（三）单波段图像的伪彩色合成：密度分割

juechen333

于 2024-03-26 06:30:00 发布

阅读量2.3k

点赞数 53

分类专栏：数字图像处理文章标签： opencv 伪彩色合成图像处理 java GIS

本文链接：https://blog.csdn.net/qq_57342311/article/details/137008564

版权

数字图像处理专栏收录该内容

14 篇文章 9 订阅

订阅专栏

本文介绍了如何在Windows10和IDEA2021.2.3环境中使用GDAL和OpenCV进行单波段图像的伪彩色合成，重点讲解了Mat类的使用以及密度分割原理和代码实现，展示了从灰度图像到伪彩色图像的转换过程。

摘要由CSDN通过智能技术生成

环境：Windows10专业版 + IDEA2021.2.3 + jdk11.0.1 + GDAL(release-1928-x64-gdal-3-5-2-mapserver-8-0-0) + OpenCV-460.jar

系列文章：

（一）Python+GDAL实现BSQ，BIP，BIL格式的相互转换

（二）BSQ,BIL,BIP存储格式的相互转换算法

（三）单波段图像的伪彩色合成：密度分割（含介绍OpenCV中的Mat类）

（四）图像的%2线性拉伸

（五）图像的标准假彩色合成

（六）图像的直方图均衡化

（七）图像的均值滤波

（八）图像的中值滤波

（九）图像的高斯低通滤波

（十）图像的梯度倒数加权平滑

（十一）图像的罗伯特梯度锐化

（十二）图像的Sobel梯度锐化

（十三）图像的拉普拉斯梯度锐化

一、认识OpenCV中的Mat类

1、定义及使用方法

Mat可以保存图片，根据所读入的图片为其分配相应大小的内存空间，也能利用构造方法自己定义大小，下面是两种创建方法：

Mat mat1 = new Mat(2,2, CvType.CV_8UC3);
Mat mat2 = Imgcodecs.imread("img\\5.png");

用println()试一试打印mat会出现什么

System.out.println(mat1);
System.out.println(mat2);

结果：

这些代表什么意思呢？

2*2*CV_8UC3：2像素×2像素×数据类型
isCont：是否联系存储
isSubmat：是否为子矩阵
nativeObj：本地对象地址
dataAddr：存储的图片的地址

2、OpenCV数据类型简介

如图（图片来源于CSDN@UU果）

解释2*2*CV_8UC3：下划线后的数字表示图片的位数、数字后的第一个字母表示用于储存像素的类型、后面的符号表示通道数

U：unsigned int ，无符号整型

S：signed int ，有符号整型

F：float，单精度浮点型，float类型本身即有符号

Cx：图像的通道数

Mat如何存储像素？

System.out.println(mat1.dump());
System.out.println(mat2.dump());

我们所定义的大小是 2行2列，2行即两行，2列就是两个红色矩形框的内容，每一列都包括【B,G,R 】三个通道（3个数据）

我们之前所输出的信息为20行18列，18列总共有54个通道数，因为图片大小有限，仅展示行数。

二、密度分割简介

单波段图像的伪彩色合成中的密度分割是一种图像处理技术，它通过将单波段图像的不同灰度级别映射到不同的颜色上，来增强图像的视觉效果和信息表达能力。

在单波段图像中，所有像素值通常都是灰度级的，这意味着每个像素只有一个亮度值，没有色彩信息。为了提高这些图像的可读性和解释性，可以采用伪彩色合成的方法，其中密度分割是常用的一种技术。

具体来说，密度分割的过程包括以下几个步骤：

1、确定分割级别：根据图像的灰度直方图或其他方法确定分割的级别，即将整个灰度范围分成若干个区间。

2、分配颜色：为每个灰度区间分配一种颜色，这样不同的灰度级别就会对应不同的颜色。

3、应用颜色映射：使用图像处理软件或编程库（如OpenCV）将颜色映射应用到图像上，使得每个像素根据其灰度值显示相应的颜色。

通过这种方式，原本单调的灰度图像就被转换成了色彩丰富的图像，有助于观察者区分不同的特征和细节。这在遥感图像处理、医学影像分析等领域尤为重要，因为人眼对灰度的辨别能力有限，密度分割技术能够利用影像灰度的细微差别来提取特征信息。

三、实现过程

1、简述原理

将单波段的灰度值分级赋予不同的颜色，例如，将灰度值为0-85的赋予B蓝色通道，86-170的赋予G绿色通道，171-255的赋予R红色通道，（怎么分级可按具体情况自己决定），其余两个通道均赋予0值。

2、代码实现

import org.gdal.gdal.Band;
import org.gdal.gdal.Dataset;
import org.gdal.gdal.gdal;
import org.gdal.gdalconst.gdalconstConstants;
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;

/**
 * @Author: HNUST_jue_chen
 * @Date: 2022/10/22/ 9:44
 * @Attention: 转载, 引用请注明出处
 */

//伪彩色合成
public class CalPseudoColor {
    //加载本地动态链接库
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public void graySplit(String path) {

        try {

            gdal.AllRegister();//支持所有驱动
            //以只读方式读取数据存入Dataset类型里
            Dataset dataset = gdal.Open(path, gdalconstConstants.GA_ReadOnly);
            //图像的大小
            int iYSize = dataset.getRasterYSize();
            int iXSize = dataset.getRasterXSize();
            //获取图像的灰度波段
            Band band = dataset.GetRasterBand(1);
            //定义灰度值数组
            int[][] bandArr = new int[iYSize][iXSize];
            //将图像灰度值存入灰度值数组
            for (int i = 0; i < bandArr.length; i++) {
                band.ReadRaster(0, i, iXSize, 1, bandArr[i]);  //一次读取一行灰度值数据
            }

            //灰度图的伪彩色合成（密度分割）
            //OpenCV三通道存储图像的像素是按照B,G,R顺序存储的
            //单通道转多通道算法：
            //原图像灰度值为0-85的赋予B蓝色通道，86-170的赋予G绿色通道，171-255的赋予R红色通道，其余两个通道均赋予0
            //定义二维数组存储三通道的像素值
            int[][] bandArrThreeChannel = new int[iYSize][iXSize * 3];
            for (int i = 0; i < iYSize; i++) {
                for (int j = 0; j < iXSize; j++) {
                    if (bandArr[i][j] >= 170) {
                        //灰度值为171-255的赋予红色通道，其余两个通道赋予0
                        bandArrThreeChannel[i][3 * j + 2] = bandArr[i][j];
                        bandArrThreeChannel[i][3 * j] = 0;
                        bandArrThreeChannel[i][3 * j + 1] = 0;
                    } else if (bandArr[i][j] >= 85) {
                        //灰度值为86-170的赋予绿色通道，其余两个通道赋予0
                        bandArrThreeChannel[i][3 * j + 1] = bandArr[i][j];
                        bandArrThreeChannel[i][3 * j] = 0;
                        bandArrThreeChannel[i][3 * j + 2] = 0;
                    } else if (bandArr[i][j] >= 0) {
                        //灰度值为0-85的赋予蓝色通道，其余两个通道赋予0
                        bandArrThreeChannel[i][3 * j] = bandArr[i][j];
                        bandArrThreeChannel[i][3 * j + 1] = 0;
                        bandArrThreeChannel[i][3 * j + 2] = 0;
                    }
                }
            }

            //定义伪彩色图像的大小及数据类型
            //CV_32SC3：32表示32位，S表示有符号整型，C3表示3个通道
            Mat img_cpc = new Mat(bandArr.length, bandArr[0].length, CvType.CV_32SC3);
            for (int i = 0; i < bandArrThreeChannel.length; i++) {
                img_cpc.put(i, 0, bandArrThreeChannel[i]);  //一次放入一行三通道像素值数据
            }

            //存储伪彩色图像
            Imgcodecs.imwrite("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_cpc.png", img_cpc);

        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    public static void main(String[] args) throws InterruptedException {
        CalPseudoColor img_gray = new CalPseudoColor();
        img_gray.graySplit("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray.png");
    }
}