Java 数字图像处理 - 应用方框滤波器

我们应用方框滤波器来模糊图像。方框滤波器的尺寸可以是 3x3、5x5、9x9 等。

我们使用OpenCV 函数filter2D 将方框滤波器应用于图像。它可以在Imgproc 包中找到。其语法如下：

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

函数参数描述如下：

序号	参数及说明
1	src 源图像。
2	dst 目标图像。
3	depth dst 的深度。负值（例如 -1）表示深度与源图像相同。
4	kernel 扫描图像的内核。
5	anchor 锚点相对于其内核的位置。默认情况下，Point(-1, -1) 表示中心。
6	delta 在卷积期间添加到每个像素的值。默认值为 0。
7	BORDER_DEFAULT 我们使用默认值。

除了 filter2D() 方法外，Imgproc 类还提供了其他方法。简要描述如下：

序号	方法及说明
1	cvtColor(Mat src, Mat dst, int code, int dstCn) 将图像从一种颜色空间转换为另一种颜色空间。
2	dilate(Mat src, Mat dst, Mat kernel) 使用特定的结构元素膨胀图像。
3	equalizeHist(Mat src, Mat dst) 均衡灰度图像的直方图。
4	filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta) 用内核对图像进行卷积。
5	GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) 使用高斯滤波器模糊图像。
6	integral(Mat src, Mat sum) 计算图像的积分。

示例

以下示例演示了如何使用 Imgproc 类将方框滤波器应用于灰度图像。

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++) {
                  m[k] = m[k]/(kernelSize * kernelSize);
               }
               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());
      }
   }
}

输出

执行给定代码后，将看到以下输出：

原始图像

在这个例子中，我们用下面的滤波器（内核）对我们的图像进行卷积。随着滤波器尺寸的增加，此滤波器会导致图像模糊。

这张原始图像已经与大小为 5 的方框滤波器进行了卷积，如下所示：

大小为 5 的方框滤波器

1/25	1/25	1/25	1/25	1/25
1/25	1/25	1/25	1/25	1/25
1/25	1/25	1/25	1/25	1/25
1/25	1/25	1/25	1/25	1/25
1/25	1/25	1/25	1/25	1/25

卷积后的图像（使用大小为 5 的方框滤波器）

卷积后的图像（使用大小为 9 的方框滤波器）

打印页面