java数字图像处理常用算法

lzj0470

浏览: 1279747 次
性别:
来自: 深圳

最近访客更多访客>>

gljhh

hedgehog12

chen88358323

wyx065747

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

博客分类：

java

算法 Java J#Blog

一 读取bmp图片数据

//  获取待检测图像 ，数据保存在数组 nData[]，nB[] ，nG[] ，nR[]中

 public  void getBMPImage(String source) throws Exception {
           
         clearNData();                        //清除数据保存区
         FileInputStream fs = null;
       
        try {
            fs = new FileInputStream(source);
            int bfLen = 14;
            byte bf[] = new byte[bfLen];
            fs.read(bf, 0, bfLen); // 读取14字节BMP文件头
            int biLen = 40;
            byte bi[] = new byte[biLen];
            fs.read(bi, 0, biLen); // 读取40字节BMP信息头

            // 源图宽度
            nWidth = (((int) bi[7] & 0xff) << 24)
                    | (((int) bi[6] & 0xff) << 16)
                    | (((int) bi[5] & 0xff) << 8) | (int) bi[4] & 0xff;

            // 源图高度
            nHeight = (((int) bi[11] & 0xff) << 24)
                    | (((int) bi[10] & 0xff) << 16)
                    | (((int) bi[9] & 0xff) << 8) | (int) bi[8] & 0xff;

            // 位数
            nBitCount = (((int) bi[15] & 0xff) << 8) | (int) bi[14] & 0xff;

            // 源图大小
            int nSizeImage = (((int) bi[23] & 0xff) << 24)
                    | (((int) bi[22] & 0xff) << 16)
                    | (((int) bi[21] & 0xff) << 8) | (int) bi[20] & 0xff;

            // 对24位BMP进行解析
            if (nBitCount == 24){
                int nPad = (nSizeImage / nHeight) - nWidth * 3;
                nData = new int[nHeight * nWidth];
                nB=new int[nHeight * nWidth];
                nR=new int[nHeight * nWidth];
                nG=new int[nHeight * nWidth];
                byte bRGB[] = new byte[(nWidth + nPad) * 3 * nHeight];
                fs.read(bRGB, 0, (nWidth + nPad) * 3 * nHeight);
                int nIndex = 0;
                for (int j = 0; j < nHeight; j++){
                    for (int i = 0; i < nWidth; i++) {
                        nData[nWidth * (nHeight - j - 1) + i] = (255 & 0xff) << 24
                                | (((int) bRGB[nIndex + 2] & 0xff) << 16)
                                 | (((int) bRGB[nIndex + 1] & 0xff) << 8)
                                | (int) bRGB[nIndex] & 0xff;                      
                        nB[nWidth * (nHeight - j - 1) + i]=(int) bRGB[nIndex]& 0xff;
                        nG[nWidth * (nHeight - j - 1) + i]=(int) bRGB[nIndex+1]& 0xff;
                        nR[nWidth * (nHeight - j - 1) + i]=(int) bRGB[nIndex+2]& 0xff;
                        nIndex += 3;
                    }
                    nIndex += nPad;
                }
 //               Toolkit kit = Toolkit.getDefaultToolkit();
 //               image = kit.createImage(new MemoryImageSource(nWidth, nHeight,
 //                       nData, 0, nWidth));

/*               
//调试数据的读取 

                FileWriter fw = new FileWriter("C:\\Documents and Settings\\Administrator\\My Documents\\nDataRaw.txt");//创建新文件
                PrintWriter out = new PrintWriter(fw);
                for(int j=0;j<nHeight;j++){
                 for(int i=0;i<nWidth;i++){
                  out.print((65536*256+nData[nWidth * (nHeight - j - 1) + i])+"_"
                    +nR[nWidth * (nHeight - j - 1) + i]+"_"
                    +nG[nWidth * (nHeight - j - 1) + i]+"_"
                    +nB[nWidth * (nHeight - j - 1) + i]+" ");
                  
                 }
                 out.println("");
                }
                out.close();
*/          
            }
        }
        catch (Exception e) {
            e.printStackTrace();
            throw new Exception(e);
        } 
        finally {
            if (fs != null) {
                fs.close();
            }
        }
     //   return image;
    }

二 由r g b 获取灰度数组

    public  int[] getBrightnessData(int rData[],int gData[],int bData[]){
     
     int brightnessData[]=new int[rData.length];
     if(rData.length!=gData.length || rData.length!=bData.length
       || bData.length!=gData.length){
      return brightnessData;
     }
     else {
      for(int i=0;i<bData.length;i++){
       double temp=0.3*rData[i]+0.59*gData[i]+0.11*bData[i];
       brightnessData[i]=(int)(temp)+((temp-(int)(temp))>0.5?1:0);
      }
      return brightnessData;
     }
      
    }
       
三 直方图均衡化
    public int [] equilibrateGray(int[] PixelsGray,int width,int height) 
    {         
         int gray;
         int length=PixelsGray.length;
         int FrequenceGray[]=new int[length]; 
         int SumGray[]=new int[256]; 
         int ImageDestination[]=new int[length];
         for(int i = 0; i <length ;i++) 
        { 
           gray=PixelsGray[i]; 
              FrequenceGray[gray]++; 
        } 
          //    灰度均衡化 
         SumGray[0]=FrequenceGray[0]; 
         for(int i=1;i<256;i++){
               SumGray[i]=SumGray[i-1]+FrequenceGray[i];  
         }
         for(int i=0;i<256;i++) {
               SumGray[i]=(int)(SumGray[i]*255/length);  
         }
         for(int i=0;i<height;i++) 
         { 
               for(int j=0;j<width;j++) 
              { 
                  int k=i*width+j; 
                  ImageDestination[k]=0xFF000000 | ((SumGray[PixelsGray[k]]<< 
                            16 ) | (SumGray[PixelsGray[k]]<< 8 ) | SumGray[PixelsGray[k]]); 
               } 
          }
         return ImageDestination;
      } 
    
四 laplace2阶滤波，增强边缘,图像锐化
    public int[] laplace2DFileter(int []data,int width,int height){
    
     int filterData[]=new int[data.length];
     int min=10000;
     int max=-10000;
     for(int i=0;i<height;i++){
      for(int j=0;j<width;j++){
       if(i==0 || i==height-1 || j==0 || j==width-1)
               filterData[i*width+j]=data[i*width+j];
       else
        filterData[i*width+j]=9*data[i*width+j]-data[i*width+j-1]-data[i*width+j+1]
                             -data[(i-1)*width+j]-data[(i-1)*width+j-1]-data[(i-1)*width+j+1]
                             -data[(i+1)*width+j]-data[(i+1)*width+j-1]-data[(i+1)*width+j+1];       
       if(filterData[i*width+j]<min)
        min=filterData[i*width+j];
       if(filterData[i*width+j]>max)
        max=filterData[i*width+j];
      }  
     }
//     System.out.println("max: "+max);
//     System.out.println("min: "+min);
     
     for(int i=0;i<width*height;i++){
      filterData[i]=(filterData[i]-min)*255/(max-min);
     }
     return filterData;
    }
         
五 laplace2阶增强滤波，增强边缘，增强系数delt
    public int[] laplaceHigh2DFileter(int []data,int width,int height,double delt){
     
     int filterData[]=new int[data.length];
     int min=10000;
     int max=-10000;
     for(int i=0;i<height;i++){
      for(int j=0;j<width;j++){
       if(i==0 || i==height-1 || j==0 || j==width-1)
               filterData[i*width+j]=(int)((1+delt)*data[i*width+j]);
       else
        filterData[i*width+j]=(int)((9+delt)*data[i*width+j]-data[i*width+j-1])-data[i*width+j+1]
                             -data[(i-1)*width+j]-data[(i-1)*width+j-1]-data[(i-1)*width+j+1]
                             -data[(i+1)*width+j]-data[(i+1)*width+j-1]-data[(i+1)*width+j+1];       
       if(filterData[i*width+j]<min)
        min=filterData[i*width+j];
       if(filterData[i*width+j]>max)
        max=filterData[i*width+j];
      }  
     }
     for(int i=0;i<width*height;i++){
      filterData[i]=(filterData[i]-min)*255/(max-min);
     }
     return filterData;
    }
       
六 局部阈值处理2值化

    //   局部阈值处理2值化，niblack's   method
    /*原理：   
         T(x,y)=m(x,y)   +   k*s(x,y)   
         取一个宽度为w的矩形框，(x,y)为这个框的中心。
         统计框内数据，T(x,y)为阈值,m(x,y)为均值，s(x,y)为均方差，k为参数(推荐-2)计算出t再对(x,y)进行切割255/0。   
         这个算法的优点是     速度快，效果好。   
         缺点是     niblack's   method会产生一定的噪声。  
     */
    
    public int[] localThresholdProcess(int []data,int width,int height,int w,int h,double coefficients,double gate){
     int[] processData=new int[data.length];
     for(int i=0;i<data.length;i++){
      processData[i]=255;
     }
     
     if(data.length!=width*height)
      return processData;
     
     int wNum=width/w;
     int hNum=height/h;
     int delt[]=new int[w*h];
     
     //System.out.println("w; "+w+"  h:"+h+"  wNum:"+wNum+" hNum:"+hNum);
     
     for(int j=0;j<hNum;j++){
      for(int i=0;i<wNum;i++){
     //for(int j=0;j<1;j++){
     // for(int i=0;i<1;i++){ 
        for(int n=0;n<h;n++)
               for(int k=0;k<w;k++){
                delt[n*w+k]=data[(j*h+n)*width+i*w+k];
                //System.out.print("delt["+(n*w+k)+"]: "+delt[n*w+k]+" ");
               }
        //System.out.println();
        /*
        for(int n=0;n<h;n++)
               for(int k=0;k<w;k++){
                System.out.print("data["+((j*h+n)*width+i*w+k)+"]: "+data[(j*h+n)*width+i*w+k]+" ");
               }
        System.out.println();
        */
        delt=thresholdProcess(delt,w,h,coefficients,gate);
        for(int n=0;n<h;n++)
               for(int k=0;k<w;k++){
                processData[(j*h+n)*width+i*w+k]=delt[n*w+k];
               // System.out.print("delt["+(n*w+k)+"]: "+delt[n*w+k]+" ");
               }
        //System.out.println();
        /*
        for(int n=0;n<h;n++)
               for(int k=0;k<w;k++){
                System.out.print("processData["+((j*h+n)*width+i*w+k)+"]: "+processData[(j*h+n)*width+i*w+k]+" ");
               }
        System.out.println();
        */
      } 
     }
     
     return processData;
    }
   
七 全局阈值处理2值化
    public int[] thresholdProcess(int []data,int width,int height,double coefficients,double gate){
     int [] processData=new int[data.length];
     if(data.length!=width*height)
      return processData;
     else{
      double sum=0;
      double average=0;
      double variance=0;
      double threshold;
      
      if( gate!=0){
       threshold=gate; 
      }
      else{
            for(int i=0;i<width*height;i++){
            sum+=data[i];
            }
            average=sum/(width*height);
      
            for(int i=0;i<width*height;i++){
              variance+=(data[i]-average)*(data[i]-average);
            }
            variance=Math.sqrt(variance);
            threshold=average-coefficients*variance;
      }
      
         for(int i=0;i<width*height;i++){
          if(data[i]>threshold)
             processData[i]=255;
          else 
                processData[i]=0;
         }
      
         return processData;
       }
    }
    
八  垂直边缘检测，sobel算子
    public int[] verticleEdgeCheck(int []data,int width,int height,int sobelCoefficients) throws Exception{
     int filterData[]=new int[data.length];
     int min=10000;
     int max=-10000;
     if(data.length!=width*height)
      return filterData;
     
     try{
     
       for(int i=0;i<height;i++){
       for(int j=0;j<width;j++){
        if(i==0 || i==1 || i==height-1 || i==height-2 
           ||j==0 || j==1 || j==width-1 || j==width-2){
               filterData[i*width+j]=data[i*width+j];
         }
         else{
          double average;
            //中心的九个像素点
             //average=data[i*width+j]-Math.sqrt(2)*data[i*width+j-1]+Math.sqrt(2)*data[i*width+j+1]
          average=data[i*width+j]-sobelCoefficients*data[i*width+j-1]+sobelCoefficients*data[i*width+j+1]       
                  -data[(i-1)*width+j-1]+data[(i-1)*width+j+1]
                     -data[(i+1)*width+j-1]+data[(i+1)*width+j+1];
             filterData[i*width+j]=(int)(average);
         }       
        if(filterData[i*width+j]<min)
         min=filterData[i*width+j];
         if(filterData[i*width+j]>max)
         max=filterData[i*width+j];
        }
        }
       for(int i=0;i<width*height;i++){
        filterData[i]=(filterData[i]-min)*255/(max-min);
         }
     
     }
     catch (Exception e) 
     {
            e.printStackTrace();
            throw new Exception(e);
        }  
     
     return filterData;
    }
    
       
九  图像平滑：3*3掩模处理（平均处理），降低噪声    
    public int[] filter(int []data,int width,int height) throws Exception{
     
     int filterData[]=new int[data.length];
     int min=10000;
     int max=-10000;
     if(data.length!=width*height)
      return filterData;
     
     try{
     
       for(int i=0;i<height;i++){
       for(int j=0;j<width;j++){
        if(i==0 || i==1 || i==height-1 || i==height-2 
           ||j==0 || j==1 || j==width-1 || j==width-2){
               filterData[i*width+j]=data[i*width+j];
         }
         else{
          double average;
            //中心的九个像素点
             average=(data[i*width+j]+data[i*width+j-1]+data[i*width+j+1]
                     +data[(i-1)*width+j]+data[(i-1)*width+j-1]+data[(i-1)*width+j+1]
                     +data[(i+1)*width+j]+data[(i+1)*width+j-1]+data[(i+1)*width+j+1])/9;
             filterData[i*width+j]=(int)(average);
         }       
        if(filterData[i*width+j]<min)
         min=filterData[i*width+j];
         if(filterData[i*width+j]>max)
         max=filterData[i*width+j];
        }
        }
       for(int i=0;i<width*height;i++){
        filterData[i]=(filterData[i]-min)*255/(max-min);
         }
     
     }
     catch (Exception e) 
     {
            e.printStackTrace();
            throw new Exception(e);
        }  
     
     return filterData;
    }

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/sunny3106/archive/2007/07/08/1682813.aspx

分享到：

数字图像识别-验证码篇 | JAVA报表工具

2010-04-10 13:51
浏览 1366
评论(0)
分类:编程语言
查看更多

发表评论

您还没有登录,请您登录后再发表评论

最近访客更多访客>>

博主相关

文章分类

社区版块

存档分类

最新评论

java数字图像处理常用算法

评论

发表评论

相关推荐

最近访客 更多访客>>

博主相关

文章分类

社区版块

存档分类

最新评论

java数字图像处理常用算法

评论

发表评论

相关推荐

tomcat was unable to start within 45 seconds

Apache Commons Lang

htmlunit form

QQ微博登录步骤

jsoup

java 加密解密

freemarket 对象应用篇（一）

中文数字转阿拉伯数字

标记：伪原创标题思路

用JSmooth制作java jar文件的可执行exe文件教程(图文)

多线程 Java.util.ConcurrentModificationException异常

java 反序列化 抛出EOFException

一键安装双击运行——Java安装程序制作

只针对中英文混合分词的中文分词器

Java开源运行分析工具

cwss 按照指定的字符进行切词

cwss bug 修复

java 怎么读取细胞词库scel

今天遇到一个奇怪的问题

在myeclipse6.5下统一全部JSP编码更改

最近访客更多访客>>

java 反序列化抛出EOFException