利用邊緣改進(jìn)全局閾值處理-c#實(shí)現(xiàn)-基于EmguCv

關(guān)于邊緣改進(jìn)全局閾值處理基本實(shí)現(xiàn)是：

?1.先計(jì)算其邊界，利用拉普拉斯或者梯度變換都以。

?2.計(jì)算變化后邊界圖像的絕對(duì)值

3.指定一個(gè)閾值（一般以百分比的形式指定，比如我指定90%，如果存在有灰度k,灰度小于K的像素總數(shù)占全部像素的90%，那么K就是我們要求的灰度）

4.對(duì)2中計(jì)算完的圖像進(jìn)行閾值變換，轉(zhuǎn)化為2值圖像

5.用4中計(jì)算得到的二值圖像乘原始圖像。

6.計(jì)算5中計(jì)算的到的圖像中灰度大于0的直方圖。

7.對(duì)6中得到的直方圖進(jìn)行全局分隔。

8.提出全局分隔出來的灰度，用該灰度對(duì)原始圖片進(jìn)行閾值分割，即可得到結(jié)果。

c#算法實(shí)現(xiàn)

主函數(shù)：

??//////?邊界修飾自適應(yīng)閾值變換
????????//////輸入圖像///百分比///public?static?Mat?EdgeModifyOtsu(Mat?image,double?percent=0.99)
????????{
????????????Mat?_m?=?new?Mat();//拉普拉斯變換后的圖像
????????????Mat?_m1?=?new?Mat();
????????????Mat?_Rmat?=?new?Mat();//要返回的圖像
????????????//拉普拉斯變換
????????????CvInvoke.Laplacian(image,?_m,?Emgu.CV.CvEnum.DepthType.Cv16S,3);
????????????//取絕對(duì)值
????????????_m1?=?AbsCv16s(_m);
????????????//閾值變換
????????????double?max?=?PercentGary(_m1,?percent);
????????????CvInvoke.Threshold(_m1,?_m1,?max,?1,?Emgu.CV.CvEnum.ThresholdType.Binary);

????????????//轉(zhuǎn)換為8字節(jié)
????????????_m1?=?Cv16sTo8u(_m1);

????????????//與原圖像相乘
????????????CvInvoke.Multiply(_m1,?image,?_m1,?1,?Emgu.CV.CvEnum.DepthType.Cv8U);
????????????//尋找相乘后的圖像灰度大于0的直方圖的自適應(yīng)閾值
????????????int?_K?=?OtsuThreshold(_m1,?1);
????????????CvInvoke.Threshold(image,?_Rmat,?_K,?255,?Emgu.CV.CvEnum.ThresholdType.Binary);
????????????return?_Rmat;
????????}

取絕對(duì)值函數(shù)：

//////?將16位像素的灰度值絕對(duì)值化
????????//////圖片///轉(zhuǎn)換好的圖片public?static?Mat?AbsCv16s(Mat?image)
????????{
????????????Mat?_m_?=?new?Mat(image.Size,?Emgu.CV.CvEnum.DepthType.Cv16S,?1);
????????????unsafe
????????????{
????????????????Int16*?dataImage?=?(Int16*)image.DataPointer.ToPointer();
????????????????Int16*?data_m_?=?(Int16*)_m_.DataPointer.ToPointer();
????????????????for?(int?row?=?0;?row?<?image.Height;?row++)
????????????????{
????????????????????//data?=?data?+?row?*?image.Cols;
????????????????????for?(int?col?=?0;?col?<?image.Width;?col++)
????????????????????{
????????????????????
????????????????????????????Int16?_ii?=?*dataImage;
????????????????????????????*?data_m_?=?Math.Abs(_ii);?
????????????????????????
????????????????????????dataImage++;
????????????????????????data_m_++;
????????????????????}
????????????????}
????????????}
????????????return?_m_;
????????}

用百分比計(jì)算分割函數(shù)：

?//////?計(jì)算圖片百分比像素的灰度值
????????//////輸入圖片///百分比像素///返回灰度值public?static?double?PercentGary(Mat?image,?double?percent)
????????{
????????????long[]?_his?=?Histogram(image,?0,16);
????????????long?_count?=?0;//表示在k中存在的像素
????????????for?(int?_index?=?0;?_index?<?Math.Pow(2,16);?_index++)//若所有像素都在k內(nèi)，就將其方差置為0
????????????{
????????????????_count?+=?_his[_index];
????????????????if?((double)_count?/?image.Total.ToInt64()?>?percent)
????????????????{
????????????????????return?_index;
????????????????}

????????????}
????????????return?Math.Pow(2,?16);

????????}

將16位有符號(hào)二值圖像轉(zhuǎn)換為8位無符二值圖像函數(shù)：

//////?將16有符號(hào)位二值圖轉(zhuǎn)化為8位
????????//////圖片///返回轉(zhuǎn)換好的圖片public?static?Mat?Cv16sTo8u(Mat?image)
????????{
????????????Mat?_m_?=?new?Mat(image.Size,?Emgu.CV.CvEnum.DepthType.Cv8U,?1);
????????????unsafe
????????????{
????????????????Int16*?dataImage?=?(Int16*)image.DataPointer.ToPointer();
????????????????byte*?data_m_?=?(byte*)_m_.DataPointer.ToPointer();
????????????????for?(int?row?=?0;?row?<?image.Height;?row++)
????????????????{
????????????????????//data?=?data?+?row?*?image.Cols;
????????????????????for?(int?col?=?0;?col?<?image.Width;?col++)
????????????????????{
????????????????????????*data_m_?=?Convert.ToByte(?Math.Abs(*dataImage));
????????????????????????dataImage++;
????????????????????????data_m_++;
????????????????????}
????????????????}
????????????}
????????????return?_m_;
????????}

尋找相乘后的圖像灰度大于0的直方圖的自適應(yīng)閾值函數(shù)：

?

???//////?尋找圖片大于d值像素集的最適應(yīng)閾值
????????//////輸入的圖片//////返回最合適閾值public?static?int?OtsuThreshold(Mat?image,?int?d)
????????{
????????????long[]?his?=?Histogram(image,8,d);

????????????float?_PK;
????????????float?_MK;//第k級(jí)累加灰度均值；
????????????float?_MG?=?0;//整個(gè)圖片的灰度均值

????????????long?_MN?=?0;//圖片的像素?cái)?shù)目
????????????float[]?_Ks?=?new?float[256];//存儲(chǔ)類值最大方差
????????????float?_Max;//類間最大方差
????????????List_MaxKs?=?new?List();//存儲(chǔ)使類間方差最大的多個(gè)K值；

????????????for?(int?_index?=?0;?_index?<?his.Length;?_index++)//計(jì)算直方圖中像素的總數(shù)
????????????{
????????????????_MN?+=?his[_index];
????????????}

????????????for?(int?i?=?0;?i?<?256;?i++)//計(jì)算圖片平均灰度值
????????????{
????????????????_MG?+=?(float)(i?*?(double)his[i]?/?_MN);
????????????}


????????????for?(int?k?=?0;?k?<?256;?k++)//計(jì)算?圖片在不同K的類值最大方差
????????????{
????????????????long?_count?=?0;//表示在k中存在的像素
????????????????for?(int?_index?=?0;?_index?<=?k;?_index++)//若所有像素都在k內(nèi)，就將其方差置為0
????????????????{
????????????????????_count?+=?his[_index];
????????????????}
????????????????if?(_count?==?_MN)
????????????????{
????????????????????_Ks[k]?=?0;
????????????????????continue;
????????????????}
????????????????else?if?(_count?==?0)
????????????????{
????????????????????_Ks[k]?=?0;
????????????????????continue;
????????????????}

????????????????_PK?=?(float)((double)_count?/?_MN);

????????????????_MK?=?0;

????????????????for?(int?i?=?d;?i?<=?k;?i++)
????????????????{
????????????????????float?p?=?(float)((double)his[i]?/?_MN);
????????????????????//_PK?+=?p;
????????????????????_MK?+=?i?*?p;
????????????????}

????????????????_Ks[k]?=?(float)Math.Pow(_MG?*?_PK?-?_MK,?2)?/?(_PK?*?(1?-?_PK));

????????????}

????????????_Ks[0]?=?0;
????????????_Max?=?_Ks.Max();
????????????for?(int?i?=?0;?i?<?256;?i++)
????????????{
????????????????if?(_Ks[i]?==?_Max)
????????????????????_MaxKs.Add(i);
????????????}

????????????int?_K?=?(int)_MaxKs.Average();
????????????return?_K;
????????}

計(jì)算直方圖函數(shù)：

?//////?圖片灰度直方圖計(jì)算
????????//////圖片///深度///要跳過的灰度///public?static?long[]?Histogram(Mat?image,?int?depth=?8,int?d?=?0)
????????{
????????????if?(image.NumberOfChannels?!=?1)
????????????{
????????????????throw?new?Exception("通道必須為1");
????????????}

????????????//提取直方圖------------------------------------
????????????long[]?_his?=?new?long[(int)?Math.Pow(2,depth)];
????????????for?(int?i?=?d;?i?<?(int)Math.Pow(2,?depth);?i++)
????????????{
????????????????_his[i]?=?0;
????????????}

????????????unsafe
????????????{
????????????????byte*?data?=?(byte*)image.DataPointer.ToPointer();

????????????????for?(int?row?=?0;?row?<?image.Height;?row++)
????????????????{
????????????????????//data?=?data?+?row?*?image.Cols;
????????????????????for?(int?col?=?0;?col?<?image.Width;?col++)
????????????????????{
????????????????????????if?(*data?>=?d)
????????????????????????{
????????????????????????????_his[*data]++;
????????????????????????}
????????????????????????data++;
????????????????????}
????????????????}
????????????}
????????????return?_his;
????????}

???

這是基于emgucv基本的實(shí)現(xiàn)函數(shù).

下面是其處理效果：

原始圖片：

先用均值濾波器濾波，再用普通的otsu 得到的是：??????????????????????????????????????????????????????????????? 邊界修飾后的：

??????????????????????????????????????????????????????????????????????

原始圖片：

普通Otsu處理結(jié)果：???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 邊界修飾后：

?????????????????