Java 数字图像处理 - Kirsch 算子

Kirsch 指南针掩码是另一种用于边缘检测的导数掩码。此算子也称为方向掩码。在此算子中，我们取一个掩码，并将其旋转到所有八个指南针方向，以获得八个方向的边缘。

我们将使用OpenCV 函数filter2D 将 Kirsch 算子应用于图像。它可以在Imgproc 包下找到。其语法如下所示：

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

函数参数描述如下：

序号	参数
1	src 它是源图像。
2	dst 它是目标图像。
3	depth 它是 dst 的深度。负值（例如 -1）表示深度与源相同。
4	kernel 它是将扫描图像的内核。
5	anchor 它是相对于其内核的锚点位置。默认情况下，位置 Point(-1, -1) 表示中心。
6	delta 它是卷积过程中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	方法与描述
1	cvtColor(Mat src, Mat dst, int code, int dstCn) 它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) 它使用特定的结构元素膨胀图像。
3	equalizeHist(Mat src, Mat dst) 它均衡灰度图像的直方图。
4	filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta) 它用内核对图像进行卷积。
5	GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) 它使用高斯滤波器模糊图像。
6	integral(Mat src, Mat sum) 它计算图像的积分。

示例

以下示例演示了如何使用 Imgproc 类将 Kirsch 算子应用于灰度图像。

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 = 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());
      }
   }
}

输出

执行给定代码时，将看到以下输出：

原始图像

此原始图像与东部边缘的 Kirsch 算子卷积，如下所示：

Kirsch 东部

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

卷积图像（Kirsch 东部）

此原始图像与西南边缘的 Kirsch 算子卷积，如下所示：

Kirsch 西南

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

卷积图像（Kirsch 西南）

打印页面