Java DIP - Prewitt 运算符


Prewitt 算子用于图像中的边缘检测。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。 论点和描述
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

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 Prewitt 运算符应用于灰度图像。

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

当您执行给定的代码时,会看到以下输出 -

原始图像

应用 Prewitt 算子教程

该原始图像与垂直边缘的 Prewitt 算子进行卷积,如下所示 -

垂直方向

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

卷积图像(垂直方向)

应用 Prewitt 算子教程

该原始图像还与水平边缘的 Prewitt 算子进行了卷积,如下所示 -

水平方向

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

卷积图像(水平方向)

应用 Prewitt 算子教程