Java DIP - Kirsch 运算符

基尔希罗盘掩模是另一种类型的导数掩模，用于边缘检测。该运算符也称为方向掩模。在此运算符中，我们采用一个掩模并在所有八个罗盘方向上旋转它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 -

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

函数参数描述如下 -

先生。 争论
1

源代码

这是源图像。
2

目的地

这是目的地图像。
3

深度

它是 dst 的深度。负值（例如-1）表示深度与源相同。
4

核心

就是通过图像来扫描的内核。
5

锚

它是锚点相对于其内核的位置。位置点（-1，-1）默认表示中心。
6

三角洲

它是在卷积过程中添加到每个像素的值。默认为 0。
7

BORDER_DEFAULT

我们默认这个值。

除了filter2D()方法之外，Imgproc类还提供了其他方法。它们被简要描述 -

先生。 方法及说明
1

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

它将图像从一种颜色空间转换为另一种颜色空间。
2

膨胀（Mat src，Mat dst，Mat 内核）

它通过使用特定的结构元素来扩大图像。
3

equalizeHist(Mat src, Mat dst)

它均衡灰度图像的直方图。
4

filter2D（Mat src，Mat dst，int深度，Mat内核，点锚点，双增量）

它将图像与内核进行卷积。
5

GaussianBlur(Mat src, Mat dst, 大小 ksize, 双 sigmaX)

它使用高斯滤波器模糊图像。
6

积分(Mat src, Mat sum)

它计算图像的积分。

例子

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

当您执行给定的代码时，会看到以下输出 -

原始图像

应用 Kirsch 算子教程

该原始图像与东边的 Kirsch 算子进行卷积，如下所示 -

基尔希东

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

卷积图像(Kirsch East)

应用 Kirsch 算子教程

该原始图像与西南边缘的 Kirsch 算子进行卷积，如下所示 -

基尔希西南

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

卷积图像（Kirsch South West）

应用 Kirsch 算子教程