OpenCV如何配置在IDEA中自行百度?

?

環境：win10+IDEA2021.2.3+jdk11.0.1+OpenCV-460.jar

一、簡介?

?背景：梯度倒數加權平滑是圖像平滑算法的一種，在圖像產生、傳輸和復制過程中，常常會因為多方面原因被噪聲干擾或出現數據丟失，降低了圖像的質量，需要對圖像進行一定的增強處理以減小這些缺陷帶來的影響

梯度倒數加權平滑：在一幀離散圖像中，相鄰區域的變化大于區域內部的變化，在同一區域中中間像素的變化小于邊沿像素的變化。梯度值正比于鄰域像素灰度級差值，即在圖像變化緩慢的區域，梯度值小，反之則大。現在取梯度倒數，該倒數的大小正好與梯度相反，以梯度倒數做權重因子，則區域內部的鄰點權重就大于邊沿近旁或區域外的鄰點。也就是說，這種平滑其貢獻主要來自于區域內部的像素，平滑后圖像邊沿和細節不會受到明顯損害

常用的平滑算法有：均值濾波，中值濾波，高斯低通濾波，梯度倒數加權平滑

梯度倒數加權平滑的優點：圖像邊沿和細節不會受到明顯損害；

二、算法流程

（以單波段圖像為例）?

1.利用OpenCV讀入圖像，將像素存儲在數組里

2.邊緣像素不做處理，以3×3模板為例，模板為

?規定w( i ,j ) = 1/2，其余系數之和為1/2，定義除中心像素外的其他系數為

?對于中心像素與其他像素的差值為0的情況，用如下公式：

?通過下面公式將w總和歸一化為1/2：

?3.進行卷積運算：新像素=0.022×21+0.218×30+0.073×28+0.031×24+0.5×31+0.027×23+0.044×36+0.031×38+0.054×27≈30

?4.將經過梯度倒數加權平滑后的像素值存入數組合成圖像并存儲

三、具體實現

import org.opencv.core.Core; import org.opencv.core.CvType; import org.opencv.core.Mat; import org.opencv.imgcodecs.Imgcodecs;/*** @Author: HNUST_jue_chen* @Date: 2022/11/02/ 19:40* @Attention: 轉載, 引用請注明出處*/public class GradientReciprocalWeighting {//加載本地動態鏈接庫static {System.loadLibrary(Core.NATIVE_LIBRARY_NAME);}//梯度倒數加權public Mat gradientReciprocalWeightingFilter(String path) {//使用Mat類存儲圖像信息Mat mat = Imgcodecs.imread(path);//圖像的大小int rows = mat.rows();int cols = mat.cols();//獲得原圖像像素數組int[][] mat_arr = new int[rows][cols];for (int i = 0; i < rows; i++) {for (int j = 0; j < cols; j++) {mat_arr[i][j] = (int) mat.get(i, j)[0];}}//用3×3窗口進行梯度倒數加權平滑int[][] mat_arr_gradientReciWeight = new int[rows][cols];for (int i = 0; i < rows; i++) {for (int j = 0; j < cols; j++) {//處理非邊緣像素if (i != 0 && i != rows - 1 && j != 0 && j != cols - 1) {//3×3窗口的原始圖像梯度倒數double[][] temp = new double[3][3];temp[0][0] = judgment(mat_arr[i - 1][j - 1] , mat_arr[i][j]);temp[0][1] = judgment(mat_arr[i - 1][j] , mat_arr[i][j]);temp[0][2] = judgment(mat_arr[i - 1][j + 1] , mat_arr[i][j]);temp[1][0] = judgment(mat_arr[i][j - 1] , mat_arr[i][j]);temp[1][1] = 0;temp[1][2] = judgment(mat_arr[i][j + 1] , mat_arr[i][j]);temp[2][0] = judgment(mat_arr[i + 1][j - 1] , mat_arr[i][j]);temp[2][1] = judgment(mat_arr[i + 1][j] , mat_arr[i][j]);temp[2][2] = judgment(mat_arr[i + 1][j + 1] , mat_arr[i][j]);//得到梯度倒數之和double temp_sum = 0.0;for (double[] m : temp) {for (double n : m) {temp_sum += n;}}//歸一化后的梯度權重矩陣double[][] temp_normalize = new double[3][3];for (int p = 0; p < temp_normalize.length; p++) {for (int q = 0; q < temp_normalize[0].length; q++) {if (p == 1 && q == 1) {temp_normalize[p][q] = 0.5;} else {temp_normalize[p][q] = temp[p][q] / (2 * temp_sum);}}}//得到新中心像素mat_arr_gradientReciWeight[i][j] = (int) (temp_normalize[0][0] * mat_arr[i - 1][j - 1]+ temp_normalize[0][1] * mat_arr[i - 1][j]+ temp_normalize[0][2] * mat_arr[i - 1][j + 1]+ temp_normalize[1][0] * mat_arr[i][j - 1]+ temp_normalize[1][1] * mat_arr[i][j]+ temp_normalize[1][2] * mat_arr[i][j + 1]+ temp_normalize[2][0] * mat_arr[i + 1][j - 1]+ temp_normalize[2][1] * mat_arr[i + 1][j]+ temp_normalize[2][2] * mat_arr[i + 1][j + 1]);} else { //處理邊緣像素mat_arr_gradientReciWeight[i][j] = mat_arr[i][j];}}}//合成圖像Mat mat_gradientReciWeight = new Mat(rows, cols, CvType.CV_32SC1);//將像素放入圖像for (int i = 0; i < rows; i++) {//一次放入一行像素值mat_gradientReciWeight.put(i, 0, mat_arr_gradientReciWeight[i]);}return mat_gradientReciWeight;}//進行判斷中心像素與邊緣像素的差值是否為0public static double judgment(int a, int b) {double c;if (a - b == 0) {c = 1.0;} else {c = 1.0 / (Math.abs(a - b));}return c;}public static void main(String[] args) {GradientReciprocalWeighting grw = new GradientReciprocalWeighting();Mat mat = grw.gradientReciprocalWeightingFilter("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray1.png");//將經過梯度倒數加權平滑后的圖像寫入文件Imgcodecs.imwrite("D:\\Project\\IDEA_Project\\RS01\\src\\rs01\\img\\2_gray1_grw.png", mat);} }

四、結果

1.讀入的圖像

2.經過梯度倒數加權平滑后的圖像

總結

以上是生活随笔為你收集整理的数字图像处理之图像的梯度倒数加权平滑：用Java+OpenCV实现，附源码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。