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;
}

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++;
}
}
}