java图像处理之拉普拉斯锐化和一阶微分梯度锐化

拉普拉斯是使用二阶微分锐化图像，以3*3滤波器中心像素与上下左右像素计算差值，计算公式为：

$f(x,y)=f(x+1,y)+f(x-1,y)+f(x,y-1)+f(x,y+1)-4*f(x,y)$

一阶微分梯度锐化，以3*3滤波器中心像素上方三个像素之和减去下方三个像素之和的绝对值，与左边三个像素减去右边三个像素之和的绝对值，将两个绝对值相加作为中心像素值，公式：

$f(x,y)=|f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)-f(x+1,y-1)-f(x+1,y)-f(x+1,y+1)|+|f(x-1,y-1)+f(x,y-1)+f(x+1,y)-f(x-1,y+1)-f(x,y+1)-f(x+1,y+1)|$

通过java代码实现两种锐化算法,代码如下：

package ImageFilter;import java.awt.image.BufferedImage;
import java.util.ArrayList;
import java.util.List;public class ImageSharpen {// singletonprivate static ImageSharpen imageSharpen = new ImageSharpen();private ImageSharpen() {}public static ImageSharpen getInstance() {return imageSharpen;}/*** 图像锐化 二阶微分锐化，拉普拉斯算子 定义一个3*3滤波器，计算中心像素与上下左右四个像素差值* * @param image*/public BufferedImage lapLaceSharpDeal(BufferedImage image) {BufferedImage tempImage = new BufferedImage(image.getWidth(), image.getHeight(), image.getType());for (int i = 1; i < image.getWidth() - 1; i++) {for (int j = 1; j < image.getHeight() - 1; j++) {int rgb = image.getRGB(i, j);int rgb1 = image.getRGB(i - 1, j);int rgb2 = image.getRGB(i + 1, j);int rgb3 = image.getRGB(i, j - 1);int rgb4 = image.getRGB(i, j + 1);int[] R = new int[] { (rgb1 >> 16) & 0xff, (rgb2 >> 16) & 0xff, (rgb3 >> 16) & 0xff,(rgb4 >> 16) & 0xff, (rgb >> 16) & 0xff };int[] G = new int[] { (rgb1 >> 8) & 0xff, (rgb2 >> 8) & 0xff, (rgb3 >> 8) & 0xff, (rgb4 >> 8) & 0xff,(rgb >> 8) & 0xff };int[] B = new int[] { rgb1 & 0xff, rgb2 & 0xff, rgb3 & 0xff, rgb4 & 0xff, rgb & 0xff };double dR = R[0] + R[1] + R[2] + R[3] - 4 * R[4];double dG = G[0] + G[1] + G[2] + G[3] - 4 * G[4];double dB = B[0] + B[1] + B[2] + B[3] - 4 * B[4];double r = R[4] - dR;double g = G[4] - dG;double b = B[4] - dB;rgb = (255 & 0xff) << 24 | (clamp((int) r) & 0xff) << 16 | (clamp((int) g) & 0xff) << 8| (clamp((int) b) & 0xff);tempImage.setRGB(i, j, rgb);}}return tempImage;}/*** 一阶微分梯度锐化*/public BufferedImage degreeSharpDeal(BufferedImage image) {BufferedImage tempImage = new BufferedImage(image.getWidth(), image.getHeight(), image.getType());for (int i = 1; i < image.getWidth() - 1; i++) {for (int j = 1; j < image.getHeight() - 1; j++) {List<Integer> rList = new ArrayList<>();List<Integer> gList = new ArrayList<>();List<Integer> bList = new ArrayList<>();for (int x = -1; x < 2; x++) {for (int y = -1; y < 2; y++) {int rgb = image.getRGB(i + x, j + y);int R = (rgb >> 16) & 0xff;int G = (rgb >> 8) & 0xff;int B = rgb & 0xff;rList.add(R);gList.add(G);bList.add(B);}}int r = getResult(rList);int g = getResult(gList);int b = getResult(bList);r = rList.get(4) + r / 4;g = gList.get(4) + g / 4;b = bList.get(4) + b / 4;int rgb = (255 & 0xff) << 24 | (clamp(r) & 0xff) << 16 | (clamp(g) & 0xff) << 8 | (clamp(b) & 0xff);tempImage.setRGB(i, j, rgb);}}return tempImage;}// 执行一阶微分计算private int getResult(List<Integer> list) {int result = Math.abs(list.get(0) + list.get(3) + list.get(6) - list.get(2) - list.get(5) - list.get(8))+ Math.abs(list.get(0) + list.get(1) + list.get(2) - list.get(6) - list.get(7) - list.get(8));return result;}// 判断a,r,g,b值，大于256返回256，小于0则返回0,0到256之间则直接返回原始值private int clamp(int rgb) {if (rgb > 255)return 255;if (rgb < 0)return 0;return rgb;}
}

测试类：

package ImageFilter;import java.awt.image.BufferedImage;
import java.io.File;import javax.imageio.ImageIO;public class test {public static void main(String[] args) throws Exception{File input = new File("E:/桌面/AverageFilter/1.jpg");File output = new File("E:/桌面/AverageFilter/3.jpg");BufferedImage image = ImageIO.read(input);BufferedImage image2 = ImageSharpen.getInstance().degreeSharpDeal(image);ImageIO.write(image2, "jpg", output);}
}

原图：

拉普拉斯锐化结果：

一阶微分梯度锐化结果：

原图是一张比较模糊的图像，对比两种锐化方式，不难看出，拉普拉斯锐化效果明显，但是容易加重噪点；一阶微分梯度锐化对于图像较平坦区域有所保留，对图像边缘锐化效果更加突出，因此在图像分割和边缘检测方面会用到更多梯度处理。

java图像处理之拉普拉斯锐化和一阶微分梯度锐化相关推荐

基于一阶微分的锐化滤波器---梯度算子（常用于工业检测，产品缺陷检测）
文章目录前言一.常用的非线性锐化滤波器二.图像能够进行微分的要求三.基于一阶微分的锐化滤波器---梯度算子(常用于工业检测,产品缺陷检测) 四.如何求解梯度幅值五.代码总结前言非线性滤 ...
数字图像处理：（2）一阶微分和二阶微分在数字图像处理中的应用
1.微分定义 2.微分性质微分是对函数局部变化率的一种表示. 在图像处理中有基于一阶微分和二阶微分的锐化空间滤波器(图像锐化是增强图像的突变部分),其实一阶微分和二阶微分算子都可以得到图像的边缘,只 ...
传统经典CV算法_边缘检测概念以及常用一阶微分梯度算子
边缘检测图像边缘是图像最基本的特征,所谓边缘(Edge) 是指图像局部特性的不连续性.灰度或结构等信息的突变处称之为边缘.例如,灰度级的突变.颜色的突变,.纹理结构的突变等.边缘是一个区域的结束,也 ...
数字图像处理学习笔记4：图像增强之空间滤波2（一阶微分锐化滤波（梯度），二阶微分锐化（拉普拉斯），非锐化掩蔽）
文章目录前言一.一阶微分和二阶微分的定义二.一阶微分锐化滤波:梯度 1.梯度 2.sobel算子及MATLAB代码二.二阶微分锐化滤波:拉普拉斯算子 1.拉普拉斯算子 2.拉普拉斯算子MATL ...
图像处理之一阶微分应用
图像处理之一阶微分应用一:数学背景首先看一下一维的微分公式Δf = f(x+1) – f(x), 对于一幅二维的数字图像f(x,y)而言,需要完成XY两个方向上的微分,所以有如下的公式: 分别对 ...
使用一阶微分对图像锐化
Using First-Order Derivatives for (Nonlinear)Image Sharpening ----The Gradient 对于函数ƒ(x,y), ƒ在坐标(x,y) ...
java毕业设计——基于java+图像处理技术的医学图像处理系统设计与实现（毕业论文+程序源码）——医学图像处理系统
基于java+图像处理技术的医学图像处理系统设计与实现(毕业论文+程序源码) 大家好,今天给大家介绍基于java+图像处理技术的医学图像处理系统设计与实现,文章末尾附有本毕业设计的论文和源码下载地址哦 ...
Python中的图像处理（第十一章）Python图像锐化及边缘检测（1）
Python中的图像处理(第十一章)Python图像锐化及边缘检测(1) 前言一. Python准备二. Python仿真三. 小结前言随着人工智能研究的不断兴起,Python的应用也在不断 ...
（四）图像的空域锐化_一阶梯度算子
一,实验原理图像锐化:增强图像的边缘或轮廓. 图像平滑通过积分过程使得图像边缘模糊,图像锐化则通过微分而使图像边缘突出.清晰. 梯度锐化法: 图像处理中应用微分最常用的方法是计算梯度.对于图像f(x ...

java图像处理之拉普拉斯锐化和一阶微分梯度锐化

java图像处理之拉普拉斯锐化和一阶微分梯度锐化相关推荐

最新文章

热门文章