想降噪全在这里了。用opencv的降噪功能还不错connectedComponentsWithStats无损降噪，还可以用medianBlur中值滤波，morphologyEx也有滤波，erode

原创已于 2024-02-14 15:20:58 修改 · 416 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #计算机视觉 #算法

于 2024-02-14 15:17:13 首次发布

本文介绍了使用Java和OpenCV库实现的四个图像处理方法：去除点、中值滤波、降噪和腐蚀。这些方法涉及图像转换、阈值处理、形态学操作等技术，用于优化图像质量并提取关键特征。

 public Bitmap removePoint(Bitmap srcBitmap) {
        Bitmap bitmap = null;
        try {
            Mat scrMat = new Mat();
            // 将Bitmap转换为Mat
            Utils.bitmapToMat(srcBitmap, scrMat);

            Imgproc.cvtColor(scrMat, scrMat, Imgproc.COLOR_BGR2GRAY);
            // 应用阈值分割得到二值图像（假设白色像素为前景）
            Mat binaryImage = new Mat();
            Imgproc.threshold(scrMat, binaryImage, 100, 255, Imgproc.THRESH_BINARY);//不同的值 有去色 反转颜色等


// 初始化与输入图像同样大小的标签矩阵和统计信息矩阵
            int numLabels = 0;//连通域数量
            Mat labels = new Mat(binaryImage.size(), CV_32S);// labels是个1,2等数组，相同连通域数字一样，每一个像素的标签1、2、3.。。，同一个连通域的标签是一致的
            Mat stats = new Mat();//连通域的信息：对应各个轮廓的x、y、width、height和面积
            Mat centroids = new Mat();//连通域的中心点

// 计算连通组件及其统计信息
            numLabels = Imgproc.connectedComponentsWithStats(binaryImage, labels, stats, centroids,8,CV_32S);
            Log.i(TAG, "removePoint: numLabels=" + numLabels+" "+stats.size());

// 遍历统计信息数组，找到面积小于100的区域并将对应区域在原图上设置为背景色（通常是黑色或白色）
            for (int i = 1; i < numLabels; i++) {
                double val[]= stats.get(i, Imgproc.CC_STAT_AREA) ;
                int area =(int) val[0] ;

                if (area < 250) { // 如果面积小于100
                    Log.i(TAG, "removePoint:100 area=" + area );
                    Mat dst = new Mat();
                    // 将原图像中属于该区域的所有像素标记为背景色
                    Core.compare(labels, new Scalar(i), dst, Core.CMP_EQ);
                    //类似与threshold()函数，但是threshold()函数是对某个区间内的像素值进行操作，compare()函数则可以只是对某一个单独的像素值进行操作。比如我们要从图像中找出像素值为50的像素点，可以下面这样做：
                    // 将标记出来的区域置为0（假设是黑色背景）
                    binaryImage.setTo(new Scalar(0), dst);
                }
            }


            // 将Mat对象转换为Bitmap
            bitmap = Bitmap.createBitmap(binaryImage.cols(), binaryImage.rows(), Bitmap.Config.ARGB_8888);
 
            Utils.matToBitmap(binaryImage, bitmap);
        } catch (CvException e) {
            e.printStackTrace();
        }

        return bitmap;
    }

public Bitmap medianBlur(Bitmap srcBitmap, int size) {
    Bitmap bitmap = null;
    try {
        Mat scrMat = new Mat();
        // 将Bitmap转换为Mat
        Utils.bitmapToMat(srcBitmap, scrMat);
        Mat dstMat = new Mat();
        Imgproc.medianBlur(scrMat, dstMat, size);

        Imgproc.cvtColor(dstMat, dstMat, Imgproc.COLOR_BGR2GRAY);
        // 应用阈值分割得到二值图像（假设白色像素为前景）
        Mat binaryImage = new Mat();
        Imgproc.threshold(dstMat, dstMat, 80, 255, Imgproc.THRESH_BINARY);//不同的值 有去色 反转颜色等

        // 将Mat对象转换为Bitmap
        bitmap = Bitmap.createBitmap(dstMat.cols(), dstMat.rows(), Bitmap.Config.ARGB_8888);
        Utils.matToBitmap(dstMat, bitmap);
    } catch (CvException e) {
        e.printStackTrace();
    }
    Log.i(TAG, "medianBlur: ");
    return bitmap;
}

 public Bitmap noiseRemoval(Bitmap srcBitmap, int size) {
        Mat image = new Mat();
        // 将Bitmap转换为Mat
        Utils.bitmapToMat(srcBitmap, image);

        Mat out = new Mat();
        Mat tmp = new Mat();
        Mat kernel = new Mat(new Size(size, size), CvType.CV_8UC1, new Scalar(255));
//        Mat kernel = new Mat(image.size(), CvType.CV_8UC1, new Scalar(255));
        Imgproc.morphologyEx(image, tmp, Imgproc.MORPH_OPEN, kernel);
        Imgproc.morphologyEx(tmp, out, Imgproc.MORPH_CLOSE, kernel);

        // 将Mat对象转换为Bitmap
        bitmap = Bitmap.createBitmap(out.cols(), out.rows(), Bitmap.Config.ARGB_8888);
        // bitmap = Bitmap.createBitmap(openedImage.cols(), openedImage.rows(), Bitmap.Config.ARGB_8888);
        Utils.matToBitmap(out, bitmap);
        Log.i(TAG, "denoise: ");
        return bitmap;

    }

public Bitmap erode(Bitmap bitmap) {
    // Bitmap转为Mat
    Mat src = new Mat(bitmap.getHeight(), bitmap.getWidth(), CvType.CV_8UC4);
    Utils.bitmapToMat(bitmap, src);

    // 定义一个合适大小的核 ELLIPSE椭圆形
    Mat kernelErode = Imgproc.getStructuringElement(Imgproc.MORPH_ELLIPSE, new Size(5, 5));
    // 扩大暗区（腐蚀）
    Imgproc.erode(src, src, kernelErode);

    // Mat转Bitmap
    Bitmap processedImage = Bitmap.createBitmap(src.cols(), src.rows(), Bitmap.Config.ARGB_8888);
    Utils.matToBitmap(src, processedImage);

    return processedImage;
}