Java DIP - Robinson 运算符

罗宾逊罗盘掩模是另一种用于边缘检测的衍生掩模。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主要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 Robinson 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

锚

它是锚点相对于其内核的位置。位置 Point(-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 Robinson 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(1,0-2);
               put(1,1,0);
               put(1,2,2);

               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 Robinson 算子 教程

该原始图像与北边缘的 Robinson 算子进行卷积，如下所示 -

北向掩模

-1 0 1
-2 0 2
-1 0 1

卷积图像(Robinson North)

应用 Robinson 算子 教程

该原始图像还与东边的 Robinson 算子进行了卷积，如下所示 -

东向面具

-1 -2 -1
0 0 0
1 2 1

卷积图像(Robinson East)

应用 Robinson 算子 教程