一直以来对Java的图形处理能力表无力，但好像又不是那么一回事，之前用PHP做过一些应用，涉及到验证码的识别，其中有个图片二值化的步骤，今天换成Java来实现下
在java的扩展包javax.imageio中为我们提供了一个类叫ImageIO,这个类提供了一些执行简单编码和解码的静态便捷方法，具体说明大家可以翻下API看看
下面来说下关于图片二值化的原理：
1、首先要获取每个像素点的灰度值。
2、定义一个阀值。
3、将每个像素点的灰度值和它周围的8个像素点的灰度值相叠加再除以9，然后和阀值进行比较。
4、大于阀值则设为黑色，小雨则为白色。
下面贴下具体代码，注释很全
- separator是File类的一个常量，因年代久远的关系，那时候的代码规范没有和现在一样，常量必须大写，属于历史遗留问题，不必太纠结（建议使用separator而不是"/"，便于跨平台） 。
- BufferedImage里的getRGB得到的是一个ARGB，A代表透明，R代表红色，G代表绿色，B代表蓝色。
- 包装类Integer里的parseInt方法，第二个可选参数为"要处理几进制的数"。
- 关于阀值，网上有许多算法，有兴趣的朋友可以自己研究下，这里我随机给出了一个中间数130。
- 关于图片的灰度值，这里使用简单的(R+G+B)/3。
import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException; import javax.imageio.ImageIO; public class ImageTest { public static void main(String[] args) throws IOException {
String filename = "D:" + File.separator + "/123.jpg";// separator是File里的一个常量,由于java历史遗留问题故为小写
File file = new File(filename);
BufferedImage bi = ImageIO.read(file);
// 获取当前图片的高,宽,ARGB
int h = bi.getHeight();
int w = bi.getWidth();
int rgb = bi.getRGB(0, 0);
int arr[][] = new int[w][h]; // 获取图片每一像素点的灰度值
for (int i = 0; i < w; i++) {
for (int j = 0; j < h; j++) {
// getRGB()返回默认的RGB颜色模型(十进制)
arr[i][j] = getImageRgb(bi.getRGB(i, j));//该点的灰度值
} } BufferedImage bufferedImage=new BufferedImage(w, h, BufferedImage.TYPE_BYTE_BINARY);// 构造一个类型为预定义图像类型之一的 BufferedImage，TYPE_BYTE_BINARY（表示一个不透明的以字节打包的 1、2 或 4 位图像。）
int FZ=130;
for (int i = 0; i < w; i++) {
for (int j = 0; j < h; j++) {
if(getGray(arr,i,j,w,h)>FZ){
int black=new Color(255,255,255).getRGB();
bufferedImage.setRGB(i, j, black);
}else{
int white=new Color(0,0,0).getRGB();
bufferedImage.setRGB(i, j, white);
}
} }
ImageIO.write(bufferedImage, "jpg", new File("D:"+File.separator+"new123.jpg"));
} private static int getImageRgb(int i) {
String argb = Integer.toHexString(i);// 将十进制的颜色值转为十六进制
// argb分别代表透明,红,绿,蓝 分别占16进制2位
int r = Integer.parseInt(argb.substring(2, 4),16);//后面参数为使用进制
int g = Integer.parseInt(argb.substring(4, 6),16);
int b = Integer.parseInt(argb.substring(6, 8),16);
int result=(int)((r+g+b)/3);
return result;
} //自己加周围8个灰度值再除以9，算出其相对灰度值
public static int getGray(int gray[][], int x, int y, int w, int h)
{
int rs = gray[x][y]
+ (x == 0 ? 255 : gray[x - 1][y])
+ (x == 0 || y == 0 ? 255 : gray[x - 1][y - 1])
+ (x == 0 || y == h - 1 ? 255 : gray[x - 1][y + 1])
+ (y == 0 ? 255 : gray[x][y - 1])
+ (y == h - 1 ? 255 : gray[x][y + 1])
+ (x == w - 1 ? 255 : gray[x + 1][ y])
+ (x == w - 1 || y == 0 ? 255 : gray[x + 1][y - 1])
+ (x == w - 1 || y == h - 1 ? 255 : gray[x + 1][y + 1]);
return rs / 9;
}
}
看下效果吧：