图像处理之应用篇-大米计数续
图像处理之应用篇-大米计数续
背景介绍：
请看博客文章《图像处理之简单综合实例(大米计数)》
其实拍出来的照片更多的是含有大米颗粒相互接触，甚至于有点重叠的照片
要准确计算大米的颗粒数非常困难，通过图像形态学开闭操作，腐蚀等手
段尝试以后效果不是很好。最终发现一种简单明了但是有微小误差的计数
方法。照相机图片：
算法思想：
主要是利用连通区域发现算法，发现所有连通区域，使用二分法，截取较小
部分的连通区域集合，求取平均连通区域面积，根据此平均连通区域面积，
作为单个大米大小，从而求取出粘连部分的大米颗粒数，完成对整个大米
数目的统计：
缺点：
平均连通区域面积的计算受制于两个因素，一个是最小连通区域集合的选取算法，
二个样本数量。算法结果跟实际结果有一定的误差，但是误差在1%左右。
程序算法代码详解
将输入图像转换为黑白二值图像，求得连通区域的算法代码如下：
src = super.filter(src, null);
getRGB(src, 0, 0, width,height, inPixels );
FastConnectedComponentLabelAlgfccAlg = new FastConnectedComponentLabelAlg();
fccAlg.setBgColor(0);
int[] outData = fccAlg.doLabel(inPixels, width, height);
获取平均大米颗粒连通区域的代码如下：
Integer[] values =labelMap.values().toArray(new Integer[0]);
Arrays.sort(values);
int minRiceNum = values.length/4;
float sum = 0;
for(int v= offset; v
sum += values[v].intValue();
}
float minMeans = sum / (float)minRiceNum;
System.out.println(" minMeans = " + minMeans);
程序时序图如下：
程序运行效果如下：
实际大米颗粒数目为202，正确率为99%
完成大米数目统计的源代码如下（其它相关代码见以前的图像处理系列文章）：
public class FindRiceFilter extends BinaryFilter {
private int sumRice;
private int offset = 10;
public int getSumRice() {
return this.sumRice;
}
public void setOffset(int pos) {
this.offset = pos;
}
@Override
public BufferedImage filter(BufferedImage src, BufferedImage dest) {
int width = src.getWidth();
int height = src.getHeight();
if ( dest == null )
dest = createCompatibleDestImage( src, null );
int[] inPixels = new int[width*height];
int[] outPixels = new int[width*height];
src = super.filter(src, null);
getRGB(src, 0, 0, width, height, inPixels );
FastConnectedComponentLabelAlg fccAlg = new FastConnectedComponentLabelAlg();
fccAlg.setBgColor(0);
int[] outData = fccAlg.doLabel(inPixels, width, height);
// labels statistic
HashMap labelMap = new HashMap();
for(int d=0; d转载文章请务必注明出处