图像处理垂直投影原理

2016-07-11 21:52:00 weixin_34326558 阅读数 457

http://blog.csdn.net/u010910436/article/details/40399437

首先介绍算法思路:图像对应方向的投影,就是在该方向取一条直线,统计垂直于该直线(轴)的图像上的像素的黑点数量,累加求和作为该轴该位置的值;基于图像投影的切割就是将图像映射成这种特征后,基于这种特征判定图像的切割位置(坐标),用这个坐标来切割原图像,得到目标图像。

其实,可以用多次的腐蚀后再膨胀进行边界定位处理,但是如果图像(比如打印字体)非常规范,简单的投影就可以了。

 

java代码实现:

java的图像处理,这里大部分是由im.read读取,bufferedimage,然后转为二值bitset做处理(0,1或者说是true和false,一个bitset是整张图片的0,1像素值的一维行向量。bitset.length=width*height)

 

 

/**

* 图像向x轴做投影后的数组

* @param imagedata

* @param w

*            宽

* @param h

*            高

* @return

*/

public static int[] xpro(BitSet bitSet, int width, int height) {

int xpro[] = new int[width];

for (intj = 0; j < width; j++) {

for (inti = 0; i < height; i++) {

if (bitSet.get(i *width + j) ==true)

xpro[j]++;

}

}

returnxpro;

}

 

 

/**

* 图像向y轴做投影后的数组

* @param imagedata

* @param w

* @param h

* @return

*/

public static int[] ypro(BitSet bitSet, int width, int height) {

int ypro[] = new int[height];

for (inti = 0; i < height; i++) {

for (intj = 0; j < width; j++) {

if (bitSet.get(i *width + j) ==true)

ypro[i]++;

}

}

returnypro;

}

 

 

public static Rectangle[] yproSegment(int[] ypro, int width,int height) {

 

ArrayList<Integer> lline =new ArrayList<Integer>();

ArrayList<Integer> rline =new ArrayList<Integer>();

// 两种情况:sku区域起始位置元素为空白区域;起始位置含字符元素

if (ypro[0] != 0) {

lline.add(0);

}

for (inti = 4; i < height; i++) {

if (ypro[i] > 0 &&ypro[i - 1] > 0 &&ypro[i - 2] > 0

&& ypro[i - 3] > 0 &&ypro[i - 4] == 0) {

lline.add(i-4);

} else if (ypro[i] == 0 &&ypro[i - 1] > 0 &&ypro[i - 2] > 0

&& ypro[i - 3] > 0 &&ypro[i - 4] > 0) {

rline.add(i);

}

}

 

if (ypro[ypro.length - 1] != 0) {

rline.add(height);

}

List<Rectangle> c = new ArrayList<Rectangle>();

for (inti = 0; i < rline.size(); i++) {

if (rline.get(i) != 0 &&lline.get(i) <rline.get(i)) {

c.add(new Rectangle(0,lline.get(i),width, rline.get(i)-lline.get(i)));

} else {

break;

}

}

return c.toArray(new Rectangle[0]);

}

2016-12-07 18:48:00 AUTO1993 阅读数 6265
利用OPENCV计算图像的水平积分投影和垂直积分投影
       在做图像处理时会经常需要接触到各种目标提取的方法,其中最常见的就是利用积分投影对目标进行提取分割,下面就直接上代码,通过代码来介绍一下如何获得图像的水平积分投影和垂直积分投影。该代码编写风格较为简单,适合刚入门学习opencv的新手。
#include<opencv2\opencv.hpp>
#include<stdio.h>
using namespace cv;
Mat VerticalProjection(Mat srcImage)//垂直积分投影
{
	if (srcImage.channels() > 1)
		cvtColor(srcImage, srcImage, CV_RGB2GRAY);
	Mat srcImageBin;
	threshold(srcImage, srcImageBin, 120, 255, CV_THRESH_BINARY_INV);
	imshow("二值图", srcImageBin);
	int *colswidth = new int[srcImage.cols];  //申请src.image.cols个int型的内存空间
	memset(colswidth, 0, srcImage.cols * 4);  //数组必须赋初值为零,否则出错。无法遍历数组。
	//  memset(colheight,0,src->width*4);  
	// CvScalar value; 
	int value;
	for (int i = 0; i < srcImage.cols; i++)
	for (int j = 0; j < srcImage.rows; j++)
	{
		//value=cvGet2D(src,j,i);
		value = srcImageBin.at<uchar>(j, i);
		if (value == 255)
		{
			colswidth[i]++; //统计每列的白色像素点  
		}
	}
	Mat histogramImage(srcImage.rows, srcImage.cols, CV_8UC1);
	for (int i = 0; i < srcImage.rows; i++)
	for (int j = 0; j < srcImage.cols; j++)
	{
		value = 255;  //背景设置为白色。 
		histogramImage.at<uchar>(i, j) = value;
	}
	for (int i = 0; i < srcImage.cols; i++)
	for (int j = 0; j < colswidth[i]; j++)
	{
		value = 0;  //直方图设置为黑色
		histogramImage.at<uchar>(srcImage.rows - 1 - j, i) = value;
	}
	imshow(" 垂直积分投影图", histogramImage);
	return histogramImage;
}
Mat HorizonProjection(Mat srcImage)//水平积分投影
{
	if (srcImage.channels() > 1)
		cvtColor(srcImage, srcImage, CV_RGB2GRAY);
	Mat srcImageBin;
	threshold(srcImage, srcImageBin, 120, 255, CV_THRESH_BINARY_INV);
	imshow("二值图", srcImageBin);
	int *rowswidth = new int[srcImage.rows];  //申请src.image.rows个int型的内存空间
	memset(rowswidth, 0, srcImage.rows * 4);  //数组必须赋初值为零,否则出错。无法遍历数组。
	int value;
	for (int i = 0; i<srcImage.rows; i++)
	for (int j = 0; j<srcImage.cols; j++)
	{
		//value=cvGet2D(src,j,i);
		value = srcImageBin.at<uchar>(i, j);
		if (value == 255)
		{
			rowswidth[i]++; //统计每行的白色像素点  
		}
	}
	Mat histogramImage(srcImage.rows, srcImage.cols, CV_8UC1);
	for (int i = 0; i<srcImage.rows; i++)
	for (int j = 0; j<srcImage.cols; j++)
	{
		value = 255;  //背景设置为白色。 
		histogramImage.at<uchar>(i, j) = value;
	}
	//imshow("d", histogramImage);
	for (int i = 0; i<srcImage.rows; i++)
	for (int j = 0; j<rowswidth[i]; j++)
	{
		value = 0;  //直方图设置为黑色
		histogramImage.at<uchar>(i, j) = value;
	}
	imshow("水平积分投影图", histogramImage);
	delete[] rowswidth;//释放前面申请的空间
	return histogramImage;

}
int main()
{
	Mat srcImage = imread("145.png");
	imshow("原图", srcImage);
	Mat VP;
	VP = VerticalProjection(srcImage);
	Mat HP;
	HP = HorizonProjection(srcImage);
	waitKey(0);
	return 0;

}

运行结果:

总的来说,对于计算图像的垂直或水平积分投影,最重要的还是对图像的二值化操作,一个合适的二值化操作,再通过积分投影往往就能比较容易提取出目标;一个垃圾的二值化操作是无法通过投影的方法提取出目标的。


2017-10-23 16:13:24 yyangzhenjie 阅读数 3962

经常听到同事说用投影法做图像处理的相关知识,一直没有理解,所以查找资料,这里做一个总结:

投影,在立体几何中我们学到过,是空间直线在某个方向上的投影,那么图像处理中也是这种投影思想。

最简单的投影:

水平方向投影,将图像数组进行列求和;

垂直方向投影,将图像数组进行行求和;

对于二值图像或明显特征的灰度图分割前景与背景,经常用到投影法。

2015-11-29 22:17:19 sjhuangx 阅读数 18854

本文介绍使用opencv实现计算一幅图像的水平投影和垂直投影,代码如下:

class HorizontalProjection
{
private:
    int maxLine;//255最大行位置
    int maxNum;//255最多的数目
    int minLine;//0最大行位置
    int minNum;//0最多的数目
public:
    HorizontalProjection();//构造函数
    cv::Mat getHorProjImage(const cv::Mat &image, int threshold);//计算图像的水平投影,并返回一幅图像
};



//构造函数
HorizontalProjection::HorizontalProjection()
{
    maxLine = 0;//255最大行位置
    maxNum = 0;//255最多的数目
    minLine = 0;//0最大行位置
    minNum = 0;//0最多的数目
}

//计算图像的水平投影,并返回一幅图像
cv::Mat HorizontalProjection::getHorProjImage(const cv::Mat &image, int threshold)
{
    cv::Mat matTmp = image.clone();

    if (image.channels() > 1)
    {
        cvtColor(matTmp, matTmp, CV_RGB2GRAY);//彩色图转为灰度图
    }

    maxLine = 0, maxNum = 0;//重置255最大数目和最大行
    minLine = 0, minNum = matTmp.cols;//重置255最小数目和最小行
    int height = matTmp.rows, width = matTmp.cols;//图像的高和宽
    int tmp = 0;//保存当前行的255数目
    int *projArray = new int[height];//保存每一行255数目的数组
    cv::threshold(matTmp, matTmp, threshold, 255, CV_THRESH_BINARY);//对图形进行二值化处理

    //循环访问图像数据,查找每一行的255点的数目
    for (int i = 0; i < height; ++i)
    {
        tmp = 0;
        for (int j = 0; j < width; ++j)
        {
            if (matTmp.at<uchar>(i, j) == 255)
            {
                ++tmp;
            }
        }
        projArray[i] = tmp;
        if (tmp > maxNum)
        {
            maxNum = tmp;
            maxLine = i;
        }
        if (tmp < minNum)
        {
            minNum = tmp;
            minLine = i;
        }
    }

    //创建并绘制水平投影图像
    cv::Mat projImg(height, width, CV_8U, cv::Scalar(255));

    for (int i = 0; i < height; ++i)
    {
        cv::line(projImg, cv::Point(width - projArray[i], i), cv::Point(width - 1, i), cv::Scalar::all(0));
    }

    delete[] projArray;//删除new数组
    return  projImg;
}

结果如下:
这里写图片描述
水平投影图:
这里写图片描述

垂直投影的代码如下:

class VerticalProjection
{
private:
    int maxCol;//255最大行位置
    int maxNum;//255最多的数目
    int minCol;//0最大行位置
    int minNum;//0最多的数目
public:
    VerticalProjection();//构造函数
    cv::Mat getVerProjImage(const cv::Mat &image, int threshold);//计算图像的水平投影,并返回一幅图像
};


//构造函数
VerticalProjection::VerticalProjection()
{
    maxCol= 0;//255最大行位置
    maxNum = 0;//255最多的数目
    minCol = 0;//0最大行位置
    minNum = 0;//0最多的数目
}

//计算图像的水平投影,并返回一幅图像
cv::Mat VerticalProjection::getVerProjImage(const cv::Mat &image, int threshold)
{
    cv::Mat matTmp = image.clone();

    if (image.channels() > 1)
    {
        cvtColor(matTmp, matTmp, CV_RGB2GRAY);//彩色图转为灰度图
    }
    if (threshold == -1)
    {
        threshold = GetThresholdByOtsu(matTmp);//使用大津算法计算阈值
    }

    maxCol = 0, maxNum = 0;//重置255最大数目和最大行
    minCol = 0, minNum = matTmp.rows;//重置255最小数目和最小行
    int height = matTmp.rows, width = matTmp.cols;//图像的高和宽
    int tmp = 0;//保存当前行的255数目
    int *projArray = new int[width];//保存每一行255数目的数组
    cv::threshold(matTmp, matTmp, threshold, 255, CV_THRESH_BINARY);//对图形进行二值化处理

    cv::namedWindow("matTmp", 0);
    cv::imshow("matTmp", matTmp);

    //循环访问图像数据,查找每一行的255点的数目
    for (int col = 0; col < width; ++col)
    {
        tmp = 0;
        for (int row = 0; row < height; ++row)
        {
            if (matTmp.at<uchar>(row, col) == 255)
            {
                ++tmp;
            }       
        }
        projArray[col] = tmp;
        if (tmp > maxNum)
        {
            maxNum = tmp;
            maxCol = col;
        }
        if (tmp < minNum)
        {
            minNum = tmp;
            minCol = col;
        }
    }
    //创建并绘制垂直投影图像
    cv::Mat projImg(height, width,  CV_8U, cv::Scalar(255));

    for (int col = 0; col < width; ++col)
    {
        cv::line(projImg, cv::Point(col, height - projArray[col]), cv::Point(col, height - 1), cv::Scalar::all(0));
    }

    delete[] projArray;//删除new数组
    return  projImg;
}

结果如下:
这里写图片描述

2015-12-17 21:08:20 yansmile1 阅读数 11520
clear all
clc
close all
%% 读入图像数据
I=imread('2.bmp');
% I=rgb2gray(I);
[m n]=size(I);
% 求垂直投影
for y=1:n
     S(y)=sum(I(1:m,y));
end
y=1:n;
figure
subplot(211),plot(y,S(y));
title('垂直投影');
% 求水平投影
for x=1:m
    S(x)=sum(I(x,:));
end
x=1:m;
subplot(212),plot(x,S(x));

title('水平投影');


网址:http://blog.csdn.net/yihaizhiyan/article/details/50319529