Java DIP - Operador de Kirsch

Las máscaras de brújula de Kirsch son otro tipo de máscara derivada que se utiliza para la detección de bordes. Este operador también se conoce como máscara de dirección. En este operador tomamos una máscara y la giramos en las ocho direcciones de la brújula para obtener los bordes de las ocho direcciones.

Vamos a usar OpenCV función filter2Dpara aplicar el operador de Kirsch a las imágenes. Se puede encontrar enImgprocpaquete. Su sintaxis se da a continuación:

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

Los argumentos de la función se describen a continuación:

No Señor.	Argumento
1	src Es la imagen de origen.
2	dst Es imagen de destino.
3	depth Es la profundidad de dst. Un valor negativo (como -1) indica que la profundidad es la misma que la fuente.
4	kernel Es el núcleo que se va a escanear a través de la imagen.
5	anchor Es la posición del ancla en relación con su núcleo. El punto de ubicación (-1, -1) indica el centro por defecto.
6	delta Es un valor que se agrega a cada píxel durante la convolución. Por defecto es 0.
7	BORDER_DEFAULT Dejamos este valor por defecto.

Aparte del método filter2D (), hay otros métodos proporcionados por la clase Imgproc. Se describen brevemente:

No Señor.	Método y descripción
1	cvtColor(Mat src, Mat dst, int code, int dstCn) Convierte una imagen de un espacio de color a otro.
2	dilate(Mat src, Mat dst, Mat kernel) Dilata una imagen utilizando un elemento estructurante específico.
3	equalizeHist(Mat src, Mat dst) Ecualiza el histograma de una imagen en escala de grises.
4	filter2D(Mat src, Mat dst, int depth, Mat kernel, Point anchor, double delta) Convierte una imagen con el kernel.
5	GaussianBlur(Mat src, Mat dst, Size ksize, double sigmaX) Desenfoca una imagen usando un filtro gaussiano.
6	integral(Mat src, Mat sum) Calcula la integral de una imagen.

Ejemplo

El siguiente ejemplo demuestra el uso de la clase Imgproc para aplicar el operador Kirsch a una imagen de escala de grises.

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 = new Mat(kernelSize,kernelSize, CvType.CV_32F) {
            {
               put(0,0,-3);
               put(0,1,-3);
               put(0,2,-3);
      
               put(1,0-3);
               put(1,1,0);
               put(1,2,-3);

               put(2,0,5);
               put(2,1,5);
               put(2,2,5);
            }
         };	      
         
         Imgproc.filter2D(source, destination, -1, kernel);
         Highgui.imwrite("output.jpg", destination);
         
      } catch (Exception e) {
         System.out.println("Error: " + e.getMessage());
      }
   }
}

Salida

Cuando ejecuta el código dado, se ve el siguiente resultado:

Imagen original

Esta imagen original está convolucionada con el operador de Kirsch de bordes este, que como se indica a continuación:

Kirsch East

-3	-3	-3
-3	0	-3
5	5	5

Imagen convolucionada (Kirsch East)

Esta imagen original está relacionada con el operador de Kirsch de los bordes suroeste, que como se indica a continuación:

Kirsch suroeste

5	5	-3
5	0	-3
-3	-3	-3

Imagen convolucionada (Kirsch South West)