使用HTML5技术实现Otsu算法(大津法)

本文主题

本文地址：
文章摘要：使用HTML5技术实现Otsu算法(大津法) ,近四百证券法梦乡,防静电情形鲸涛鼍浪。

      情人节在网上看到国外JS牛人利用HTML5技术实现的一朵玫瑰花，深切的感受到HTML5技术的强大。本着学习的态度看了一下那朵玫瑰花的源代码，其中用到的HTML5技术是canvas标签，于是灵光一现，想试一下能不能进行图像处理，结果成功了，再次介绍一下经验。

      本文的思路是获取一张带有验证码的图片，然后对其进行灰度化操作，完成后对其使用Otsu算法进行二值化操作，最后输出二值化的图片，其效果图如下：

澳门美高梅

            图1

最后友情提醒一下，HTML5技术在IE浏览器下面不支持或者是没有全面支持，因此如要进行HTML5开发请使用火狐或者是谷歌等支持的浏览器。

显示图像

在页面中引入canvas标签，并设置其id属性，在脚本中使用getElementById()来获取标签的句柄。

function drawImage(){ //获取标签的句柄 var canvas = document.getElementById('myCanvasElt'); //获取绘图的上下文 var ctx = canvas.getContext('2d'); //新建一个image，目的是为了读取图片 var img=new Image() img.src="image/VerifyCode.jpg" //将image中的图片绘制到canvas中 ctx.drawImage(img,0,0); }

以上代码实现了图1中原图像的显示。

灰值化图像

对图像进行灰值化的过程就是将一幅图像的RGB三个属性设为一致的过程，即去掉图像的颜色信息，使用灰度信息表达图像的内容。彩色转灰度图像有几种算法：

1.加权平均法。Gray = R*0.299 + G*0.587 + B*0.114

2.平均值法。Gray = ( R + G + B ）/3

3.最大值法。Gray  = Max(R,G,B)

其中R,G,B表示图像三个分量的值，上述三种算法的好坏对比在这里不做解释，详细资料请参阅彩色图像灰度化。本文采用第一种方法。

//彩色图像灰度化 function ProcessToGrayImage(){ var canvas = document.getElementById('myCanvasElt'); var ctx = canvas.getContext('2d'); //取得图像数据 var canvasData = ctx.getImageData(0, 0, canvas.width, canvas.height); //这个循环是取得图像的每一个点，在计算灰度后将灰度设置给原图像 for (var x = 0; x < canvasData.width; x++) { for (var y = 0; y < canvasData.height; y++) { // Index of the pixel in the array var idx = (x + y * canvas.width) * 4; // The RGB values var r = canvasData.data[idx + 0]; var g = canvasData.data[idx + 1]; var b = canvasData.data[idx + 2]; //更新图像数据 var gray = CalculateGrayValue(r , g , b); canvasData.data[idx + 0] = gray; canvasData.data[idx + 1] = gray; canvasData.data[idx + 2] = gray; } } ctx.putImageData(canvasData, 0, 0); } //计算图像的灰度值,公式为：Gray = R*0.299 + G*0.587 + B*0.114 function CalculateGrayValue(rValue,gValue,bValue){ return parseInt(rValue * 0.299 + gValue * 0.587 + bValue * 0.114); } Otsu算法

关于Otsu算法的具体理论在这里不再讲解。这是一种二值化速度很快的图像分割算法。后面会把该算法的理论详细说明。使用javascript算法实现的过程如下：

//一维OTSU图像处理算法 function OTSUAlgorithm(){ var m_pFstdHistogram = new Array();//表示灰度值的分布点概率 var m_pFGrayAccu = new Array();//其中每一个值等于m_pFstdHistogram中从0到当前下标值的和 var m_pFGrayAve = new Array();//其中每一值等于m_pFstdHistogram中从0到当前指定下标值*对应的下标之和 var m_pAverage=0;//值为m_pFstdHistogram【256】中每一点的分布概率*当前下标之和 var m_pHistogram = new Array();//灰度直方图 var i,j; var temp=0,fMax=0;//定义一个临时变量和一个最大类间方差的值 var nThresh = 0;//最优阀值 //获取灰度图像的信息 var imageInfo = GetGrayImageInfo(); if(imageInfo == null){ window.alert("图像还没有转化为灰度图像！"); return; } //初始化各项参数 for(i=0; i<256; i++){ m_pFstdHistogram[i] = 0; m_pFGrayAccu[i] = 0; m_pFGrayAve[i] = 0; m_pHistogram[i] = 0; } //获取图像信息 var canvasData = imageInfo[0]; //获取图像的像素 var pixels = canvasData.data; //下面统计图像的灰度分布信息 for(i=0; i<pixels.length; i+=4){ //获取r的像素值，澳门美高梅：因为灰度图像，r=g=b，所以取第一个即可 var r = pixels[i]; m_pHistogram[r]++; } //下面计算每一个灰度点在图像中出现的概率 var size = canvasData.width * canvasData.height; for(i=0; i<256; i++){ m_pFstdHistogram[i] = m_pHistogram[i] / size; } //下面开始计算m_pFGrayAccu和m_pFGrayAve和m_pAverage的值 for(i=0; i<256; i++){ for(j=0; j<=i; j++){ //计算m_pFGaryAccu[256] m_pFGrayAccu[i] += m_pFstdHistogram[j]; //计算m_pFGrayAve[256] m_pFGrayAve[i] += j * m_pFstdHistogram[j]; } //计算平均值 m_pAverage += i * m_pFstdHistogram[i]; } //下面开始就算OSTU的值，从0-255个值中分别计算ostu并寻找出最大值作为分割阀值 for (i = 0 ; i < 256 ; i++){ temp = (m_pAverage * m_pFGrayAccu[i] - m_pFGrayAve[i]) * (m_pAverage * m_pFGrayAccu[i] - m_pFGrayAve[i]) / (m_pFGrayAccu[i] * (1 - m_pFGrayAccu[i])); if (temp > fMax) { fMax = temp; nThresh = i; } } //下面执行二值化过程 for(i=0; i<canvasData.width; i++){ for(j=0; j<canvasData.height; j++){ //取得每一点的位置 var ids = (i + j*canvasData.width)*4; //取得像素的R分量的值 var r = canvasData.data[ids]; //与阀值进行比较，如果小于阀值，那么将改点置为0，否则置为255 var gray = r>nThresh?255:0; canvasData.data[ids+0] = gray; canvasData.data[ids+1] = gray; canvasData.data[ids+2] = gray; } } //显示二值化图像 var newImage = document.getElementById('myCanvasThreshold').getContext('2d'); newImage.putImageData(canvasData,0,0); } //获取图像的灰度图像的信息 function GetGrayImageInfo(){ var canvas = document.getElementById('myCanvasElt'); var ctx = canvas.getContext('2d'); var canvasData = ctx.getImageData(0, 0, canvas.width, canvas.height); if(canvasData.data.length==0){ return null; } return [canvasData,ctx]; } //下面对灰度图像进行处理，将目标信息分割出来 function DividedTarget(){ //读取二值化图像信息 var imageInfo = document.getElementById('myCanvasThreshold'); if(imageInfo == null){ window.alert("没有发现二值化图像信息！"); return; } //取得上下文 var ctx = imageInfo.getContext('2d'); //获取图像数据 var canvasData = imageInfo.getImageData(0, 0, ctx.width, ctx.height); var newVanvasData = canvasData; //取得图像的宽和高 var width = canvasData.width; var height = canvasData.height; //算法开始 var cursor = 2; for(var x=0; x<width; x++){ for(var y=0; y<height; y++){ //取得每一点的位置 var ids = (x + y*canvasData.width)*4; //取得像素的R分量的值 var r = canvasData.data[ids]; //如果是目标点 if(r==0){ } } } }