Java DIP - оператор Кирша

Маски компаса Кирша - это еще один тип производных масок, которые используются для обнаружения границ. Этот оператор также известен как маска направления. В этом операторе мы берем одну маску и вращаем ее во всех восьми направлениях компаса, чтобы получить края восьми направлений.

Мы собираемся использовать OpenCV функция filter2Dдля применения оператора Кирша к изображениям. Его можно найти вImgprocпакет. Его синтаксис приведен ниже -

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

Аргументы функции описаны ниже -

Sr. No.	Аргумент
1	src Это исходное изображение.
2	dst Это изображение назначения.
3	depth Это глубина dst. Отрицательное значение (например, -1) указывает, что глубина такая же, как у источника.
4	kernel Это ядро, которое нужно сканировать через изображение.
5	anchor Это положение якоря относительно его ядра. Местоположение Point (-1, -1) по умолчанию указывает центр.
6	delta Это значение, добавляемое к каждому пикселю во время свертки. По умолчанию это 0.
7	BORDER_DEFAULT Мы оставляем это значение по умолчанию.

Помимо метода filter2D (), существуют другие методы, предоставляемые классом Imgproc. Они кратко описаны -

Sr. No.	Метод и описание
1	cvtColor(Mat src, Mat dst, int code, int dstCn) Он преобразует изображение из одного цветового пространства в другое.
2	dilate(Mat src, Mat dst, Mat kernel) Он расширяет изображение за счет использования определенного структурирующего элемента.
3	equalizeHist(Mat src, Mat dst) Выравнивает гистограмму изображения в оттенках серого.
4	filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta) Он сворачивает образ с ядром.
5	GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) Он размывает изображение с помощью фильтра Гаусса.
6	integral(Mat src, Mat sum) Он вычисляет интеграл изображения.

пример

В следующем примере демонстрируется использование класса Imgproc для применения оператора Кирша к изображению в оттенках серого.

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());
      }
   }
}