图像处理基础

作者简介

本文来自鲍骞月的投稿，主要讲解图像处理基础，欢迎大家积极留言，提出你的疑问或者建议，与投稿小伙伴交流。

GitHub地址：https://github.com/shentibeitaokongle

干货正文

像素读写(RGB色彩空间)

BufferedImage对象像素读写

获取像素二维数组并转换为一维数组(只针对于int类型的像素数据)

我们首先分析一下像素值的一些属性

像素在Java中存储方式

我们这里讨论的是ARGB/RGB通道类型的像素数据，而且是存储在int型数据中的情况。

在Java中int类型是32位，因为是四个通道，所以每个通道占8位。

但是默认情况是10进制的数据。

像素值取值范围

无符号类型(通常情况下)：0-255

有符号类型：-128-127

提取各通道的像素值

通过位运算来将各通道的数据提取出来

Alpha通道

Red通道

Green通道

Blue通道

实现原理

首先，我们的位运算都是针对于二进制数进行的，是16进制数，转成2进制就是,下面来一个具体的例子：

现在有一个整体的像素值，而且它的二进制表示为

我们现在要提取Green通道的值，该通道处于整体数据中的第3个通道，也就是倒数第二个通道，所以我们将整体数据右移8位就可以定位到该通道的数据，(右移后前面要补零)

我们来演示一下：

然后使用位与运算分离数据：

&

得到：

这样就把Green通道中的数据分离出来了，然后转成10进制数就是：

其他通道的提取同理，只是右移的位数不同。

将各通道像素值装载整体数值

原理同样通过位运算实现

像素值统计信息(灰度图)

这里我们想要实现一下图像二值化而且减少重复的一些操作，所以这里只对灰度图进行操作。

统计最值

像素最大值

像素最小值

计算像素最值很简单，就是将一张灰度图中的像素都遍历，然后得到最值，代码如下：

输出：

均值和方差

均值

均值很简单而且上面的程序中已经计算，这里略过…

方差

这里我们计算标准差

首先看一下统计学中标准差的公式：

然后我们用代码实现一下：

num =;

for(introw =; row < height; row++) {

for(intcol =; col < width; col++) {

index = row * width + col;

intpixel = pixels[index];

//因为灰度图的各通道的像素值都一样，这里我们只计算出一个通道的像素值即可

intpr = pixel >>16&0xFF;

num = Math.pow((pr - means),2);

}

}

intlen= width * height;

variance = Math.sqrt(num /len);

System.out.println("variance:"+ variance);

输出：

通过均值的图像二值化

原理很简单，同样先遍历各像素，然后对每个像素值与上面计算出来的均值比较，如果大于均值就把该像素设为最大值,否则就设为最小值,然后将二值化后的各个像素值写回到图片中，就得到了结果。

我们具体实现一下：

/**

* 通过均值实现图像的二值化

*/

for(introw =; row < height; row++) {

for(intcol =; col < width; col++) {

index = row * width + col;

intpixel = pixels[index];

intpr = pixel >>16&0xFF;

//进行二值化操作

if(pr > means) {

pr =255;

}else{

pr =;

}

//将各通道像素装载起来，重新写入

//灰度图alpha通道值都为255

pixels[index] = (255

}

}

setRGB(image,,, width, height, pixels);

输出：

效果还是很明显的。

通过方差确定图片信息

方差可以反映一群数据中每个数据与总体均数的差异程度，试想一张空白图片或者一张纯色图片，它的方差肯定为0或者接近于0，所以方差就是图片的一个很重要的信息。