图像处理之图像梯度效果

简介: 图像处理之图像梯度效果

图像处理之图像梯度效果




基本思想:


利用X方向与Y方向分别实现一阶微分,求取振幅,实现图像梯度效果。关于如何计算图像


一阶微分参见这里:http://blog.csdn.net/jia20003/article/details/7562092


使用的两种微分算子分别为Prewitt与Sobel,其中Soble在X, Y两个方向算子分别为:

1339686268_5154.png



Prewitt在X, Y方向上梯度算子分别为:

1339686299_5368.png



二:程序思路及实现


梯度滤镜提供了两个参数:


– 方向,用来要决定图像完成X方向梯度计算, Y方向梯度计算,或者是振幅计算


– 算子类型,用来决定是使用sobel算子或者是prewitt算子。


计算振幅的公式可以参见以前《图像处理之一阶微分应用》的文章




三:运行效果


原图像如下:


1339686396_2172.jpg


基于Prewitt与sobel算子的XY方向振幅效果如下:


1339686433_9212.png

1339686459_2398.png



该滤镜的源代码如下:


package com.process.blur.study;
 
import java.awt.image.BufferedImage;
/**
 * 
 * @author gloomy-fish
 * @date 2012-06-11
 * 
 * prewitt operator 
 * X-direction
 * -1, 0, 1
 * -1, 0, 1
 * -1, 0, 1
 * 
 * Y-direction
 * -1, -1, -1
 *  0,  0,  0
 *  1,  1,  1
 *  
 * sobel operator
 * X-direction
 * -1, 0, 1
 * -2, 0, 2
 * -1, 0, 1
 * 
 * Y-direction
 * -1, -2, -1
 *  0,  0,  0
 *  1,  2,  1
 *
 */
public class GradientFilter extends AbstractBufferedImageOp {
 
  // prewitt operator
  public final static int[][] PREWITT_X = new int[][]{{-1, 0, 1}, {-1, 0, 1}, {-1, 0, 1}};
  public final static int[][] PREWITT_Y = new int[][]{{-1, -1, -1}, {0,  0,  0}, {1,  1,  1}};
  
  // sobel operator
  public final static int[][] SOBEL_X = new int[][]{{-1, 0, 1}, {-2, 0, 2}, {-1, 0, 1}};
  public final static int[][] SOBEL_Y = new int[][]{{-1, -2, -1}, {0,  0,  0}, {1,  2,  1}};
  
  // direction parameter
  public final static int X_DIRECTION = 0;
  public final static int Y_DIRECTION = 2;
  public final static int XY_DIRECTION = 4;
  private int direction;
  private boolean isSobel;
  
  public GradientFilter() {
    direction = XY_DIRECTION;
    isSobel = true;
  }
  
  public void setSoble(boolean sobel) {
    this.isSobel = sobel;
  }
 
  public int getDirection() {
    return direction;
  }
 
  public void setDirection(int direction) {
    this.direction = direction;
  }
  
  @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];
        getRGB( src, 0, 0, width, height, inPixels );
        int index = 0, index2 = 0;
        double xred = 0, xgreen = 0, xblue = 0;
        double yred = 0, ygreen = 0, yblue = 0;
        int newRow, newCol;
        for(int row=0; row<height; row++) {
          int ta = 255, tr = 0, tg = 0, tb = 0;
          for(int col=0; col<width; col++) {
            index = row * width + col;
            for(int subrow = -1; subrow <= 1; subrow++) {
              for(int subcol = -1; subcol <= 1; subcol++) {
                newRow = row + subrow;
                newCol = col + subcol;
                if(newRow < 0 || newRow >= height) {
                  newRow = row;
                }
                if(newCol < 0 || newCol >= width) {
                  newCol = col;
                }
                index2 = newRow * width + newCol;
                        tr = (inPixels[index2] >> 16) & 0xff;
                        tg = (inPixels[index2] >> 8) & 0xff;
                        tb = inPixels[index2] & 0xff;
                        
                        if(isSobel) {
                          xred += (SOBEL_X[subrow + 1][subcol + 1] * tr);
                          xgreen +=(SOBEL_X[subrow + 1][subcol + 1] * tg);
                          xblue +=(SOBEL_X[subrow + 1][subcol + 1] * tb);
                          
                          yred += (SOBEL_Y[subrow + 1][subcol + 1] * tr);
                          ygreen +=(SOBEL_Y[subrow + 1][subcol + 1] * tg);
                          yblue +=(SOBEL_Y[subrow + 1][subcol + 1] * tb);
                        } else {
                          xred += (PREWITT_X[subrow + 1][subcol + 1] * tr);
                          xgreen +=(PREWITT_X[subrow + 1][subcol + 1] * tg);
                          xblue +=(PREWITT_X[subrow + 1][subcol + 1] * tb);
                          
                          yred += (PREWITT_Y[subrow + 1][subcol + 1] * tr);
                          ygreen +=(PREWITT_Y[subrow + 1][subcol + 1] * tg);
                          yblue +=(PREWITT_Y[subrow + 1][subcol + 1] * tb);
                        }
              }
            }
            
                double mred = Math.sqrt(xred * xred + yred * yred);
                double mgreen = Math.sqrt(xgreen * xgreen + ygreen * ygreen);
                double mblue = Math.sqrt(xblue * xblue + yblue * yblue);
                if(XY_DIRECTION == direction) 
                {
                  outPixels[index] = (ta << 24) | (clamp((int)mred) << 16) | (clamp((int)mgreen) << 8) | clamp((int)mblue);
                } 
                else if(X_DIRECTION == direction)
                {
                  outPixels[index] = (ta << 24) | (clamp((int)yred) << 16) | (clamp((int)ygreen) << 8) | clamp((int)yblue);
                } 
                else if(Y_DIRECTION == direction) 
                {
                  outPixels[index] = (ta << 24) | (clamp((int)xred) << 16) | (clamp((int)xgreen) << 8) | clamp((int)xblue);
                } 
                else 
                {
                  // as default, always XY gradient
                  outPixels[index] = (ta << 24) | (clamp((int)mred) << 16) | (clamp((int)mgreen) << 8) | clamp((int)mblue);
                }
                
                // cleanup for next loop
                newRow = newCol = 0;
                xred = xgreen = xblue = 0;
                yred = ygreen = yblue = 0;
                
          }
        }
        setRGB(dest, 0, 0, width, height, outPixels );
        return dest;
  }
  
  public static int clamp(int value) {
    return value < 0 ? 0 : (value > 255 ? 255 : value);
  }
 
}

转载文章请务必注明出自本博客!

精彩内容查看 - 《数字图像处理-空间域卷积视频教程》

相关文章
|
8月前
|
计算机视觉
图像处理基础篇-形态学处理-边缘检测(matlab仿真与图像处理系列第4期)
图像处理基础篇-形态学处理-边缘检测(matlab仿真与图像处理系列第4期)
|
7月前
|
编解码 算法 计算机视觉
图像处理之高斯金字塔
图像处理之高斯金字塔
56 3
|
7月前
|
计算机视觉
图像处理之水纹效果
图像处理之水纹效果
37 1
|
7月前
|
资源调度 计算机视觉
图像处理之图像加噪
图像处理之图像加噪
83 0
图像处理之图像加噪
|
算法 数据安全/隐私保护 计算机视觉
图像处理基础
图像处理基础
117 0
|
计算机视觉 异构计算
|
人工智能 JavaScript 生物认证
Opencv 图像处理:数字图像的必会知识
Opencv 图像处理:数字图像的必会知识
240 0
Opencv 图像处理:数字图像的必会知识
|
存储 图形学 计算机视觉
GDI+——常用的图像处理技术(一)
GDI+——常用的图像处理技术(一)
203 0
GDI+——常用的图像处理技术(一)
|
图形学 计算机视觉 C++
GDI+——常用的图像处理技术(三)
GDI+——常用的图像处理技术(三)
310 0
GDI+——常用的图像处理技术(三)
|
图形学 计算机视觉
GDI+——常用的图像处理技术(二)
GDI+——常用的图像处理技术(二)
176 0
GDI+——常用的图像处理技术(二)