图像处理之二值腐蚀

图像处理之二值腐蚀

概述:

腐蚀是图像形态学的两个基本操作之一,另外一个是膨胀(Dilate)。二值图像上的腐蚀是腐蚀最典

型的运用,但是腐蚀操作同样可以运用于灰度图像。二值图像腐蚀操作最基本的效果是腐蚀图像

中前景色区域的边缘。使得前景图像区域变小,前景图像内部的背景区域被放大。

 

基本原理:

腐蚀操作要求有待处理的2D图像F(x,y)以及操作数矩阵(类似卷积操作中的Kernel矩阵),常见的

为3X3的操作数矩阵。二值图像腐蚀操作的数学定义如下:

1.      假设X是二值图像中所有像素欧几里德坐标的集合,K为3X3的操作数矩阵

2.       Kx表示操作数处理X的结果,x表示起始像素点

3.      腐蚀操作K对X的所有像素点操作,Kx是X所有像素点的子集。

一个二值图像腐蚀的例子如下,操作数矩阵为3X3,起始点为中心像素点,前景像素表示为1,背

景像素表示为0.图示如下:


当操作数在像素矩阵上移动时,任何一个在操作数之下的输入像素为背景像素时,则设置中心像素

为背景像素0,否则中心像素[0,0]下的输入像素值不变。

 

三:程序效果


四:源代码

package com.gloomyfish.morphology;  import java.awt.Color; import java.awt.image.BufferedImage;  public class ErosionFilter extends BinaryFilter { 	private Color backgroundColor; 	 	public ErosionFilter() { 		backgroundColor = Color.WHITE; 	} 	 	public Color getBackColor() { 		return backgroundColor; 	}  	public void setBackColor(Color forgeColor) { 		this.backgroundColor = forgeColor; 	} 	 	@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); // we need to create new one         getRGB( src, 0, 0, width, height, inPixels );         int index = 0, index1 = 0, newRow = 0, newCol = 0;         int ta1 = 0, tr1 = 0, tg1 = 0, tb1 = 0;         for(int row=0; row<height; row++) {         	int ta = 0, tr = 0, tg = 0, tb = 0;         	for(int col=0; col<width; col++) {         		index = row * width + col;         		ta = (inPixels[index] >> 24) & 0xff;                 tr = (inPixels[index] >> 16) & 0xff;                 tg = (inPixels[index] >> 8) & 0xff;                 tb = inPixels[index] & 0xff;                 boolean erosion = false;                 for(int offsetY=-1; offsetY<=1; offsetY++) {                 	for(int offsetX=-1; offsetX<=1; offsetX++) {                 		if(offsetY==0 && offsetX==0) {                 			continue;                 		}                 		newRow = row + offsetY;                 		newCol = col + offsetX;                 		if(newRow <0 || newRow >=height) {                 			newRow = 0;                 		}                 		if(newCol < 0 || newCol >=width) {                 			newCol = 0;                 		}                 		index1 = newRow * width + newCol;                 		ta1 = (inPixels[index1] >> 24) & 0xff;                         tr1 = (inPixels[index1] >> 16) & 0xff;                         tg1= (inPixels[index1] >> 8) & 0xff;                         tb1 = inPixels[index1] & 0xff;                         if(tr1 == backgroundColor.getRed() && tg1 == tb1) { 	                        erosion = true; 	                        break;                         }                 	}                 	if(erosion){                 		break;                 	}                 }                                  if(erosion) {                 	tr = tg = tb = backgroundColor.getRed();                 } else {                 	tr = tg = tb = 255 - backgroundColor.getRed();                 }                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;         	}         }         setRGB( dest, 0, 0, width, height, outPixels );         return dest; 	}   } 
转载请注明出处

你可能感兴趣的:(filter,null,Class,图像处理)