Java 数字图像处理 - 加权平均滤波器

在加权平均滤波器中，我们给中心值赋予更大的权重，因此中心值的贡献大于其他值。通过加权平均滤波，我们可以控制图像的模糊程度。

我们使用OpenCV函数filter2D将加权平均滤波器应用于图像。它可以在Imgproc包中找到。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	参数及描述
1	src 源图像。
2	dst 目标图像。
3	ddepth dst的深度。负值（例如-1）表示深度与源相同。
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，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。默认值为0。
7	BORDER_DEFAULT 我们默认使用此值。

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) 将图像从一个颜色空间转换为另一个颜色空间。
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类将加权平均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++) {

                  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());
      }
   }
}

输出

执行给定代码后，将看到以下输出：

原始图像

Applying Weighted Average Filter Tutorial

此原始图像与如下所示的加权平均滤波器进行卷积：

加权平均滤波器

1	1	1
1	10	1
1	1	1

卷积后的图像

打印页面