?? 拉普拉斯是使用二階微分銳化圖像，以3*3濾波器中心像素與上下左右像素計(jì)算差值，計(jì)算公式為：

? ? 一階微分梯度銳化，以3*3濾波器中心像素上方三個(gè)像素之和減去下方三個(gè)像素之和的絕對(duì)值，與左邊三個(gè)像素減去右邊三個(gè)像素之和的絕對(duì)值，將兩個(gè)絕對(duì)值相加作為中心像素值，公式：

通過(guò)java代碼實(shí)現(xiàn)兩種銳化算法,代碼如下：

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;}/*** 圖像銳化 二階微分銳化，拉普拉斯算子 定義一個(gè)3*3濾波器，計(jì)算中心像素與上下左右四個(gè)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;}/*** 一階微分梯度銳化*/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;}// 執(zhí)行一階微分計(jì)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;}// 判斷a,r,g,b值，大于256返回256，小于0則返回0,0到256之間則直接返回原始值private int clamp(int rgb) {if (rgb > 255)return 255;if (rgb < 0)return 0;return rgb;} }

測(cè)試類：

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);} }

原圖：

拉普拉斯銳化結(jié)果：

一階微分梯度銳化結(jié)果：

原圖是一張比較模糊的圖像，對(duì)比兩種銳化方式，不難看出，拉普拉斯銳化效果明顯，但是容易加重噪點(diǎn)；一階微分梯度銳化對(duì)于圖像較平坦區(qū)域有所保留，對(duì)圖像邊緣銳化效果更加突出，因此在圖像分割和邊緣檢測(cè)方面會(huì)用到更多梯度處理。

總結(jié)

以上是生活随笔為你收集整理的java图像处理之拉普拉斯锐化和一阶微分梯度锐化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。