图像处理之应用卷积– 轧花与边缘检测

关于什么是卷积，如何理解卷积 参见这里：

http://blog.csdn.net/jia20003/article/details/7038938

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;
	}

	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++;
			}
		}
	}