图像处理之应用篇-大米计数续

from： http://blog.csdn.net/jia20003/article/details/7757276
图像处理之应用篇-大米计数续

背景介绍：

请看博客文章《图像处理之简单综合实例(大米计数)》

其实拍出来的照片更多的是含有大米颗粒相互接触，甚至于有点重叠的照片

要准确计算大米的颗粒数非常困难，通过图像形态学开闭操作，腐蚀等手

段尝试以后效果不是很好。最终发现一种简单明了但是有微小误差的计数

方法。照相机图片：



算法思想：

主要是利用连通区域发现算法，发现所有连通区域，使用二分法，截取较小

部分的连通区域集合，求取平均连通区域面积，根据此平均连通区域面积，

作为单个大米大小，从而求取出粘连部分的大米颗粒数，完成对整个大米

数目的统计：

缺点：

平均连通区域面积的计算受制于两个因素，一个是最小连通区域集合的选取算法，

二个样本数量。算法结果跟实际结果有一定的误差，但是误差在1%左右。

程序算法代码详解

将输入图像转换为黑白二值图像，求得连通区域的算法代码如下：

src = super.filter(src,null);
getRGB(src, 0, 0, width,height, inPixels );
FastConnectedComponentLabelAlgfccAlg =
new FastConnectedComponentLabelAlg();
fccAlg.setBgColor(0);
int[] outData = fccAlg.doLabel(inPixels, width, height);

获取平均大米颗粒连通区域的代码如下：

Integer[] values =labelMap.values().toArray(new Integer[0]);
Arrays.sort(values);
int minRiceNum = values.length/4;
float sum = 0;
for(int v=offset;
v<minRiceNum +offset; v++) {
sum += values[v].intValue();
}
float minMeans = sum / (float)minRiceNum;
System.out.println(" minMeans = " + minMeans);

程序时序图如下：



程序运行效果如下：



实际大米颗粒数目为202，正确率为99%

完成大米数目统计的源代码如下（其它相关代码见以前的图像处理系列文章）：

[java]
view plaincopy

public class FindRiceFilter extends BinaryFilter {

private int sumRice;
private int offset = 10;

public int getSumRice() {
return this.sumRice;
}

public void setOffset(int pos) {
this.offset = pos;
}

@Override
public BufferedImage filter(BufferedImage src, BufferedImage dest) {
int width = src.getWidth();
int height = src.getHeight();
if ( dest == null )
dest = createCompatibleDestImage( src, null );

int[] inPixels = new int[width*height];
int[] outPixels = new int[width*height];
src = super.filter(src, null);
getRGB(src, 0, 0, width, height, inPixels );
FastConnectedComponentLabelAlg fccAlg = new FastConnectedComponentLabelAlg();
fccAlg.setBgColor(0);
int[] outData = fccAlg.doLabel(inPixels, width, height);

// labels statistic
HashMap<Integer, Integer> labelMap = new HashMap<Integer, Integer>();
for(int d=0; d<outData.length; d++) {
if(outData[d] != 0) {
if(labelMap.containsKey(outData[d])) {
Integer count = labelMap.get(outData[d]);
count+=1;
labelMap.put(outData[d], count);
} else {
labelMap.put(outData[d], 1);
}
}
}

Integer[] values = labelMap.values().toArray(new Integer[0]);
Arrays.sort(values);
int minRiceNum = values.length/4;
float sum = 0;
for(int v= offset; v<minRiceNum + offset; v++) {
sum += values[v].intValue();
}
float minMeans = sum / (float)minRiceNum;
System.out.println(" minMeans = " + minMeans);

// try to find the max connected component
Integer[] keys = labelMap.keySet().toArray(new Integer[0]);
Arrays.sort(keys);
int threshold = 10;
ArrayList<Integer> listKeys = new ArrayList<Integer>();
for(Integer key : keys) {
if(labelMap.get(key) <=threshold){
listKeys.add(key);
} else {
float xx = labelMap.get(key);
float intPart = (float)Math.floor(xx / minMeans + 0.5f);
sumRice += intPart;
}
}
System.out.println( "Number of rice = " + sumRice);
// sumRice = keys.length - listKeys.size();

// calculate means of pixel
int index = 0;
for(int row=0; row<height; row++) {
int ta = 0, tr = 0, tg = 0, tb = 0;
for(int col=0; col<width; col++) {
index = row * width + col;
ta = (inPixels[index] >> 24) & 0xff;
tr = (inPixels[index] >> 16) & 0xff;
tg = (inPixels[index] >> 8) & 0xff;
tb = inPixels[index] & 0xff;
if(outData[index] != 0 && validRice(outData[index], listKeys)) {
tr = tg = tb = 255;
} else {
tr = tg = tb = 0;
}
outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;
}
}
setRGB( dest, 0, 0, width, height, outPixels );
return dest;
}

private boolean validRice(int i, ArrayList<Integer> listKeys) {
for(Integer key : listKeys) {
if(key == i) {
return false;
}
}
return true;
}

}

转载文章请务必注明出处