中頂層輪廓是外部輪廓，第二層輪廓是「洞」的輪廓；
* CV_RETR_TREE （3）：表示提取全部輪廓並組織成輪廓嵌套的完整層級結構。
* method : Integer 輪廓如何呈現的方法，有三種可選的方法：
* CV_CHAIN_APPROX_NONE （1）：將輪廓中的全部點的編碼轉換成點；
* CV_CHAIN_APPROX_SIMPLE （2）：壓縮水平、垂直和對角直線段，僅保留它們的端點；
* CV_CHAIN_APPROX_TC89_L1 （3）or CV_CHAIN_APPROX_TC89_KCOS（4）：應用Teh-Chin鏈近似算法中的一種風格
* offset : Point 可選，若是指定了點偏移，那麼返回的輪廓中的全部點均做指定量的偏移
*/
List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
Mat hierarchy = new Mat();
Imgproc.findContours(outImage,contours,hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE,new Point(0,0));
// 根據輪廓能夠找到的形狀數組
// Rect[] boundRect = new Rect[contours.size()];
// 循環找到的全部輪廓
for(int i = 0; i < contours.size();i++) {
//將輪廓保存爲區域
// boundRect[i] = Imgproc.boundingRect(contours.get(i));
// System.out.println(boundRect[i].tl());
// System.out.println(boundRect[i].br());
// 獲取輪廓內，最小外包矩形
RotatedRect min = Imgproc.minAreaRect(new MatOfPoint2f(contours.get(i).toArray()));
//偏轉角度
if(min.angle < 2){
//獲取一個矩形
Rect minRect = min.boundingRect();
//將寬度<200的排除
if( ( minRect.br().x - minRect.tl().x ) > 200 ){
//截取
Mat code = sourceImage.submat(minRect);
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-code-"+i+".png",code);
}
//在原圖上把該矩形表示出來
Imgproc.rectangle(sourceImage, minRect.tl(), minRect.br(), new Scalar(0, 255, 0), 1, Imgproc.LINE_AA, 0);
}
}
//輸出原圖
this.saveImage(this.save_dir + "/image_process_dilate_tiaoma-6.png",sourceImage);
}
}
部分結果展現
膨脹 dilategithub
原圖： 
算法
膨脹後： 數組
腐蝕 erode 函數
獲取條形碼學習
獲取條形碼的效果可能不是最好，方法也不是最好的，只是我學到這裏的一些積累。只是拋出一種方法而已。字體
廣告欄： 歡迎關注個人 我的博客this
相關文章
- 1. C++ 膨脹與腐蝕（dilate、erode)
- 2. OpenCV圖像處理形態學操做腐蝕Erode與膨脹Dilate
- 3. OpenCV圖像處理形態學操作腐蝕Erode與膨脹Dilate
- 4. 圖像腐蝕與膨脹
- 5. 形態學圖像處理——圖像膨脹&圖像腐蝕
- 6. opencv學習二：形態學：膨脹(dilate)與腐蝕(erode)
- 7. OpenCV3學習（4.3）——圖像形態學（膨脹，腐蝕）
- 8. 形態學處理（一）膨脹（dilate）與腐蝕（erode）
- 9. 圖像的膨脹和腐蝕
- 10. 圖像的膨脹與腐蝕、細化
- 更多相關文章...
- • R 繪圖 - 條形圖 - R 語言教程
- • PHP 圖像處理 - PHP參考手冊
- • ☆基於Java Instrument的Agent實現
- • Scala 中文亂碼解決
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
