package com.opencv;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Size;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
public class OpenCVDemo {
//静态代码块加载动态链接库
static {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
}
public static void main(String[] args) {
Mat src = Imgcodecs.imread("D:\\123.png");
Mat image = new Mat(src.size(), src.type());
//1.将图片转为灰度图片 详细介绍:https://blog.csdn.net/ren365880/article/details/103869207
Imgproc.cvtColor(src, image, Imgproc.COLOR_RGB2GRAY);
HighGui.imshow("原图", image);
HighGui.waitKey();
/*
* 图像二值化( Image Binarization)就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。
* 转换为二值类型 将自适应阈值应用于数组。 该功能可以就地处理图像。
* @param src源8位单通道图像。
* @param dst与src大小和类型相同的目标映像。
* @param maxValue分配给满足条件的像素的非零值
*
* @paramAdaptiveMethod要使用的自适应阈值算法。
* ADAPTIVE_THRESH_MEAN_C的计算方法是计算出领域的平均值再减去第七个参数double C的值。
* ADAPTIVE_THRESH_GAUSSIAN_C的计算方法是计算出领域的高斯均值再减去第七个参数double C的值。
*
* @param thresholdType阈值类型。
* THRESH_BINARY = 0, 二进制阈值化 在运用该阈值类型的时候,先要选定一个特定的阈值量,比如:125,这样,新的阈值产生规则
* 可以解释为大于125的像素点的灰度值设定为最大值(如8位灰度值最大为255),灰度值小于125的像素点的灰度值设定为0。
* THRESH_BINARY_INV = 1,反二进制阈值化 该阈值化与二进制阈值化相似,先选定一个特定的灰度值作为阈值,不过最后的设定值相反。
* (在8位灰度图中,例如大于阈值的设定为0,而小于该阈值的设定为255)
* THRESH_TRUNC = 2,截断阈值化 同样首先需要选定一个阈值,图像中大于该阈值的像素点被设定为该阈值,小于该阈值的保持不变。(
* 例如:阈值选取为125,那小于125的阈值不改变,大于125的灰度值(230)的像素点就设定为该阈值)。
* THRESH_TOZERO = 3, 阈值化为0 先选定一个阈值,然后对图像做如下处理:1 像素点的灰度值大于该阈值的不进行任何改变;2 像素点的灰度值小于该阈值的,其灰度值全部变为0。
* THRESH_TOZERO_INV = 4,反阈值化为0 原理类似于0阈值,但是在对图像做处理的时候相反,即:像素点的灰度值小于该阈值的不进行任何改变,而大于该阈值的部分,其灰度值全部变为0。
* THRESH_MASK = 7,
* THRESH_OTSU = 8,
* THRESH_TRIANGLE = 16;
* THRESH_OTSU和THRESH_TRIANGLE是作为优化算法配合THRESH_BINARY、THRESH_BINARY_INV、THRESH_TRUNC、THRESH_TOZERO以及THRESH_TOZERO_INV来使用的。
* 当使用了THRESH_OTSU和THRESH_TRIANGLE两个标志时,输入图像必须为单通道。
* @param blockSize用于计算像素阈值的像素邻域的大小:3、5、7,依此类推。
* @param C从平均值或加权平均值中减去常数。 通常,它为正,但也可以为零或负。
*/
Imgproc.adaptiveThreshold(image, image, 255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 9, 2);
HighGui.imshow("图像二值化", image);
HighGui.waitKey();
//3.获取结构元素 详细注释:https://blog.csdn.net/ren365880/article/details/103886484
Mat hline = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(src.cols() / 90, 4), new Point(-1, -1));
Mat vline = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(2, src.rows() / 70), new Point(-1, -1));
//水平线
Mat dst1 = new Mat(src.size(), src.type());
// 腐蚀 详细注释 https://blog.csdn.net/ren365880/article/details/103886484
Imgproc.erode(image, dst1, hline);
//膨胀 详细注释 https://blog.csdn.net/ren365880/article/details/103886484
Imgproc.dilate(image, dst1, hline);
HighGui.imshow("水平线", dst1);
HighGui.waitKey();
//垂直线
Mat dst2 = new Mat(src.size(), src.type());
Imgproc.erode(image, dst2, vline);
Imgproc.dilate(image, dst2, vline);
HighGui.imshow("垂直线", dst2);
HighGui.waitKey();
}
}
OpenCV Java 图像水平线 垂直线提取
于 2020-01-09 22:33:58 首次发布