湖州长兴县建设局网站,做互联网平台要多少钱,给非吸公司建设网站,网站简繁体转换.rar图像基本处理算法的简单实现#xff08;一#xff09; 图像基本处理算法的简单实现#xff08;二#xff09; 4#xff09;膨胀腐蚀 属于什么心态学#xff0c;膨胀、腐蚀、击中/击不中变换、细化…#xff08;又晕了T^T#xff09;。简单点好像就是集合运算#xff0… 图像基本处理算法的简单实现一 图像基本处理算法的简单实现二 4膨胀腐蚀 属于什么心态学膨胀、腐蚀、击中/击不中变换、细化…又晕了T^T。简单点好像就是集合运算图像与一结构元素的交差补什么的。图像一点的周围是否符合结构元素然后该怎么处理。 结构元素B由0和1组成用于扫描比较二值化图像A。 膨胀 1、用结构元素B扫描图像A的每一个像素 2、用结构元素与其覆盖的二值图像做“与”操作 3、如果都为0结果图像的该像素为0。否则为1 腐蚀 1、用结构元素B扫描图像A的每一个像素 2、用结构元素与其覆盖的二值图像做“与”操作 3、如果都为1结果图像的该像素为1。否则为0 膨胀腐蚀是形态学处理的基础。copy的 膨胀的实现 /** * 对二值化Bitmap进行膨胀运算后返回 * * 膨胀结构元素3x3 全 * * JNIEnv* jni环境jni必要参数 * jobject java对象jni必要参数 * jintArray Bitmap所有像素值 * int Bitmap宽度 * int Bitmap高度 */ JNIEXPORT jintArray JNICALL Java_org_join_image_util_JoinImage_dilation( JNIEnv* env, jobject obj, jintArray buf, int w, int h) { LOGE(dilation); jint * cbuf; // 源图像 cbuf (*env)-GetIntArrayElements(env, buf, 0); // 获取int数组元素 int white 0xFFFFFFFF; // 不透明白色 int black 0xFF000000; // 不透明黑色 int size w * h; jint rbuf[size]; // 目标图像 memset(rbuf, black, size * sizeof(jint)); // 将目标图像置成全黑 int i, j, m, n, gray; jint *p, *q; // 由于使用3×3的结构元素为防止越界所以不处理上下左右四边像素 for (i 1; i h - 1; i) { for (j 1; j w - 1; j) { p cbuf w * i j; // 指向源图像i行j列 // 遍历源图像对应结构元素的各点 for (m -1; m 1; m) { for (n -1; n 1; n) { gray (*(p w * m n)) 0xFF; // 获取源图像对应结构元素点的灰度值 // 如果对应3x3范围内有白点其他色都算为黑 if (gray 255) { q rbuf w * i j; // 指向目标图像i行j列 *q white; // 将目标图像中的当前点赋成白色 break; } } } } } jintArray result (*env)-NewIntArray(env, size); // 新建一个jintArray (*env)-SetIntArrayRegion(env, result, 0, size, rbuf); // 将rbuf转存入result (*env)-ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素 return result; } 腐蚀的实现 /** * 对二值化Bitmap进行腐蚀运算后返回 * * 腐蚀结构元素3x3 全 * * JNIEnv* jni环境jni必要参数 * jobject java对象jni必要参数 * jintArray Bitmap所有像素值 * int Bitmap宽度 * int Bitmap高度 */ JNIEXPORT jintArray JNICALL Java_org_join_image_util_JoinImage_erosion( JNIEnv* env, jobject obj, jintArray buf, int w, int h) { LOGE(erosion); jint * cbuf; // 源图像 cbuf (*env)-GetIntArrayElements(env, buf, 0); // 获取int数组元素 int white 0xFFFFFFFF; // 不透明白色 int black 0xFF000000; // 不透明黑色 int size w * h; jint rbuf[size]; // 目标图像 memset(rbuf, black, size * sizeof(jint)); // 将目标图像置成全黑 int i, j, m, n, gray; jint *p, *q; // 由于使用3×3的结构元素为防止越界所以不处理上下左右四边像素 for (i 1; i h - 1; i) { for (j 1; j w - 1; j) { p cbuf w * i j; // 指向源图像i行j列 q rbuf w * i j; // 指向目标图像i行j列 *q white; // 将目标图像中的当前点赋成白色 // 遍历源图像对应结构元素的各点 for (m -1; m 1; m) { for (n -1; n 1; n) { gray (*(p w * m n)) 0xFF; // 获取源图像对应结构元素点的灰度值 // 如果对应3x3范围内有黑点其他色都算为白 if (gray 0) { *q black; // 将目标图像中的当前点赋成黑色 break; } } } } } jintArray result (*env)-NewIntArray(env, size); // 新建一个jintArray (*env)-SetIntArrayRegion(env, result, 0, size, rbuf); // 将rbuf转存入result (*env)-ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素 return result; } 好吧都一样的结构元素这是偷懒呢。没必要非这样也可以如“背景色点上下左右3点为前景色则将其填充为前景色”什么的。 5细化 提取图像骨架的。主要有Zhang快速并行细化方法、Hilditch、Pavlidis、Rosenfeld、索引表细化方法等。 简述下连通图概念先分为四连通和八连通或者称之为邻域。四连通就是图像上下左右有一点时才算这两点是连接的而八连通则周围一圈有一点都行。也就是一点只有右上角有邻点则是八连通非四连通^^。 算法按着名字查找下就好不想再表述了实现代码注释了其实有了的^^。 Zhang快速并行细化方法 /** * 对二值化Bitmap进行细化运算后返回 * * 采用“Zhang快速并行细化方法” * * JNIEnv* jni环境jni必要参数 * jobject java对象jni必要参数 * jintArray Bitmap所有像素值 * int Bitmap宽度 * int Bitmap高度 */ JNIEXPORT jintArray JNICALL Java_org_join_image_util_JoinImage_thinning( JNIEnv* env, jobject obj, jintArray buf, int w, int h) { LOGE(thinning); jint * cbuf; cbuf (*env)-GetIntArrayElements(env, buf, 0); // 获取int数组元素 int black 0xFF000000; // 不透明黑色 unsigned char foreground 0xFF; // 前景灰度值255白 unsigned char background 0; // 背景灰度值0黑 jboolean modified 1; // 设置脏标记true unsigned char count; // 计数器 unsigned char mark[w][h]; // 可删除标记 int size w * h; // 数据数目 /* * 8-领域示意图 * * P9 P2 P3 * P8 P1 P4 * P7 P6 P5 */ int i, j, m, n; // 循环标记 unsigned char gray; // 灰度值 unsigned char grays[3][3]; // 领域各点灰度值 jint *p; // 指向源图像像素的指针 // 一次迭代操作直到没有点再满足标记条件 while (modified) { modified 0; // 设置脏标记false /* * 第一层子循环删除条件 * * (1.1) 2N(p1)6 * (1.2) S(p1)1 * (1.3) p2*p4*p60 * (1.4) p4*p6*p80 * * N(p1)p1的非零邻点的个数 * S(p1)以p2 p3 …… p9为序时这些点的值从0到1变化的次数 */ memset(mark, 0, sizeof(mark)); // 重置删除标记为false // 防止越界不处理上下左右四边像素 for (i 1; i h - 1; i) { for (j 1; j w - 1; j) { p cbuf w * i j; // 指向源图像i行j列 gray (*p) 0xFF; // 获得灰度值 if (gray foreground) { // 判断是否为细化像素前景像素 // 计算N(p1) count 0; // 重置计数器 for (m -1; m 1; m) { for (n -1; n 1; n) { gray (*(p w * m n)) 0xFF; // 获取领域各点的灰度值 grays[m 1][n 1] gray; // 同时存储领域各点的灰度值 if (gray foreground) { // 如果为前景像素 count; } } } count--; // 去除中心点 // 判断条件(1.1) if (2 count count 6) { } else { continue; // 条件(1.1)不成立跳出循环 } // 计算S(p1)四周像素由0变255的次数 // 需先计算N(p1)获取领域各点的灰度值 count 0; // 重置计数器 if (grays[0][1] grays[0][2]) count; // p2-p3 if (grays[0][2] grays[1][2]) count; // p3-p4 if (grays[1][2] grays[2][2]) count; // p4-p5 if (grays[2][2] grays[2][1]) count; // p5-p6 if (grays[2][1] grays[2][0]) count; // p6-p7 if (grays[2][0] grays[1][0]) count; // p7-p8 if (grays[1][0] grays[0][0]) count; // p8-p9 if (grays[0][0] grays[0][1]) count; // p9-p2 // 判断条件(1.2) if (1 count) { } else { continue; // 条件(1.2)不成立跳出循环 } // 判断条件(1.3) if (background grays[0][1] || background grays[1][2] || background grays[2][1]) { } else { continue; // 条件(1.3)不成立跳出循环 } // 判断条件(1.4) if (background grays[1][2] || background grays[2][1] || background grays[1][0]) { } else { continue; // 条件(1.4)不成立跳出循环 } /* * 四条件都成立时 */ mark[j][i] 1; // 删除标记为true modified 1; // 脏标记为true } } } // 由删除标记去除 if (modified) { for (i 1; i h - 1; i) { for (j 1; j w - 1; j) { // 如果删除标记为true if (1 mark[j][i]) { cbuf[w * i j] black; // 修改成背景色黑 } } } } /* * 第二层子循环删除条件 * * (1.1) 2N(p1)6 * (1.2) S(p1)1 * (2.3) p2*p4*p80 * (2.4) p2*p6*p80 */ memset(mark, 0, sizeof(mark)); // 重置删除标记为false // 防止越界不处理上下左右四边像素 for (i 1; i h - 1; i) { for (j 1; j w - 1; j) { p cbuf w * i j; // 指向源图像i行j列 gray (*p) 0xFF; // 获得灰度值 if (gray foreground) { // 判断是否为细化像素前景像素 // 计算N(p1) count 0; // 重置计数器 for (m -1; m 1; m) { for (n -1; n 1; n) { gray (*(p w * m n)) 0xFF; // 获取领域各点的灰度值 grays[m 1][n 1] gray; // 同时存储领域各点的灰度值 if (gray foreground) { // 如果为前景像素 count; } } } count--; // 去除中心点 // 判断条件(1.1) if (2 count count 6) { } else { continue; // 条件(1.1)不成立跳出循环 } // 计算S(p1)四周像素由0变255的次数 // 需先计算N(p1)获取领域各点的灰度值 count 0; // 重置计数器 if (grays[0][1] grays[0][2]) count; // p2-p3 if (grays[0][2] grays[1][2]) count; // p3-p4 if (grays[1][2] grays[2][2]) count; // p4-p5 if (grays[2][2] grays[2][1]) count; // p5-p6 if (grays[2][1] grays[2][0]) count; // p6-p7 if (grays[2][0] grays[1][0]) count; // p7-p8 if (grays[1][0] grays[0][0]) count; // p8-p9 if (grays[0][0] grays[0][1]) count; // p9-p2 // 判断条件(1.2) if (1 count) { } else { continue; // 条件(1.2)不成立跳出循环 } // 判断条件(2.3) if (background grays[0][1] || background grays[1][2] || background grays[1][0]) { } else { continue; // 条件(2.3)不成立跳出循环 } // 判断条件(2.4) if (background grays[0][1] || background grays[2][1] || background grays[1][0]) { } else { continue; // 条件(2.4)不成立跳出循环 } /* * 四条件都成立时 */ mark[j][i] 1; // 删除标记为true modified 1; // 脏标记为true } } } // 由删除标记去除 if (modified) { for (i 1; i h - 1; i) { for (j 1; j w - 1; j) { // 如果删除标记为true if (1 mark[j][i]) { cbuf[w * i j] black; // 修改成背景色黑 } } } } } jintArray result (*env)-NewIntArray(env, size); // 新建一个jintArray (*env)-SetIntArrayRegion(env, result, 0, size, cbuf); // 将cbuf转存入result (*env)-ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素 return result; } 图像基本处理算法的简单实现三 本文转自winorlose2000 51CTO博客原文链接http://blog.51cto.com/vaero/823000如需转载请自行联系原作者
