Java DIP - Operator Kirsch

Masker kompas Kirsch adalah jenis lain dari topeng turunan yang digunakan untuk deteksi tepi. Operator ini juga dikenal sebagai topeng arah. Dalam operator ini kami mengambil satu topeng dan memutarnya ke delapan arah kompas untuk mendapatkan tepi delapan arah.

Kami akan menggunakan OpenCV fungsi filter2Duntuk menerapkan operator Kirsch ke gambar. Itu dapat ditemukan di bawahImgprocpaket. Sintaksnya diberikan di bawah ini -

filter2D(src, dst, depth , kernel, anchor, delta, BORDER_DEFAULT );

Argumen fungsi dijelaskan di bawah ini -

Sr.No.	Argumen
1	src Itu adalah gambar sumber.
2	dst Itu adalah gambar tujuan.
3	depth Ini adalah kedalaman dst. Nilai negatif (seperti -1) menunjukkan bahwa kedalamannya sama dengan sumbernya.
4	kernel Ini adalah kernel yang akan dipindai melalui gambar.
5	anchor Ini adalah posisi jangkar relatif terhadap kernelnya. Lokasi Titik (-1, -1) menunjukkan pusat secara default.
6	delta Ini adalah nilai yang akan ditambahkan ke setiap piksel selama konvolusi. Secara default adalah 0.
7	BORDER_DEFAULT Kami membiarkan nilai ini secara default.

Selain metode filter2D (), ada metode lain yang disediakan oleh kelas Imgproc. Mereka dijelaskan secara singkat -

Sr.No.	Metode & Deskripsi
1	cvtColor(Mat src, Mat dst, int code, int dstCn) Ini mengubah gambar dari satu ruang warna ke ruang warna lainnya.
2	dilate(Mat src, Mat dst, Mat kernel) Ini melebarkan gambar dengan menggunakan elemen penataan tertentu.
3	equalizeHist(Mat src, Mat dst) Ini menyamakan histogram dari gambar grayscale.
4	filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta) Ini menggabungkan gambar dengan kernel.
5	GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) Ini mengaburkan gambar menggunakan filter Gaussian.
6	integral(Mat src, Mat sum) Ini menghitung integral dari sebuah gambar.

Contoh

Contoh berikut menunjukkan penggunaan kelas Imgproc untuk menerapkan operator Kirsch ke citra Grayscale.

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;

import org.opencv.highgui.Highgui;
import org.opencv.imgproc.Imgproc;

public class convolution {
   public static void main( String[] args ) {
   
      try {
         int kernelSize = 9;
         System.loadLibrary( Core.NATIVE_LIBRARY_NAME );
         
         Mat source = Highgui.imread("grayscale.jpg",  Highgui.CV_LOAD_IMAGE_GRAYSCALE);
         Mat destination = new Mat(source.rows(),source.cols(),source.type());
         
         Mat kernel = new Mat(kernelSize,kernelSize, CvType.CV_32F) {
            {
               put(0,0,-3);
               put(0,1,-3);
               put(0,2,-3);
      
               put(1,0-3);
               put(1,1,0);
               put(1,2,-3);

               put(2,0,5);
               put(2,1,5);
               put(2,2,5);
            }
         };	      
         
         Imgproc.filter2D(source, destination, -1, kernel);
         Highgui.imwrite("output.jpg", destination);
         
      } catch (Exception e) {
         System.out.println("Error: " + e.getMessage());
      }
   }
}