这里有新鲜出炉的Java函数式编程,程序狗速度看过来!
java 是一种可以撰写跨平台应用软件的面向对象的程序设计语言,是由Sun Microsystems公司于1995年5月推出的Java程序设计语言和Java平台(即JavaEE(j2ee), JavaME(j2me), JavaSE(j2se))的总称。
这篇文章主要介绍了灰度化的几种方法,以及如何使用Java实现灰度化。同时分析了网上一种常见却并不妥当的Java灰度化实现,以及证明了opencv的灰度化是使用“加权灰度化”法,下面一起来看看。
24位彩色图与8位灰度图
首先要先介绍一下24位彩色图像,在一个24位彩色图像中,每个像素由三个字节表示,通常表示为RGB。通常,许多24位彩色图像存储为32位图像,每个像素多余的字节存储为一个
值,表现有特殊影响的信息[1]。
- alpha
在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0-255[2]。这样就得到一幅图片的灰度图。
几种灰度化的方法
1、分量法:使用RGB三个分量中的一个作为灰度图的灰度值。
2、最值法:使用RGB三个分量中最大值或最小值作为灰度图的灰度值。
3、均值法:使用RGB三个分量的平均值作为灰度图的灰度值。
4、加权法:由于人眼颜色敏感度不同,按下一定的权值对RGB三分量进行加权平均能得到较合理的灰度图像。一般情况按照:Y = 0.30R + 0.59G + 0.11B。
[注]加权法实际上是取一幅图片的亮度值作为灰度值来计算,用到了YUV模型。在[3]中会发现作者使用了Y = 0.21 * r + 0.71 * g + 0.07 * b来计算灰度值(显然三个权值相加并不等于1,可能是作者的错误?)。实际上,这种差别应该与是否使用伽马校正有关[1]。
一种Java实现灰度化的方法
如果你搜索“Java实现灰度化”,十有八九都是一种方法(代码):
- public void grayImage() throws IOException {
- File file = new File(System.getProperty("user.dir") + "/test.jpg");
- BufferedImage image = ImageIO.read(file);
- int width = image.getWidth();
- int height = image.getHeight();
- BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);
- for (int i = 0; i < width; i++) {
- for (int j = 0; j < height; j++) {
- int rgb = image.getRGB(i, j);
- grayImage.setRGB(i, j, rgb);
- }
- }
- File newFile = new File(System.getProperty("user.dir") + "/method1.jpg");
- ImageIO.write(grayImage, "jpg", newFile);
- }
test.jpg的原图为:
使用上述方法得到的灰度图:
看到这幅灰度图,似乎还真是可行,但是如果我们使用
来实现灰度化或使用PIL(Python),你会发现效果相差很大:
- opencv
- img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)
- gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
- cv2.imwrite('PythonMethod.jpg', gray)
可以清楚的看到,使用
(PIL也是一样的)得到的灰度图要比上面Java方法得到的方法好很多,很多细节都能够看得到。这说明,网上这种流行的方法一直都存在这某种问题,只是一直被忽略。
- opencv
opencv如何实现灰度化
如果读过
相关的书籍或代码,大概都能知道
- opencv
灰度化使用的是加权法,之所以说是大概,因为我们不知道为什么
- opencv
灰度化的图像如此的好,是否有其他的处理细节被我们忽略了?
- opencv
验证我们的猜想很简单,只要查看像素值灰度化前后的变化就知道了,可以如下测试:
- img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)
- h, w = img.shape[:2]
- gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
- for j in range(w):
- for i in range(h):
- print str(i) + " : " + str(j) + " " + str(gray[i][j])
- print img[h-1][w-1][0:3]
以下打印了这么多像素点,我们也很难判断,但是我们只要关注一下最后一个像素点,就能够发现端倪: 原图最后的像素点RGB值为44,67,89,而灰度化之后的值为71。正好符合加权法计算的灰度值。如果你检查之前用Java灰度化的图片的像素值,你会发现不仅仅像素值不符合这个公式,甚至相差甚远。
到此,我们猜测opencv(也包括PIL)是使用加权法实现的灰度化。
Java实现加权法灰度化
如果网上那段流行的方法不行,我们该如何使用Java实现灰度化?实际上[3]已经成功的实现了(多种方法的)灰度化(外国友人搞技术还是很给力的),在此仅仅提取必要的代码:
- private static int colorToRGB(int alpha, int red, int green, int blue) {
- int newPixel = 0;
- newPixel += alpha;
- newPixel = newPixel << 8;
- newPixel += red;
- newPixel = newPixel << 8;
- newPixel += green;
- newPixel = newPixel << 8;
- newPixel += blue;
- return newPixel;
- }
- public static void main(String[] args) throws IOException {
- BufferedImage bufferedImage
- = ImageIO.read(new File(System.getProperty("user.dir" + "/test.jpg"));
- BufferedImage grayImage =
- new BufferedImage(bufferedImage.getWidth(),
- bufferedImage.getHeight(),
- bufferedImage.getType());
- for (int i = 0; i < bufferedImage.getWidth(); i++) {
- for (int j = 0; j < bufferedImage.getHeight(); j++) {
- final int color = bufferedImage.getRGB(i, j);
- final int r = (color >> 16) & 0xff;
- final int g = (color >> 8) & 0xff;
- final int b = color & 0xff;
- int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b);;
- System.out.println(i + " : " + j + " " + gray);
- int newPixel = colorToRGB(255, gray, gray, gray);
- grayImage.setRGB(i, j, newPixel);
- }
- }
- File newFile = new File(System.getProperty("user.dir") + "/ok.jpg");
- ImageIO.write(grayImage, "jpg", newFile);
- }
上面的代码会打印出灰度化后的像素值,如果再与上面的Python代码做对比,你会发现像素值完全的对应上了。
方法中对彩色图的处理正好是4个字节,其中之一是
- colorToRGB
参数(前文所讲),下图是这段代码灰度化后的图像:
- alpha
对于其他方法,依次同理可得。
总结
本文的成因本是希望使用Java实现几种灰度化操作,并使用opencv来验证转化的对错,但在实际测试中发现了一些问题(转化后的图片有差异,以及如何在转化后根据灰度值生成灰度图等问题),并就此进行了一定的思考与验证。这里需要注意的是,网上的一些文章或多或少没有做更进一步的思考(甚至很多都是照搬,尤其是国内的文章),而对于这些实际问题,动手实现并验证是非常重要的方法。希望本文的内容对大家能有所帮助。如果有疑问可以留言讨论。
来源: http://www.phperz.com/article/17/1121/360136.html