Java DIP - 加权平均滤波器

在加权平均滤波器中，我们给予中心值更多的权重，因此中心的贡献变得比其余值更大。由于加权平均滤波，我们可以控制图像的模糊。

我们使用OpenCV函数filter2D对图像应用加权平均滤波器。它可以在Imgproc包下找到。其语法如下 -

filter2D(src, dst, depth , kernel, anchor, delta, BORDER_DEFAULT );

函数参数描述如下 -

先生。 论点和描述
1

源代码

这是源图像。
2

目的地

这是目的地图像。
3

深度

它是 dst 的深度。负值（例如-1）表示深度与源相同。
4

核心

就是通过图像来扫描的内核。
5

锚

它是锚点相对于其内核的位置。位置 Point(-1, -1) 默认表示中心。
6

三角洲

它是在卷积过程中添加到每个像素的值。默认为 0。
7

BORDER_DEFAULT

我们默认这个值。

除了filter2D()方法之外，Imgproc类还提供了其他方法。它们被简要描述 -

先生。 方法及说明
1

cvtColor（Mat src，Mat dst，int代码，int dstCn）

它将图像从一种颜色空间转换为另一种颜色空间。
2

膨胀（Mat src，Mat dst，Mat 内核）

它通过使用特定的结构元素来扩大图像。
3

equalizeHist(Mat src, Mat dst)

它均衡灰度图像的直方图。
4

filter2D（Mat src，Mat dst，int深度，Mat内核，点锚点，双增量）

它将图像与内核进行卷积。
5

GaussianBlur(Mat src, Mat dst, 大小 ksize, 双 sigmaX)

它使用高斯滤波器模糊图像。
6

积分(Mat src, Mat sum)

它计算图像的积分。

例子

以下示例演示了如何使用 Imgproc 类将加权平均滤波器应用于灰度图像。

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;

import org.opencv.highgui.Highgui;
import org.opencv.imgproc.Imgproc;

public class convolution {
   public static void main( String[] args ) {
   
      try {
         int kernelSize = 9;
         System.loadLibrary( Core.NATIVE_LIBRARY_NAME );
         
         Mat source = Highgui.imread("grayscale.jpg",  Highgui.CV_LOAD_IMAGE_GRAYSCALE);
         Mat destination = new Mat(source.rows(),source.cols(),source.type());
         
         Mat kernel = Mat.ones(kernelSize,kernelSize, CvType.CV_32F) {	      
         
         for(int i=0; i<kernel.rows(); i++) {
            for(int j=0; j<kernel.cols(); j++) {

               double[] m = kernel.get(i, j);

               for(int k =0; k<m.length; k++) {

                  if(i==1 && j==1) {
                     m[k] = 10/18;
                  }
                  else{
                     m[k] = m[k]/(18);
                  }
               }
               kernel.put(i,j, m);

               }
            }	
         };	      
         
         Imgproc.filter2D(source, destination, -1, kernel);
         Highgui.imwrite("output.jpg", destination);
         
      } catch (Exception e) {
         System.out.println("Error: " + e.getMessage());
      }
   }
}

输出

当您执行给定的代码时，会看到以下输出 -

原始图像

应用加权平均滤波器教程

该原始图像与加权平均滤波器进行卷积，如下所示 -

加权平均滤波器

1 1 1
1 10 1
1 1 1

卷积图像

应用加权平均滤波器教程