边缘检测在android上的小应用
边缘检测其实就是识别图像中灰度变化较明显的点,所以从这里也看出来,检测分两个过程,先把图片变为灰度图,再比较变化明显的点。
把图片变为灰度图,代码如下:
public static Bitmap toGrayscale(Bitmap bmpOriginal) {
int width, height;
height = bmpOriginal.getHeight();
width = bmpOriginal.getWidth();
Bitmap bmpGrayscale = Bitmap.createBitmap(width, height,
Bitmap.Config.RGB_565);
Canvas c = new Canvas(bmpGrayscale);
Paint paint = new Paint();
ColorMatrix cm = new ColorMatrix();
cm.setSaturation(0);
ColorMatrixColorFilter f = new ColorMatrixColorFilter(cm);
paint.setColorFilter(f);
c.drawBitmap(bmpOriginal, 0, 0, paint);
return bmpGrayscale;
}
其实就是利用颜色矩阵,把图片转为饱和度为0的图像。
然后再处理灰度图,处理前先说一下算子,算子是一个函数空间到函数空间上的映射O:X→X,常用的检测算子有Rebort,Sobel.Prewitt等,
rebort是用一个2x2的矩阵计算来计算
计算公式为G(x,y)=abs(f(x,y)-f(x+1,y+1))+abs(f(x,y+1)-f(x+1,y)),其中f(x,y)表示点(x,y)的灰度,所以根据这个公式写出计算的代码
//GX = f(x,y)-f(x+1,y+1)) f(x,y)为x,y点的灰度值
public static double GXByRebort(int x, int y, Bitmap bitmap) {
double res = 1 * getPixel(x,y,bitmap)
+(-1) * getPixel(x+1,y+1,bitmap);
return res;
}
//GX = f(x,y+1)-f(x+1,y) f(x,y)为x,y点的灰度值
public static double GYByRebort(int x, int y, Bitmap bitmap) {
double res = (-1) * getPixel(x+1,y,bitmap)
+1 * getPixel(x,y+1,bitmap);
return res;
}
Sobel和Prewitt类似,是用一个3X3矩阵计算,计算公式分别为
Sobel :Gx = [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]
Gy =[f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]
灰度=Math.sqrt(Gx * Gx + Gy * Gy)
Prewitt :Gx = [f(x+1,y-1)+1*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+1*f(x-1,y)+f(x-1,y+1)]
Gy =[f(x-1,y-1) + 1f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 1*f(x,y+1)+f(x+1,y+1)]
灰度=Math.sqrt(Gx * Gx + Gy * Gy)
public static double GXBySobel(int x, int y, Bitmap bitmap) {
double res = (-1) * getPixel(x - 1, y - 1, bitmap)
+ 1 * getPixel(x + 1, y - 1, bitmap)
+ (-2) * getPixel(x - 1, y, bitmap)
+ 2 * getPixel(x + 1, y, bitmap)
+ (-1) * getPixel(x - 1, y + 1, bitmap)
+ 1 * getPixel(x + 1, y + 1, bitmap);
return res;
}
public static double GXByPrewitt(int x, int y, Bitmap bitmap) {
double res = (-1) * getPixel(x - 1, y - 1, bitmap)
+ 1 * getPixel(x + 1, y - 1, bitmap)
+ (-1) * getPixel(x - 1, y, bitmap)
+ 1 * getPixel(x + 1, y, bitmap)
+ (-1) * getPixel(x - 1, y + 1, bitmap)
+ 1 * getPixel(x + 1, y + 1, bitmap);
return res;
}
public static double GYBySobel(int x, int y, Bitmap bitmap) {
double res = 1 * getPixel(x - 1, y - 1, bitmap)
+ 2 * getPixel(x, y - 1, bitmap)
+ 1 * getPixel(x + 1, y - 1, bitmap)
+ (-1) * getPixel(x - 1, y + 1, bitmap)
+ (-2) * getPixel(x, y + 1, bitmap)
+ (-1) * getPixel(x + 1, y + 1, bitmap);
return res;
}
public static double GYByPrewitt(int x, int y, Bitmap bitmap) {
double res = 1 * getPixel(x - 1, y - 1, bitmap)
+ 1 * getPixel(x, y - 1, bitmap)
+ 1 * getPixel(x + 1, y - 1, bitmap)
+ (-1) * getPixel(x - 1, y + 1, bitmap)
+ (-1) * getPixel(x, y + 1, bitmap)
+ (-1) * getPixel(x + 1, y + 1, bitmap);
return res;
}
最后再使用的时候运用不同的算法,就能得出只有边缘的图片
public void getBitmap(double threshold) {
//如果阙值为0,返回灰度图
if(threshold == 0){
iMain.setBitmap(temp);
return ;
}
int w = temp.getWidth();
int h = temp.getHeight();
//存放处理后的图象各像素点的数组
int[] cmap = new int[w * h];
//筛选计算
for (int i = 0; i < w; i++) {
for (int j = 0; j < h; j++) {
if (tmap[j * w + i] > max * threshold) {
//如果大于阙值max*a,则保存灰度图该点的像素
cmap[j * w + i] = Color.parseColor("#FF333333");
} else {
//否则该点为白色
cmap[j * w + i] = Color.WHITE;
}
}
}
//将筛选出来的结果生成bitmap
Bitmap bm = Bitmap.createBitmap(cmap, temp.getWidth(), temp.getHeight(),
Bitmap.Config.ARGB_8888);
iMain.setBitmap(bm);
}
这里只传入了一个阀值,所以图片只有333333和白色两种色,如果传入多个阀值处理,就能得到更完整的图,这个可以自行尝试。
原图:
roberts:
sobel:
prewitt:
只是在使用的过程中记录一下使用方法,没有写得很完整,有兴趣的可以再探讨