Java DIP - ตัวกรองค่าเฉลี่ยถ่วงน้ำหนัก

ในตัวกรองค่าเฉลี่ยถ่วงน้ำหนักเราให้น้ำหนักกับค่าศูนย์มากขึ้นเนื่องจากการมีส่วนร่วมของศูนย์มากกว่าค่าที่เหลือ เนื่องจากการกรองแบบถัวเฉลี่ยถ่วงน้ำหนักเราสามารถควบคุมความเบลอของภาพได้

เราใช้ OpenCV ฟังก์ชัน filter2Dเพื่อใช้ฟิลเตอร์ถัวเฉลี่ยถ่วงน้ำหนักกับรูปภาพ สามารถดูได้ที่ด้านล่างImgprocแพ็คเกจ ไวยากรณ์ได้รับด้านล่าง -

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

อาร์กิวเมนต์ของฟังก์ชันอธิบายไว้ด้านล่าง -

ซีเนียร์ อาร์กิวเมนต์และคำอธิบาย
1

src

เป็นภาพต้นฉบับ

2

dst

เป็นภาพปลายทาง

3

ddepth

มันคือความลึกของ dst ค่าลบ (เช่น -1) บ่งชี้ว่าความลึกเหมือนกับแหล่งที่มา

4

kernel

เป็นเคอร์เนลที่จะสแกนผ่านภาพ

5

anchor

เป็นตำแหน่งของจุดยึดที่สัมพันธ์กับเคอร์เนล ตำแหน่งจุด (-1, -1) ระบุจุดศูนย์กลางตามค่าเริ่มต้น

6

delta

เป็นค่าที่จะเพิ่มให้กับแต่ละพิกเซลระหว่างการแปลง โดยค่าเริ่มต้นจะเป็น 0

7

BORDER_DEFAULT

เราปล่อยให้ค่านี้เป็นค่าเริ่มต้น

นอกเหนือจากเมธอด filter2D () แล้วยังมีเมธอดอื่น ๆ ที่จัดเตรียมโดยคลาส Imgproc มีการอธิบายสั้น ๆ -

ซีเนียร์ วิธีการและคำอธิบาย
1

cvtColor(Mat src, Mat dst, int code, int dstCn)

มันแปลงภาพจากพื้นที่สีหนึ่งไปเป็นอีกที่หนึ่ง

2

dilate(Mat src, Mat dst, Mat kernel)

ขยายภาพโดยใช้องค์ประกอบโครงสร้างเฉพาะ

3

equalizeHist(Mat src, Mat dst)

มันทำให้ฮิสโตแกรมของภาพสีเทาเท่ากัน

4

filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta)

มันแปลงภาพด้วยเคอร์เนล

5

GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX)

มันเบลอภาพโดยใช้ฟิลเตอร์ Gaussian

6

integral(Mat src, Mat sum)

คำนวณอินทิกรัลของรูปภาพ

ตัวอย่าง

ตัวอย่างต่อไปนี้แสดงให้เห็นถึงการใช้คลาส Imgproc เพื่อใช้ตัวกรองค่าเฉลี่ยถ่วงน้ำหนักกับรูปภาพของ Graycale

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 = Mat.ones(kernelSize,kernelSize, CvType.CV_32F) {	      
         
         for(int i=0; i<kernel.rows(); i++) {
            for(int j=0; j<kernel.cols(); j++) {

               double[] m = kernel.get(i, j);

               for(int k =0; k<m.length; k++) {

                  if(i==1 && j==1) {
                     m[k] = 10/18;
                  }
                  else{
                     m[k] = m[k]/(18);
                  }
               }
               kernel.put(i,j, m);

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

เอาต์พุต

เมื่อคุณรันโค้ดที่กำหนดจะเห็นผลลัพธ์ต่อไปนี้ -

ภาพต้นฉบับ

ภาพต้นฉบับนี้เชื่อมต่อกับตัวกรองค่าเฉลี่ยถ่วงน้ำหนักตามที่ระบุด้านล่าง -

ตัวกรองเฉลี่ยถ่วงน้ำหนัก

1 1 1
1 10 1
1 1 1

ภาพที่ได้รับการแก้ไข