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());
      }
   }
}

Вывод

Когда вы выполняете данный код, виден следующий вывод -

Исходное изображение

Это исходное изображение свернуто с оператором Кирша восточных краев, который, как показано ниже -

Кирш Восток

-3 -3 -3
-3 0 -3
5 5 5

Свернутое изображение (Кирш Восток)

Это исходное изображение свернуто с оператором Кирша юго-западных краев, который, как показано ниже -

Кирш Юго-Запад

5 5 -3
5 0 -3
-3 -3 -3

Свернутое изображение (Кирш, юго-запад)