边缘检测在android上的小应用

本文介绍了边缘检测的基本原理,包括图像灰度化处理及Rebort、Sobel、Prewitt等常见算子的应用。通过具体代码示例展示了如何实现这些算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

边缘检测其实就是识别图像中灰度变化较明显的点,所以从这里也看出来,检测分两个过程,先把图片变为灰度图,再比较变化明显的点。

把图片变为灰度图,代码如下:

    public static Bitmap toGrayscale(Bitmap bmpOriginal) {

        int width, height;
        height = bmpOriginal.getHeight();
        width = bmpOriginal.getWidth();

        Bitmap bmpGrayscale = Bitmap.createBitmap(width, height,
                Bitmap.Config.RGB_565);
        Canvas c = new Canvas(bmpGrayscale);
        Paint paint = new Paint();
        ColorMatrix cm = new ColorMatrix();
        cm.setSaturation(0);
        ColorMatrixColorFilter f = new ColorMatrixColorFilter(cm);
        paint.setColorFilter(f);
        c.drawBitmap(bmpOriginal, 0, 0, paint);

        return bmpGrayscale;
    }

其实就是利用颜色矩阵,把图片转为饱和度为0的图像。

然后再处理灰度图,处理前先说一下算子,算子是一个函数空间到函数空间上的映射O:X→X,常用的检测算子有Rebort,Sobel.Prewitt等,

rebort是用一个2x2的矩阵计算来计算

计算公式为G(x,y)=abs(f(x,y)-f(x+1,y+1))+abs(f(x,y+1)-f(x+1,y)),其中f(x,y)表示点(x,y)的灰度,所以根据这个公式写出计算的代码

    //GX = f(x,y)-f(x+1,y+1)) f(x,y)为x,y点的灰度值
    public static double GXByRebort(int x, int y, Bitmap bitmap) {
        double res = 1 * getPixel(x,y,bitmap)
                    +(-1) * getPixel(x+1,y+1,bitmap);

        return res;
    }

    //GX = f(x,y+1)-f(x+1,y) f(x,y)为x,y点的灰度值
    public static double GYByRebort(int x, int y, Bitmap bitmap) {
        double res = (-1) * getPixel(x+1,y,bitmap)
                +1 * getPixel(x,y+1,bitmap);
        return res;
    }

Sobel和Prewitt类似,是用一个3X3矩阵计算,计算公式分别为

Sobel :Gx = [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]

 Gy =[f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]

灰度=Math.sqrt(Gx * Gx + Gy * Gy)

Prewitt :Gx = [f(x+1,y-1)+1*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+1*f(x-1,y)+f(x-1,y+1)]

 Gy =[f(x-1,y-1) + 1f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 1*f(x,y+1)+f(x+1,y+1)]

灰度=Math.sqrt(Gx * Gx + Gy * Gy)



    public static double GXBySobel(int x, int y, Bitmap bitmap) {
        double res = (-1) * getPixel(x - 1, y - 1, bitmap)
                + 1 * getPixel(x + 1, y - 1, bitmap)
                + (-2) * getPixel(x - 1, y, bitmap)
                + 2 * getPixel(x + 1, y, bitmap)
                + (-1) * getPixel(x - 1, y + 1, bitmap)
                + 1 * getPixel(x + 1, y + 1, bitmap);

        return res;
    }

    public static double GXByPrewitt(int x, int y, Bitmap bitmap) {
        double res = (-1) * getPixel(x - 1, y - 1, bitmap)
                + 1 * getPixel(x + 1, y - 1, bitmap)
                + (-1) * getPixel(x - 1, y, bitmap)
                + 1 * getPixel(x + 1, y, bitmap)
                + (-1) * getPixel(x - 1, y + 1, bitmap)
                + 1 * getPixel(x + 1, y + 1, bitmap);

        return res;
    }


    public static double GYBySobel(int x, int y, Bitmap bitmap) {
        double res = 1 * getPixel(x - 1, y - 1, bitmap)
                + 2 * getPixel(x, y - 1, bitmap)
                + 1 * getPixel(x + 1, y - 1, bitmap)
                + (-1) * getPixel(x - 1, y + 1, bitmap)
                + (-2) * getPixel(x, y + 1, bitmap)
                + (-1) * getPixel(x + 1, y + 1, bitmap);

        return res;
    }

    public static double GYByPrewitt(int x, int y, Bitmap bitmap) {
        double res = 1 * getPixel(x - 1, y - 1, bitmap)
                + 1 * getPixel(x, y - 1, bitmap)
                + 1 * getPixel(x + 1, y - 1, bitmap)
                + (-1) * getPixel(x - 1, y + 1, bitmap)
                + (-1) * getPixel(x, y + 1, bitmap)
                + (-1) * getPixel(x + 1, y + 1, bitmap);

        return res;
    }

最后再使用的时候运用不同的算法,就能得出只有边缘的图片

    public void getBitmap(double threshold) {
        //如果阙值为0,返回灰度图
        if(threshold == 0){
            iMain.setBitmap(temp);
            return ;
        }

        int w = temp.getWidth();
        int h = temp.getHeight();
        //存放处理后的图象各像素点的数组
        int[] cmap = new int[w * h];
        //筛选计算
        for (int i = 0; i < w; i++) {
            for (int j = 0; j < h; j++) {
                if (tmap[j * w + i] > max * threshold) {
                    //如果大于阙值max*a,则保存灰度图该点的像素
                    cmap[j * w + i] = Color.parseColor("#FF333333");
                } else {
                    //否则该点为白色
                    cmap[j * w + i] = Color.WHITE;
                }
            }
        }

        //将筛选出来的结果生成bitmap
        Bitmap bm =  Bitmap.createBitmap(cmap, temp.getWidth(), temp.getHeight(),
                Bitmap.Config.ARGB_8888);

        iMain.setBitmap(bm);
    }

这里只传入了一个阀值,所以图片只有333333和白色两种色,如果传入多个阀值处理,就能得到更完整的图,这个可以自行尝试。

原图:


roberts:

sobel:

prewitt:

只是在使用的过程中记录一下使用方法,没有写得很完整,有兴趣的可以再探讨

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值