canny算法的实现（android加载图片，数组写入文件换行）

Canny边缘检测首先要对图像进行高斯去噪，前面讲到了高斯去噪处理，这里从对图像灰度进行微分运算讲起吧。微分运算常用的方法是利用模板算子，把模板中心对应到图像的每一个像素位置，然后按照模板对应的公式对中心像素和它周围的像素进行数学运算，算出图像对应像素点的值实验中模板矩阵选取了Laplacian算子^[44]、Soble算子、Roberts算子。拉普拉兹算子是2阶微分算子，它的精度还算比较高，但对噪声过于敏感，有噪声的情况下效果很差。罗伯特算子在光照不均匀时候效果也很差，针对噪声影响也较为敏感。下面以较为简单的模板作为样例做出讲解：

1、计算x和y方向的梯度值从而得到灰度的梯度幅值和梯度方向

Gx=(hd[x][y+1]-hd[x][y]+hd[x+1][y+1]-hd[x+1][y])/2;
Gy=(hd[x][y]-hd[x+1][y]+hd[x][y+1]-hd[x+1][y+1])/2;

G[x][y]=(int)Math.sqrt(Gy*Gy+Gx*Gx);
angle[x][y]=Math.atan2(Gy,Gx);

2、高低阈值的选取。通常canny算子的高阈值Th和低阈值Tl的0.4，Tl=0.4*Th，而高阈值根据二值化的目的选择不同的值，先验知识通常Th选择方式：梯度幅值矩阵统计在梯度值，将所有梯度累加求和，取在q%(q%在0.75-0.85之间)的那个振幅值作为高阈值。

3、非极大值抑制，这是边缘检测的关键，是将区域内的梯度振幅值的极值当作边缘点，如下图：

对整个梯度振幅图扫描，如图若（x,y）的点大于dTmp1点和dTmp2的振幅则将（x,y）视为预选边缘点，将起值置为255。由图可以看出dTmp1点振幅值可以G(g1) + (1-cot（sigma）) *（G(g2)-G(g1)）同理可以得到dTmp2点的梯度振幅值。G这样得到一个预选边缘点矩阵：

　　int [][] mayEdgeMatrix = getMaxmaiLimitMatrix(Gxy,angle);

4、扫描mayEdgeMatrix里所有预选边缘点，将梯度振幅大于等于Th的则视为边缘点置为255；将低于Tl的直接置为0，视为非边缘点；介于Tl、Th之间的的置为125，视为待检测点。这样得到了一个初步的边缘图点。

5、边缘连接，对上一部得到的图像进行扫描，将255周围的8领域点进行检测，若有为125的视为边缘点，置为255，再以这些新置为255的点8领域查找待检测点，若有就将其置为255，直到没有新的边缘点产生为止。

下面给出实现的类,在下面会给出调用的方法和相应的activity

package com.example.lammy.imagetest;import android.graphics.Bitmap;
import java.util.LinkedList;
/*** Created by Lammy on 2016/11/12.*/
public class MyCanny {private int Th;private int Tl;private float ratioOfTh;private Bitmap bitmap;private int h, w;private int[][] Gxy;private double[][] angle;private static int mayEdgePointGrayValue = 125;public MyCanny(Bitmap bitmap, float ratioOfTh) {this.bitmap = bitmap;this.ratioOfTh = ratioOfTh;init();}private void init() {h = bitmap.getHeight();w = bitmap.getWidth();Gxy = new int[h][w];angle = new double[h][w];}//得到高斯模板矩阵public float[][] get2DKernalData(int n, float sigma) {int size = 2 * n + 1;float sigma22 = 2 * sigma * sigma;float sigma22PI = (float) Math.PI * sigma22;float[][] kernalData = new float[size][size];int row = 0;for (int i = -n; i <= n; i++) {int column = 0;for (int j = -n; j <= n; j++) {float xDistance = i * i;float yDistance = j * j;kernalData[row][column] = (float) Math.exp(-(xDistance + yDistance) / sigma22) / sigma22PI;column++;}row++;}return kernalData;}//获得图的灰度矩阵public int[][] getGrayMatrix(Bitmap bitmap) {int h = bitmap.getHeight();int w = bitmap.getWidth();int grayMatrix[][] = new int[h][w];for (int i = 0; i < h; i++)for (int j = 0; j < w; j++) {int argb = bitmap.getPixel(j, i);int r = (argb >> 16) & 0xFF;int g = (argb >> 8) & 0xFF;int b = (argb >> 0) & 0xFF;int grayPixel = (int) (r + g + b) / 3;grayMatrix[i][j] = grayPixel;}return grayMatrix;}//获得高斯模糊后的灰度矩阵public int[][] GS(int[][] hd, int size, float sigma) {float[][] gs = get2DKernalData(size, sigma);int outmax = 0;int inmax = 0;for (int x = size; x < w - size; x++)for (int y = size; y < h - size; y++) {float hc1 = 0;if (hd[y][x] > inmax)inmax = hd[y][x];for (int k = -size; k < size + 1; k++)for (int j = -size; j < size + 1; j++) {hc1 = gs[size + k][j + size] * hd[y + j][x + k] + hc1;}hd[y][x] = (int) (hc1);if (outmax < hc1)outmax = (int) (hc1);}float rate = inmax / outmax;for (int x = size; x < w - size; x++)for (int y = size; y < h - size; y++) {hd[y][x] = (int) (hd[y][x] * rate);}return hd;}//获得Gxy 和angle即梯度振幅和梯度方向public void getGxyAndAngle(int[][] Gs) {for (int x = 1; x < h - 1; x++)for (int y = 1; y < w - 1; y++) {int Gx = (Gs[x][y + 1] - Gs[x][y] + Gs[x + 1][y + 1] - Gs[x + 1][y]) / 2;//hd[x][y+1]-hd[x][y];//
                int Gy = (Gs[x][y] - Gs[x + 1][y] + Gs[x][y + 1] - Gs[x + 1][y + 1]) / 2;//hd[x+1][y]-hd[x][y];////另外一种算子
//                int Gx = (Gs[x - 1][y + 1] + 2 * Gs[x][y + 1]
//                        + Gs[x + 1][y + 1] - Gs[x - 1][y - 1] - 2
//                        * Gs[x][y - 1] - Gs[x + 1][y - 1]) / 4;
//                int Gy=(Gs[x-1][y-1]+2*Gs[x-1][y]+Gs[x-1][y+1]-Gs[x+1][y-1]-2*Gs[x+1][y]-Gs[x+1][y+1])/4;//G[x][y]=Math.sqrt(Math.pow(Gx, 2)+Math.pow(Gy, 2));Gxy[x][y] = (int) Math.sqrt(Gy * Gy + Gx * Gx);angle[x][y] = Math.atan2(Gy, Gx);//将梯度方向值转向(0,2*PI)if (angle[x][y] < 0) {angle[x][y] = angle[x][y] + 2 * Math.PI;}}}//非极大值抑制,将极值点存到edge边缘矩阵中,极值点是可能为边缘的点public int[][] getMaxmaiLimitMatrix(int[][]Gxy,double[][]angle) {int[][] edge =new int[h][w];for (int x = 0; x < h - 1; x++)for (int y = 0; y < w - 1; y++) {double angle1 = angle[x][y] / (Math.PI);if ((angle1 > 0 && angle1 <= 0.25) | (angle1 > 1 && angle1 <= 1.25)) {double dTmp1 = Gxy[x][y + 1] + Math.abs(Math.tan(angle[x][y]) * (Gxy[x - 1][y + 1] - Gxy[x][y + 1]));double dTmp2 = Gxy[x][y - 1] + Math.abs(Math.tan(angle[x][y]) * (Gxy[x + 1][y - 1] - Gxy[x][y - 1]));double dTmp = Gxy[x][y];if (dTmp > dTmp1 && dTmp > dTmp2)edge[x][y] = 255;}if ((angle1 <= 2 && angle1 > 1.75) | (angle1 <= 1 && angle1 > 0.75)) {double dTmp1 = Gxy[x][y + 1] + Math.abs(Math.tan(angle[x][y])) * (Gxy[x + 1][y + 1] - Gxy[x][y + 1]);double dTmp2 = Gxy[x][y - 1] + Math.abs(Math.tan(angle[x][y])) * (Gxy[x - 1][y - 1] - Gxy[x][y - 1]);double dTmp = Gxy[x][y];if (dTmp > dTmp1 && dTmp > dTmp2)edge[x][y] = 255;}if ((angle1 > 1 / 4 && angle1 <= 0.5) | (angle1 > 5 / 4 && angle1 <= 1.5)) {double dTmp1 = Gxy[x - 1][y] + Math.abs(1 / Math.tan(angle[x][y])) * (Gxy[x - 1][y + 1] - Gxy[x - 1][y]);double dTmp2 = Gxy[x + 1][y] + Math.abs(1 / Math.tan(angle[x][y])) * (Gxy[x + 1][y - 1] - Gxy[x + 1][y]);double dTmp = Gxy[x][y];if (dTmp > dTmp1 && dTmp > dTmp2)edge[x][y] = 255;}if ((angle1 > 1.5 && angle1 <= 1.75) | (angle1 > 0.5 && angle1 <= 0.75)) {double dTmp1 = Gxy[x - 1][y] + Math.abs(1 / Math.tan(angle[x][y])) * (Gxy[x - 1][y - 1] - Gxy[x - 1][y]);double dTmp2 = Gxy[x + 1][y] + Math.abs(1 / Math.tan(angle[x][y])) * (Gxy[x + 1][y + 1] - Gxy[x + 1][y]);double dTmp = Gxy[x][y];if (dTmp > dTmp1 && dTmp > dTmp2)edge[x][y] = 255;}}return  edge;}public void ThTlLimitPoints(int [][] maxmaiLimitMatrix,int Th , int Tl){//上面得到的为255的才可能是边缘点，下面根据高低阈值再次去掉小于Tl点，高于Th的仍然为255，定为边缘点，125的为预选点for(int x=1;x<h-1;x++)for(int y=1;y<w-1;y++){if(maxmaiLimitMatrix[x][y]==255){if(Gxy[x][y]<Tl)maxmaiLimitMatrix[x][y]=0;if(Gxy[x][y]>Tl&&Gxy[x][y]<Th)maxmaiLimitMatrix[x][y]=mayEdgePointGrayValue;}}}//获得高阈值private int getTh(int [][] Gxy){//梯度振幅统计，因为通过计算振幅的最大值不超过500，因此用500的矩阵统计int []amplitudeStatistics=new int[500];for(int x=1;x<h-1;x++)for(int y=1;y<w-1;y++){amplitudeStatistics[Gxy[x][y]]++;}int pointNumber=0;int max=0;for(int i=1;i<500;i++){if(amplitudeStatistics[i]>0){max=i;}pointNumber=pointNumber+amplitudeStatistics[i];}int ThNumber=(int)(ratioOfTh*pointNumber);int     ThCount=0; int Th=0;for(int i=1;i<=max;i++){if(ThCount<ThNumber)ThCount=ThCount+amplitudeStatistics[i];else{Th=i-1;break;}}return Th;}private int getTl(int Th){return (int)(Th*0.4);}//canny算法的边缘连接public void traceEdge(double maybeEdgePointGrayValue, int edge[][]){int [][]liantongbiaoji = new int [h][w];for(int i = 0 ; i < h ; i++)for(int j = 0 ; j < w; j++) {if(edge[i][j]==255&&liantongbiaoji[i][j]==0) {if ((edge[i][j] >= maybeEdgePointGrayValue) && liantongbiaoji[i][j] == 0) {liantongbiaoji[i][j] = 1;LinkedList<Point> qu = new LinkedList<Point>();qu.add(new Point(i, j));while (!qu.isEmpty()) {Point cur = qu.removeFirst();for (int a = -1; a <= 1; a++)for (int b = -1; b <= 1; b++) {if (cur.x + a >= 0 && cur.x + a < h && cur.y + b >= 0&& cur.y + b < w) {if (edge[cur.x + a][cur.y + b] >= maybeEdgePointGrayValue&& liantongbiaoji[cur.x + a][cur.y + b] == 0) {qu.add(new Point(cur.x + a, cur.y + b));liantongbiaoji[cur.x + a][cur.y + b] = 1;edge[cur.x + a][cur.y + b] = 255;}}}}}}}}//由灰度矩阵创建灰度图public Bitmap createGrayImage(int[][]grayMatrix){int h=grayMatrix.length;int w = grayMatrix[0].length;Bitmap bt=Bitmap.createBitmap(w, h, Bitmap.Config.ARGB_8888);for(int i=0;i<h;i++)for(int j=0;j<w;j++){int grayValue=grayMatrix[i][j];int color = ((0xFF << 24)+(grayValue << 16)+(grayValue << 8)+grayValue);bt.setPixel(j, i, color);}return bt;}public Bitmap getEdgeBitmap(){int grayMatrix[][] = getGrayMatrix(bitmap);int GS[][] = GS(grayMatrix , 1 , 0.6f);getGxyAndAngle(GS);Th = getTh(Gxy);int [][] mayEdgeMatrix = getMaxmaiLimitMatrix(Gxy,angle);Tl = getTl(Th);ThTlLimitPoints(mayEdgeMatrix , Th , Tl);traceEdge(mayEdgePointGrayValue , mayEdgeMatrix);for(int x=1;x<h-1;x++)for(int y=1;y<w-1;y++) {if(mayEdgeMatrix[x][y]!=255)mayEdgeMatrix[x][y]=0;}return  createGrayImage(mayEdgeMatrix);}class Point {Point(int a, int b) {this.x = a;this.y = b;}int x;int y;}}

View Code

　　实现了上述算法移植到手机，发现在java平台上实现后运行效果非常好，而运行在手机端上效果很差。同样的算法为何结果相差如此之大呢？

经过一步步的排查，将每一步得到的数组打印到文件与java打印的数组比较，最终发现了原因，罪魁祸首就是安卓加载jpg、png甚至是bitmap到内存时图片的宽高都会变大，且比率不一定相同，这样导致我加载同一张图片时，android自动对图片进行了放大，导致手机的边缘更加模糊且无故增加了一些细节。为了解决这个问问题，我先获取未加载时候图片的宽高，在加载图片后再压缩回加载前图片的大小。　在acitiviy里有讲解，下面直接贴出代码：

package com.example.lammy.imagetest;import android.content.ContentResolver;
import android.content.Context;
import android.content.Intent;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.graphics.Matrix;
import android.media.ThumbnailUtils;
import android.net.Uri;
import android.os.Environment;
import android.provider.MediaStore;
import android.support.v7.app.AppCompatActivity;
import android.os.Bundle;
import android.util.DisplayMetrics;
import android.view.View;
import android.widget.ImageView;
import android.widget.Toast;import java.io.BufferedOutputStream;
import java.io.BufferedWriter;
import java.io.DataInputStream;
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.FileWriter;
import java.io.InputStream;
import java.io.Writer;public class MainActivity extends AppCompatActivity {ImageView imageView;Bitmap bt;@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);setContentView(R.layout.activity_main);imageView = (ImageView) findViewById(R.id.image);int scr =R.drawable.xl;//获取源图像的宽和高（因为android在加载图片到手机里的时候会使得图片宽高变大,且比率不一定一样，为了让其不变形必须记下加载前的图片宽高）再压缩回去BitmapFactory.Options options=new BitmapFactory.Options();options.inJustDecodeBounds=true;//(设为true 图片不加入内存效率高)
        BitmapFactory.decodeResource(getResources(),scr , options);int outWidth = options.outWidth;int outHeight = options.outHeight;System.out.println("jpg图原图"+outHeight+","+outWidth);options.inJustDecodeBounds=false;bt = BitmapFactory.decodeResource(getResources(),scr );System.out.println("加载后图："+bt.getHeight()+","+bt.getWidth());//将图片压缩到加载前的宽高，当然图片太大也可以宽高同比率压缩。bt =  ThumbnailUtils.extractThumbnail(bt,outWidth,outHeight);imageView.setImageBitmap(bt);// jpg图原图271,482// 加载后图：711,1265
    }public void click(View view) {MyCanny myCanny =new MyCanny(bt,0.85f);int Gs [][] =myCanny.GS(myCanny.getGrayMatrix(bt) , 1 , 0.6f);try {outPutArray(Gs ,"grayMatrix.txt");} catch (Exception e) {e.printStackTrace();}Bitmap edge = myCanny.getEdgeBitmap();edge =  ThumbnailUtils.extractThumbnail(edge,1000,600);imageView.setImageBitmap(edge);}//  将数组写入到data目录public  void outPutArray(int[] [] a ,String filename) throws Exception {try {File file = new File("data/data/com.example.lammy.imagetest/files/"+filename);FileWriter fileWriter = new FileWriter(file);BufferedWriter bw=new BufferedWriter(fileWriter);int size = 15;for(int i = 0 ; i < size ; i ++) {for (int j = 0; j < size; j++) {String s = a[i][j] + "   ";bw.write(s);bw.flush();}bw.newLine();bw.flush();}bw.flush();bw.close();}catch (Exception e){System.out.println("mmmmmmmmmmmmmmmmmmmmm");}}
}

View Code

打印了一下加载图前后的大小：

  jpg图原图271,482　加载后图：711,1265

发现加载到内存后放大了2.6倍左右（原因：decodeResource这个方法会根据drawable所在的资源目录适配不同的dpi，因此放大了），且为了适应手机屏幕的分辨率，宽高放大的比率不相等（相近），这导致了我们算法的效果变差的主要原因，因此我将图像压缩回加载前的大小，再使用canny算法边缘检测，效果就和java的差不多了。下面是效果：

　　　　　　原图的灰度图　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　边缘图

转载于:https://www.cnblogs.com/bokeofzp/p/6057952.html

canny算法的实现（android加载图片，数组写入文件换行）相关推荐

Android加载图片内存溢出问题解决方法
这篇文章主要介绍了Android加载图片内存溢出问题解决方法,本文讲解使用BitmapFactory.Options解决内存溢出问题,需要的朋友可以参考下 1. 在Android软件开发过程中,图片处 ...
Android加载图片OOM错误解决方式
前几天做项目的时候,甲方要求是PAD (SAMSUNG P600 10.1寸 2560*1600)的PAD上显示高分辨率的大图片. SQLITE採用BOLD方式存储图片,这个存取过程就不说了哈,网上一 ...
图片--Android加载图片导致内存溢出（Out of Memory异常）
Android在加载大背景图或者大量图片时,经常导致内存溢出(Out of Memory Error),本文根据我处理这些问题的经历及其它开发者的经验,整理解决方案如下(部分代码及文字出处无法考证) ...
Android加载图片导致内存溢出（Out of Memory异常）
Android在加载大背景图或者大量图片时,经常导致内存溢出(Out of Memory Error),本文根据我处理这些问题的经历及其它开发者的经验,整理解决方案如下(部分代码及文字出处无法考证) ...
专为Android加载图片Fresco：详细图解SimpleDraweeView加载图片基础
Fresco简单的使用-SimpleDraweeView 百学须先立志-学前须知: 在我们平时加载图片(不管是下载还是加载本地图片-..)的时候,我们经常会遇到这样一个需求,那就是当图片正在加载时应该 ...
android 加载图片并在上面画图
像Ps上的应用一样,我们加载一个图片然后在上面增加各种我们需要的挂件,文字效果等.我们今天完成一个简单的Demo package com.example.fingerdraw;import java. ...
android 加载图片黑屏,Android 中启动页黑屏及白屏的解决方式
启动页黑屏或白屏的原因是,当Activity启动的时候不能马上加载layout. 而黑屏或者白屏是你的theme主题的默认样式,当layout没加载出来就显示黑屏或者白屏. 1.windowBackg ...
Android加载预览PDF文件
从去年9月份进入新公司后,项目中需要在APP中展示PDF,这个之前没有接触过,因此也查了好多的资料和demo,这里我说明下我用过的pdf展示比较好点View或者第三方,本人亲测. 1.使用Google ...
Android 加载图片G lide的基本用法
Glide 是Android开发中常用的图片解析框架,它的功能强大,并且使用简单,下面我就介绍一下如何使用. 首先需要添加依赖 Glid解析图片(必须添加) compile 'com.github.b ...

canny算法的实现（android加载图片，数组写入文件换行）

canny算法的实现（android加载图片，数组写入文件换行）相关推荐

最新文章

热门文章