图像处理--------应用卷积– 轧花与边缘检测 分类： 视频图像处理 2015-07-24 09:50 24人阅读 评论(0) 收藏

一：轧花

轧花算子(embossfilter)

对一幅数字图像一阶微分结果即可得到轧花效果，根据不同的算子，轧花又

可以分为凹效果与凸效果两种。两个个最简单的轧花算子为：

轧花算子又称为双极性算子，1对图像的贡献意味着平滑，-1对图像的贡献

意味着突出细节，于是最终就得出了双极性的轧花效果。

 

处理过程：

a.      读取图像像素

b.      使用轧花算子完成对像素数组的卷积操作

c.      整体亮度提升效果– 高斯亮度/基于阈值/直接常量提升

 

轧花滤镜效果：左边为原图， 右边为轧花处理以后效果

 

二：边缘提取

Edge detection是图像处理中非常重要而且也是十分常用的图像处理手段之一，边缘提取是

图像二值化的基本步骤之一。边缘提取从本质上来说是高通滤波，从数字信号的角度看，就

是要保留高频信号，去掉低频信号，因此边缘提取有很多频率域算子，将图像完成FFT之后

在频率域完成高通滤波再转到空间域。显然计算量比较大，空间域最经典的边缘提取算法之

一Candy Edge Detection有着非常好的效果。

 

这里只是抛砖引玉，完成一个最简单基于卷积的空间域边缘提取算子，算子为：

 

完成卷积以后的效果如下：

对于灰度图完成边缘提取以后效果如下：

 

基于卷积还可以完成图像的锐化(Sharp Filter)，让图像上的差异更加明显。

一个简单的Sharp Filter可以为

 

得到的效果如下：

 

完成轧花卷积的代码如下：

@Override
public BufferedImage filter(BufferedImage src, BufferedImage dest) {
    int width = src.getWidth();
       int height = src.getHeight();

       if ( dest == null )
           dest = createCompatibleDestImage( src, null );

       int[] inPixels = new int[width*height];
       int[] outPixels = new int[width*height];
       src.getRGB( 0, 0, width, height, inPixels, 0, width );
    int index = 0;
    int index2 = 0;
    int r=0, g=0, b=0;
    for ( int y = 0; y < height; y++ ) {
        for ( int x = 0; x < width; x++ ) {
            int ta = 255, tr = 0, tg = 0, tb = 0;
            for(int fr = 0; fr < filterRow; fr++) {
                int rowoffset = y + fr;
                if(rowoffset < 0 || rowoffset >=height) {
                    rowoffset = y;
                }
                for(int fc = 0; fc < filterCol; fc++) {
                    int coloffset = fc + x;
                    if(coloffset < 0 || coloffset >= width) {
                        coloffset = x;
                    }
                    index2 = rowoffset * width + coloffset;
                    int rgb1 = inPixels[index2];
                    int r1 = (rgb1 >> 16) & 0xff;
                    int g1 = (rgb1 >> 8) & 0xff;
                    int b1 = rgb1 & 0xff;
                    if(isOUT) {
                        tr += r1 * outfilter[fr][fc];
                        tg += g1 * outfilter[fr][fc];
                        tb += b1 * outfilter[fr][fc];
                    } else {
                        tr += r1 * infilter[fr][fc];
                        tg += g1 * infilter[fr][fc];
                        tb += b1 * infilter[fr][fc];
                    }
                }
            }

            tr += COLORCONSTANTS;
            tg += COLORCONSTANTS;
            tb += COLORCONSTANTS;
            r = PixelUtils.clamp(tr);
            g = PixelUtils.clamp(tg);
            b = PixelUtils.clamp(tb);
            outPixels[index] = (ta << 24) | (r << 16) | (g << 8) | b;
            index++;
        }
    }
       dest.setRGB( 0, 0, width, height, outPixels, 0, width );
       return dest;
}

完成简单边缘检测的代码如下：

private void filter(int[] inPixels, int[] outPixels, int height, int width, double[][] filterKernel) {
    int index = 0;
    int index2 = 0;
    int r=0, g=0, b=0;
    int semiColumn = filterKernel.length/2;
    int semiRow = filterKernel[0].length/2;
    for ( int y = 0; y < height; y++ ) {
        for ( int x = 0; x < width; x++ ) {
            int ta = 255, tr = 0, tg = 0, tb = 0;
            for(int fr = -semiRow; fr <= semiRow; fr++) {
                int rowoffset = y + fr;
                if(rowoffset < 0 || rowoffset >=height) {
                    rowoffset = y;
                }
                for(int fc = -semiColumn; fc <= semiColumn; fc++) {
                    int coloffset = fc + x;
                    if(coloffset < 0 || coloffset >= width) {
                        coloffset = x;
                    }
                    index2 = rowoffset * width + coloffset;
                    int rgb1 = inPixels[index2];
                    int r1 = (rgb1 >> 16) & 0xff;
                    int g1 = (rgb1 >> 8) & 0xff;
                    int b1 = rgb1 & 0xff;
                    tr += ((double)r1 * filterKernel[fr + semiRow][fc + semiColumn]);
                    tg += ((double)g1 * filterKernel[fr + semiRow][fc + semiColumn]);
                    tb += ((double)b1 * filterKernel[fr + semiRow][fc + semiColumn]);
                }
            }

            if(enhanceBrightness) {
                tr += COLORCONSTANTS;
                tg += COLORCONSTANTS;
                tb += COLORCONSTANTS;
            }
            r = PixelUtils.clamp(tr);
            g = PixelUtils.clamp(tg);
            b = PixelUtils.clamp(tb);
            outPixels[index] = (ta << 24) | (r << 16) | (g << 8) | b;
            index++;
        }
    }
}

版权声明：本文为博主原创文章，未经博主允许不得转载。