来源
24位彩色图与8位灰度图
首先要先介绍一下24位彩色图像,在一个24位彩色图像中,每个像素由三个字节表示,通常表示为RGB。通常,许多24位彩色图像存储为32位图像,每个像素多余的字节存储为一个alpha
值,表现有特殊影响的信息[1]。
在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255[2]。这样就得到一幅图片的灰度图。
几种灰度化的方法
1、分量法:使用RGB三个分量中的一个作为灰度图的灰度值。
2、最值法:使用RGB三个分量中最大值或最小值作为灰度图的灰度值。
3、均值法:使用RGB三个分量的平均值作为灰度图的灰度值。
4、加权法:由于人眼颜色敏感度不同,按下一定的权值对RGB三分量进行加权平均能得到较合理的灰度图像。一般情况按照:Y = 0.30R + 0.59G + 0.11B。
[注]加权法实际上是取一幅图片的亮度值作为灰度值来计算,用到了YUV模型。在[3]中会发现作者使用了Y = 0.21 * r + 0.71 * g + 0.07 * b来计算灰度值(显然三个权值相加并不等于1,可能是作者的错误?)。实际上,这种差别应该与是否使用伽马校正有关[1]。
一种Java实现灰度化的方法
如果你搜索“Java实现灰度化”,十有八九都是一种方法(代码):
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
public void grayImage() throws IOException{
File file = new File(System.getProperty( "user.dir" )+ "/test.jpg" );
BufferedImage image = ImageIO.read(file);
int width = image.getWidth();
int height = image.getHeight();
BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);
for ( int i= 0 ; i < width ; i++){
for ( int j = 0 ; j < height; j++){
int rgb = image.getRGB(i, j);
grayImage.setRGB(i, j, rgb);
}
}
File newFile = new File(System.getProperty( "user.dir" )+ "/method1.jpg" );
ImageIO.write(grayImage, "jpg" , newFile);
}
|
test.jpg的原图为:
使用上述方法得到的灰度图:
看到这幅灰度图,似乎还真是可行,但是如果我们使用opencv
来实现灰度化或使用PIL(Python),你会发现效果相差很大:
1
2
3
|
img = cv2.imread( 'test.jpg' ,cv2.IMREAD_COLOR)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite( 'PythonMethod.jpg' , gray)
|
可以清楚的看到,使用opencv
(PIL也是一样的)得到的灰度图要比上面Java方法得到的方法好很多,很多细节都能够看得到。这说明,网上这种流行的方法一直都存在这某种问题,只是一直被忽略。
opencv如何实现灰度化
如果读过opencv
相关的书籍或代码,大概都能知道opencv
灰度化使用的是加权法,之所以说是大概,因为我们不知道为什么opencv
灰度化的图像如此的好,是否有其他的处理细节被我们忽略了?
验证我们的猜想很简单,只要查看像素值灰度化前后的变化就知道了,可以如下测试:
1
2
3
4
5
6
7
|
img = cv2.imread( 'test.jpg' ,cv2.IMREAD_COLOR)
h, w = img.shape[: 2 ]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
for j in range(w):
for i in range(h):
print str(i) + " : " + str(j) + " " + str(gray[i][j])
print img[h- 1 ][w- 1 ][ 0 : 3 ]
|
以下打印了这么多像素点,我们也很难判断,但是我们只要关注一下最后一个像素点,就能够发现端倪: 原图最后的像素点RGB值为44,67,89,而灰度化之后的值为71。正好符合加权法计算的灰度值。如果你检查之前用Java灰度化的图片的像素值,你会发现不仅仅像素值不符合这个公式,甚至相差甚远。
到此,我们猜测opencv(也包括PIL)是使用加权法实现的灰度化。
Java实现加权法灰度化
如果网上那段流行的方法不行,我们该如何使用Java实现灰度化?实际上[3]已经成功的实现了(多种方法的)灰度化(外国友人搞技术还是很给力的),在此仅仅提取必要的代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
private static int colorToRGB( int alpha, int red, int green, int blue) {
int newPixel = 0 ;
newPixel += alpha;
newPixel = newPixel << 8 ;
newPixel += red;
newPixel = newPixel << 8 ;
newPixel += green;
newPixel = newPixel << 8 ;
newPixel += blue;
return newPixel;
}
public static void main(String[] args) throws IOException {
BufferedImage bufferedImage
= ImageIO.read( new File(System.getProperty( "user.dir" + "/test.jpg" ));
BufferedImage grayImage =
new BufferedImage(bufferedImage.getWidth(),
bufferedImage.getHeight(),
bufferedImage.getType());
for ( int i = 0 ; i < bufferedImage.getWidth(); i++) {
for ( int j = 0 ; j < bufferedImage.getHeight(); j++) {
final int color = bufferedImage.getRGB(i, j);
final int r = (color >> 16 ) & 0xff ;
final int g = (color >> 8 ) & 0xff ;
final int b = color & 0xff ;
int gray = ( int ) ( 0.3 * r + 0.59 * g + 0.11 * b);;
System.out.println(i + " : " + j + " " + gray);
int newPixel = colorToRGB( 255 , gray, gray, gray);
grayImage.setRGB(i, j, newPixel);
}
}
File newFile = new File(System.getProperty( "user.dir" ) + "/ok.jpg" );
ImageIO.write(grayImage, "jpg" , newFile);
}
|
上面的代码会打印出灰度化后的像素值,如果再与上面的Python代码做对比,你会发现像素值完全的对应上了。colorToRGB
方法中对彩色图的处理正好是4个字节,其中之一是alpha
参数(前文所讲),下图是这段代码灰度化后的图像:
对于其他方法,依次同理可得。
总结
本文的成因本是希望使用Java实现几种灰度化操作,并使用opencv来验证转化的对错,但在实际测试中发现了一些问题(转化后的图片有差异,以及如何在转化后根据灰度值生成灰度图等问题),并就此进行了一定的思考与验证。这里需要注意的是,网上的一些文章或多或少没有做更进一步的思考(甚至很多都是照搬,尤其是国内的文章),而对于这些实际问题,动手实现并验证是非常重要的方法。希望本文的内容对大家能有所帮助。如果有疑问可以留言讨论。
相关推荐
### 彩色图像处理关键技术详解 #### 一、彩色图像处理概述 彩色图像处理是指对彩色图像进行一系列处理操作的过程,旨在改善图像质量、提取有用信息或者满足特定应用需求。常见的处理技术包括滤波、防抖和灰度化等...
4. **辅助功能**:对于视觉障碍用户来说,灰度化的图像可以帮助他们更好地识别图像内容。 总之,灰度化处理不仅是一种视觉效果上的变化,也是一种实用的功能实现方式,在Android开发中有广泛的应用场景。
3. **图像处理算法**:数字图像处理中常用的算法包括灰度化、二值化、边缘检测等,Java中可以通过循环遍历像素数据并应用数学运算来实现这些算法。 #### 五、总结 通过上述内容的学习,我们了解到Java环境下进行...
例如,两个图像相加可以产生新的视觉效果,或通过乘法实现图像的灰度调整。 2. 增强:图像增强主要目的是改善图像的视觉质量,包括直方图均衡化、对比度拉伸、锐化等,能提升图像的清晰度和细节可见性。 3. 复原:...
在 Java 中,可以通过自定义过滤器的方式来实现图像的灰度化处理。这里提供了一个简单的示例,通过计算像素值的平均亮度来转换为灰度图像。 **代码示例(部分):** ```java public class GrayFilter extends ...
### Java图像处理技术详解 #### 一、引言 在Java开发中,图像处理是一项非常重要的功能,尤其是在图形用户界面(GUI)应用中。本文将详细介绍如何使用Java来进行图像读取与基本处理,并通过一个具体的示例程序来...
本篇文章将深入探讨如何在Visual Studio 2010环境下使用OpenCV库实现图像直方图的计算,并介绍相关知识点。 1. **OpenCV简介** OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库,包含了...
### Java数字图像处理常用算法详解 #### 一、读取 BMP 图片数据 在 Java 数字图像处理领域中,读取 BMP 图片是一项基础而重要的技能。BMP(Bitmap Image File Format)是一种位图文件格式,它存储的是未经压缩的...
### Java图像处理技巧详解 #### 一、引言 在Java开发中,图像处理是一项非常实用且常见的功能需求。无论是为了提升用户体验还是实现特定的功能需求,掌握一定的图像处理技巧都是十分必要的。本文将详细介绍Java中...
图像预处理包括灰度化、二值化、噪声去除等步骤,目的是将原始彩色图像转化为便于分析的单色图像,并减少非车牌信息对识别的干扰。 接下来是车牌定位。由于车牌通常位于车辆的特定区域,因此系统会利用矩形框遍历...
### Java 图像处理技巧详解 #### 一、图像剪切技术 在Java中,可以通过`java.awt`和`java.awt.image`包中的类实现图像剪切功能。具体来说,使用`CropImageFilter`类可以非常方便地从一个现有的`Image`对象中截取出...
为了确保图像识别的准确性,系统会利用Java中的图像处理库(例如Java Advanced Imaging API)来进行预处理工作,这包括但不限于图像裁剪、缩放、灰度化、二值化等操作。这些预处理步骤可以有效提高后续图像识别的...
### 图像处理Java编程知识点详解 #### 一、设计题目及要求 本次设计的主要目标是开发一个基于Java的图像处理程序。具体需求包括: 1. **图像读取与旋转功能**: - 能够读取一个BMP格式的图像。 - 提供两个按钮...
研究的核心在于利用模糊隶属度的加权均值滤波器来降低图像中的噪声干扰,以及使用Pal的区域对比度模糊增强边界检测算法来实现高效的边缘检测。 #### 关键知识点详解 ##### 1. 模糊加权均值滤波器设计 - **背景**: ...
### 图像分割算法系统知识点详解 #### 一、图像分割技术概述 图像分割是数字图像处理中的一个关键步骤,主要用于从图像中提取出有意义的特征部分。这些特征可能包括图像中的物体边缘或区域等,是后续图像识别、...
3. **Java实现验证码识别**:在Java中,我们可以使用如OpenCV或Java Advanced Imaging (JAI) 这样的库来实现图像处理操作。OpenCV提供了丰富的图像处理函数,包括二值化、腐蚀、膨胀等;JAI则提供了大量的图像处理和...
**OTSU二值化代码详解** OTSU二值化是一种广泛应用在图像处理中的技术,尤其在文字识别、医学影像分析和计算机视觉等领域有着显著的作用。它通过自动确定一个最佳阈值,将图像分割为前景和背景两部分,使得这两部分...
- **自定义操作**:JAI还支持用户自定义图像处理操作,例如实现一个简单的灰度化效果: ```java // 创建自定义操作 ParameterBlock params = new ParameterBlock(); params.addSource(srcImage); // 指定输入...
OpenCV是一个强大的开源计算机视觉库,提供了丰富的图像处理函数,包括图像读取、灰度化、直方图均衡化、边缘检测、模板匹配等。 三、麻将图像预处理 1. 图像获取:首先,我们需要通过屏幕截图获取麻将牌的图像。...