Java 数字图像处理 - Prewitt 算子

Prewitt 算子用于图像边缘检测。它检测两种类型的边缘：垂直边缘和水平边缘。

我们使用OpenCV 函数filter2D 将 Prewitt 算子应用于图像。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	参数及描述
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 扫描图像的核。
5	anchor 锚点相对于其核的位置。默认情况下，位置 Point(-1, -1) 表示中心。
6	delta 在卷积过程中添加到每个像素的值。默认为 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	方法及描述
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) 用核卷积图像。
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 Prewitt 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,-1);
               put(0,1,0);
               put(0,2,1);

               put(1,0-1);
               put(1,1,0);
               put(1,2,1);

               put(2,0,-1);
               put(2,1,0);
               put(2,2,1);
            }
         };	 
         
         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

此原始图像与如下所示的垂直边缘 Prewitt 算子进行卷积：

垂直方向

-1	0	1
-1	0	1
-1	0	1

卷积图像（垂直方向）

此原始图像还与如下所示的水平边缘 Prewitt 算子进行了卷积：

水平方向

-1	-1	-1
0	0	0
1	1	1

卷积图像（水平方向）

打印页面