Java基于opencv实现图像数字识别(四)—图像降噪

我们每一步的工作都是基于前一步的，我们先把我们前面的几个函数封装成一个工具类，以后我们所有的函数都基于这个工具类

这个工具类呢，就一个成员变量Mat,非常的简单，这里给出代码

public class ImageUtils {

private static final int BLACK = 0;

private static final int WHITE = 255;

private Mat mat;

/**

* 空参构造函数

*/

public ImageUtils() {

}

/**

* 通过图像路径创建一个mat矩阵

*

* @param imgFilePath

* 图像路径

*/

public ImageUtils(String imgFilePath) {

mat = Imgcodecs.imread(imgFilePath);

}

public void ImageUtils(Mat mat) {

this.mat = mat;

}

/**

* 加载图片

*

* @param imgFilePath

*/

public void loadImg(String imgFilePath) {

mat = Imgcodecs.imread(imgFilePath);

}

/**

* 获取图片高度的函数

*

* @return

*/

public int getHeight() {

return mat.rows();

}

/**

* 获取图片宽度的函数

*

* @return

*/

public int getWidth() {

return mat.cols();

}

/**

* 获取图片像素点的函数

*

* @param y

* @param x

* @return

*/

public int getPixel(int y, int x) {

// 我们处理的是单通道灰度图

return (int) mat.get(y, x)[0];

}

/**

* 设置图片像素点的函数

*

* @param y

* @param x

* @param color

*/

public void setPixel(int y, int x, int color) {

// 我们处理的是单通道灰度图

mat.put(y, x, color);

}

/**

* 保存图片的函数

*

* @param filename

* @return

*/

public boolean saveImg(String filename) {

return Imgcodecs.imwrite(filename, mat);

}

}

灰度化和二值化的代码我没有贴出来，因为代码实在有点长

我们接着上一步的成果，来开始我们的降噪

一、8邻域降噪

我感觉9宫格降噪更形象一点；即9宫格中心被异色包围，则同化

降噪效果还是蛮好的，这个方法对小噪点比较好

/**

* 8邻域降噪,又有点像9宫格降噪;即如果9宫格中心被异色包围，则同化

* @param pNum 默认值为1

*/

public void navieRemoveNoise(int pNum) {

int i, j, m, n, nValue, nCount;

int nWidth = getWidth(), nHeight = getHeight();

// 对图像的边缘进行预处理

for (i = 0; i < nWidth; ++i) {

setPixel(i, 0, WHITE);

setPixel(i, nHeight - 1, WHITE);

}

for (i = 0; i < nHeight; ++i) {

setPixel(0, i, WHITE);

setPixel(nWidth - 1, i, WHITE);

}

// 如果一个点的周围都是白色的，而它确是黑色的，删除它

for (j = 1; j < nHeight - 1; ++j) {

for (i = 1; i < nWidth - 1; ++i) {

nValue = getPixel(j, i);

if (nValue == 0) {

nCount = 0;

// 比较以(j ,i)为中心的9宫格，如果周围都是白色的，同化

for (m = j - 1; m <= j + 1; ++m) {

for (n = i - 1; n <= i + 1; ++n) {

if (getPixel(m, n) == 0) {

nCount++;

}

}

}

if (nCount <= pNum) {

// 周围黑色点的个数小于阀值pNum,把该点设置白色

setPixel(j, i, WHITE);

}

} else {

nCount = 0;

// 比较以(j ,i)为中心的9宫格，如果周围都是黑色的，同化

for (m = j - 1; m <= j + 1; ++m) {

for (n = i - 1; n <= i + 1; ++n) {

if (getPixel(m, n) == 0) {

nCount++;

}

}

}

if (nCount >= 7) {

// 周围黑色点的个数大于等于7,把该点设置黑色;即周围都是黑色

setPixel(j, i, BLACK);

}

}

}

}

}

二、连通域降噪

我们先介绍一个函数(floodFill)

floodFill就是把一个点x的所有相邻的点都涂上x点的颜色，一直填充下去，直到这个区域内所有的点都被填充完为止

在计算的过程中，每扫描到一个黑色(灰度值为0)的点，就将与该点连通的所有点的灰度值都改为1，因此这一个连通域的点都不会再次重复计算了。下一个灰度值为0的点所有连通点的颜色都改为2，这样依次递加，直到所有的点都扫描完。接下来再次扫描所有的点，统计每一个灰度值对应的点的个数，每一个灰度值的点的个数对应该连通域的大小，并且不同连通域由于灰度值不同，因此每个点只计算一次，不会重复。这样一来就统计到了每个连通域的大小，再根据预设的阀值，如果该连通域大小小于阀值，则其就为噪点。这个算法比较适合检查大的噪点，与上个算法正好相反。

因为我找的图像关系，效果可能不咋明显；

/**

* 连通域降噪

* @param pArea 默认值为1

*/

public void contoursRemoveNoise(double pArea) {

int i, j, color = 1;

int nWidth = getWidth(), nHeight = getHeight();

for (i = 0; i < nWidth; ++i) {

for (j = 0; j < nHeight; ++j) {

if (getPixel(j, i) == BLACK) {

//用不同颜色填充连接区域中的每个黑色点

//floodFill就是把一个点x的所有相邻的点都涂上x点的颜色，一直填充下去，直到这个区域内所有的点都被填充完为止

Imgproc.floodFill(mat, new Mat(), new Point(i, j), new Scalar(color));

color++;

}

}

}

//统计不同颜色点的个数

int[] ColorCount = new int[255];

for (i = 0; i < nWidth; ++i) {

for (j = 0; j < nHeight; ++j) {

if (getPixel(j, i) != 255) {

ColorCount[getPixel(j, i) - 1]++;

}

}

}

//去除噪点

for (i = 0; i < nWidth; ++i) {

for (j = 0; j < nHeight; ++j) {

if (ColorCount[getPixel(j, i) - 1] <= pArea) {

setPixel(j, i, WHITE);

}

}

}

for (i = 0; i < nWidth; ++i) {

for (j = 0; j < nHeight; ++j) {

if (getPixel(j, i) < WHITE) {

setPixel(j, i, BLACK);

}

}

}

}

注：

本文章参考了很多博客，感谢；主要是跟着一个博客来实现的https://blog.csdn.net/ysc6688/article/category/2913009(也是基于opencv来做的，只不过他是用c++实现的)感谢