OpenCV を使用した画像の二値化とグレースケール変換

グレースケール方式

最大方式: カラー画像内の 3 成分の明るさの最大値をグレースケール画像のグレースケール値として使用します。

写真

平均値法: カラー画像内の 3 つの明るさ成分を平均してグレースケール値を取得します。

写真

加重平均方式: R、G、B の 3 つのチャネルに対する人間の目の感度に応じて、一定の重みに従って加重平均してグレースケール値を取得します。

写真

浮動小数点グレースケール方式: 赤、緑、青のカラーチャネルに異なる浮動小数点の重みを掛け合わせ、RGB の重みの合計が 1 になるようにして、グレースケール値を取得します。

写真

整数グレースケール方式: 浮動小数点演算を避け、整数演算を使用して、RGB の重みの合計が 100 になるようにグレースケール値を取得します。

写真

シフトグレースケール方式: シフト計算は整数グレースケール方式よりも高速です。

写真

シングルチャネル方式: 緑のみがグレー値として取得されます。

写真

グレースケール方式の例:

 //进行灰度mBitmap?.run { val bitmap = Bitmap.createBitmap(this.width, this.height, Bitmap.Config.ARGB_8888) val srcMat = Mat() val dstMat = Mat() Utils.bitmapToMat(this, srcMat) Imgproc.cvtColor(srcMat, dstMat, Imgproc.COLOR_BGRA2GRAY) Utils.matToBitmap(dstMat, bitmap) runOnUiThread { mBinding.ivImage.setImageBitmap(bitmap) } srcMat.release() dstMat.release() }

写真

二値化法

グローバルしきい値設定: この方法では、特定のしきい値を超える明るさのピクセルは画像全体で前景 (白) としてマークされ、しきい値を下回る明るさのピクセルは背景 (黒) としてマークされると想定されます。
Otsu しきい値設定: これはヒストグラムに基づく適応しきい値選択アルゴリズムであり、使用されるしきい値はターゲットと背景の差を最大化できます。
ローカルしきい値方式: この方式は、グローバルしきい値方式のように画像全体を前景と背景に分割するのではなく、各ピクセルの周囲の明るさの変化に基づいて前景に属するか背景に属するかを判断します。この方法は通常、照明が不均一、ノイズが多い、テクスチャが粗いなどの状況で画像を二値化するために使用されます。
適応しきい値設定: この方法では、各ピクセルのしきい値を、その近傍のピクセルの平均または加重平均に関連する値に設定します。この方法は通常、グレースケール画像から何らかの特殊な特徴を抽出する必要がある場合に使用されます。
形態学的演算に基づくローカル二値化法: この方法はしきい値法に基づいており、画像のローカル特性をより適切に反映するために、画像のさまざまな領域に異なるしきい値を設定します。
クラスター分析に基づく二値化方法: この方法では、ピクセルのグレースケール値を 2 つのクラスターに分割し、2 つのクラスターの平均をそれぞれ計算し、その平均を処理のしきい値として使用します。
エッジ検出に基づく二値化方法: この方法では、画像内のエッジを検出した後、エッジピクセルを白に、その他のピクセルを黒に設定して、画像の二値化を実現します。

OpenCV では、しきい値分割の threshold() 関数、カラー画像分割の inRange() 関数、エッジ検出の Canny() 関数を使用して画像の二値化を実現できます。

OpenCV で最も簡単な実装方法は、まず画像をグレースケール化し、次にグレースケール画像内の各ピクセルを走査し、そのピクセル値が固定しきい値より大きいかどうかに応じて、出力画像内の対応する位置のピクセルに異なる値を割り当てることです。式は次のとおりです。

写真

二値化方法の例:

 mBitmap?.run { val bitmap = Bitmap.createBitmap(this.width, this.height, Bitmap.Config.ARGB_8888) //先灰度val srcMat = Mat() val dstMat = Mat() Utils.bitmapToMat(this, srcMat) Imgproc.cvtColor(srcMat, dstMat, Imgproc.COLOR_BGRA2GRAY) val resultMat = Mat() Imgproc.threshold(dstMat, resultMat, 100.0, 255.0, Imgproc.THRESH_BINARY) Utils.matToBitmap(resultMat, bitmap) runOnUiThread { mBinding.ivImage.setImageBitmap(bitmap) } srcMat.release() dstMat.release() resultMat.release() }

写真

完全な例

<?xml versinotallow="1.0" encoding="utf-8"?> <LinearLayout xmlns:android="http://schemas.android.com/apk/res/android" xmlns:tools="http://schemas.android.com/tools" android:layout_width="match_parent" android:layout_height="match_parent" android:orientation="vertical" tools:context=".activity.TestActivity"> <ImageView android:id="@+id/iv_image" android:layout_width="match_parent" android:layout_height="300dp" android:scaleType="centerCrop" /> <LinearLayout android:layout_width="match_parent" android:layout_height="wrap_content" android:layout_marginTop="20dp" android:orientation="horizontal"> <Button android:id="@+id/btn_load" android:layout_width="wrap_content" android:layout_height="wrap_content" android:layout_weight="1" android:text="加载图片" android:textSize="16sp" /> <Button android:id="@+id/btn_gray" android:layout_width="wrap_content" android:layout_height="wrap_content" android:layout_marginStart="16dp" android:layout_weight="1" android:text="图片灰度化" android:textSize="16sp" /> <Button android:id="@+id/btn_binarization" android:layout_width="wrap_content" android:layout_height="wrap_content" android:layout_marginStart="16dp" android:layout_weight="1" android:text="图片二值化" android:textSize="16sp" /> </LinearLayout> </LinearLayout>

 class TestActivity : AppCompatActivity() { private val TAG = MainActivity::class.java.simpleName private lateinit var mBinding: ActivityTestBinding private var mBitmap: Bitmap? = null override fun onCreate(savedInstanceState: Bundle?) { super.onCreate(savedInstanceState) mBinding = ActivityTestBinding.inflate(layoutInflater) setContentView(mBinding.root) //初始化OpenCV val initState = OpenCVLoader.initLocal() Log.d(TAG, "onCreate: OpenCV初始化$initState") mBinding.btnLoad.setOnClickListener { val intent = Intent() intent.setType("image/*") intent.setAction(Intent.ACTION_GET_CONTENT) startActivityForResult(intent, 20240104) } mBinding.btnGray.setOnClickListener { if (mBitmap == null) { return@setOnClickListener } //进行灰度mBitmap?.run { val bitmap = Bitmap.createBitmap(this.width, this.height, Bitmap.Config.ARGB_8888) val srcMat = Mat() val dstMat = Mat() Utils.bitmapToMat(this, srcMat) Imgproc.cvtColor(srcMat, dstMat, Imgproc.COLOR_BGRA2GRAY) Utils.matToBitmap(dstMat, bitmap) runOnUiThread { mBinding.ivImage.setImageBitmap(bitmap) } srcMat.release() dstMat.release() } } mBinding.btnBinarization.setOnClickListener { if (mBitmap == null) { return@setOnClickListener } mBitmap?.run { val bitmap = Bitmap.createBitmap(this.width, this.height, Bitmap.Config.ARGB_8888) //先灰度val srcMat = Mat() val dstMat = Mat() Utils.bitmapToMat(this, srcMat) Imgproc.cvtColor(srcMat, dstMat, Imgproc.COLOR_BGRA2GRAY) val resultMat = Mat() Imgproc.threshold(dstMat, resultMat, 100.0, 255.0, Imgproc.THRESH_BINARY) Utils.matToBitmap(resultMat, bitmap) runOnUiThread { mBinding.ivImage.setImageBitmap(bitmap) } srcMat.release() dstMat.release() resultMat.release() } } } override fun onActivityResult(requestCode: Int, resultCode: Int, data: Intent?) { super.onActivityResult(requestCode, resultCode, data) if (requestCode == 20240104 && resultCode == RESULT_OK && data != null) { data.data?.run { mBitmap = BitmapFactory.decodeStream(contentResolver.openInputStream(this)) } mBitmap?.run { mBinding.ivImage.setImageBitmap(this) } } } }

要約する

画像の二値化は、画像内のピクセルを 0 または 255 に設定して白黒効果を実現するプロセスです。適切なしきい値を選択することで、グレースケール画像内のピクセルを 2 つのカテゴリに分類できます。1 つは前景 (ターゲット)、もう 1 つは背景と見なされます。これにより、対象の輪郭を強調しながら画像データの量を削減できます。

グレースケーリングは、カラー画像をグレースケール画像に変換するプロセスです。グレースケール画像では、カラー画像の赤、緑、青の 3 つのチャネルではなく、各ピクセルに 1 つのグレースケール値のみが含まれます。グレースケール画像には明るさの情報のみが含まれ、色情報は含まれていないため、画像処理や分析を簡素化するためによく使用されます。

グレースケール画像の各ピクセルは 8 ビットで表すことができるため、グレースケール値は 0 ～ 255 になります。バイナリ画像では、ピクセルには黒 (0) と白 (255) の 2 つの状態しかありません。

二値化はグレースケール画像を白黒の二値画像に変換するプロセスであり、グレースケーリングはカラー画像をグレースケール画像に変換するプロセスです。 OpenCV では、さまざまなしきい値処理方法を使用して、画像の二値化とグレースケール化を実現できます。

<<: 2023 年のテクノロジー業界の最高、最悪、そして最も醜い出来事

>>: デザイナーに必須の AI ツール 11 選