图像处理-神奇的卷积核

关于卷积的理论这里就不啰嗦了。最近初步学习图像处理，使用java写了点对图像进项卷积操作的代码，实验的过程中感觉颇为惊奇，原来觉得高深的图像的锐化、浮雕、边缘检测等技术，使用简单的卷积就可以轻松实现。
我首先将一副彩色的图像使用photoshop将其转换为灰度的raw格式，这简化了程序。转化后的图像如图所示：

接下来要对该图像做卷积操作，下面的类中只有一个静态方法，它能对raw格式灰度图像数据做卷积操作：

public class Convolution {    public static byte[][] valide(byte[][] src,int[][] filter){        if(src[0].length<filter[0].length || src.length<filter.length){            return null;        }        if(filter.length%2==0 || filter[0].length%2==0){            return null;        }        int[][]tem = new int[filter.length][filter[0].length];        int valideWidth = src[0].length - filter[0].length+1;        int valideheight = src.length - filter.length+1;        byte[][] valide = new byte[valideheight][valideWidth];        for(int i=0;i<valideheight;i++){            for(int j=0;j<valideWidth;j++){                for(int y=0;y<filter.length;y++){                    for(int z=0;z<filter[0].length;z++){                        tem[y][z] =(src[i+y][j+z]&0xff)*(filter[y][z]);                    }                }                int kk=0;                for(int y=0;y<filter.length;y++){                    for(int z=0;z<filter[0].length;z++){                        kk += tem[y][z];                    }                }                if(kk<0)kk=0;                if(kk>255)kk=255;                valide[i][j]=(byte) kk;            }        }        return valide;    }}

接下来，是一个测试程序。测试程序中，读一个raw格式的灰度图，然后将其转换为二维的数据格式，接下来对图像做卷积操作，也就是调用Convolution 中的valide方法。注意这里使用的是valide，因此不需要处理边缘，处理后的图像比原图像减小卷积核大小-1。

import java.io.File;import java.io.FileInputStream;import java.io.FileNotFoundException;import java.io.FileOutputStream;import java.io.IOException;import java.util.Random;public class Test {    public static void main(String[] args) {        // TODO Auto-generated method stub        //int[][] ttt = {{-1,-1,0},{-1,0,1},{0,1,1}}; //浮雕        //int[][] ttt = {{1,1,1},{1,-7,1},{1,1,1}};   //强调边缘        //int[][] ttt = {{0,0,0},{0,1,0},{0,0,0}};     //啥也不做        //int[][] ttt = {{-1,-1,-1},{-1,8,-1},{-1,-1,-1}};   //边缘检测        int[][] ttt = {{-1,-1,-1,-1,-1},{-1,-1,-1,-1,-1},{-1,-1,24,-1,-1},{-1,-1,-1,-1,-1},{-1,-1,-1,-1,-1}};         byte [] raw = new byte[444*332];        FileInputStream in;        try {            in = new FileInputStream("flower444x332.raw");            in.read(raw);            in.close();        } catch (FileNotFoundException e) {            // TODO Auto-generated catch block            e.printStackTrace();        } catch (IOException e) {            // TODO Auto-generated catch block            e.printStackTrace();        }        byte[][] image = new byte[332][444];        for(int i=0;i<image.length;i++){            for(int j=0;j<image[0].length;j++){                image[i][j] = raw[i*image[0].length+j];            }        }        byte[][] valide = Convolution.valide(image, ttt);        for(int i=0;i<valide.length;i++){            for(int j=0;j<valide[0].length;j++){                if(j==valide[0].length-1)                    System.out.println((valide[i][j]&0xff));                else                    System.out.print((valide[i][j]&0xff)+"  ");            }        }        File file = new File("flower"+valide[0].length+"x"+valide.length+".raw");        if(file.exists())file.delete();        if(!file.exists()){            try {                file.createNewFile();            } catch (IOException e) {                // TODO Auto-generated catch block                e.printStackTrace();            }        }        try {            FileOutputStream out = new FileOutputStream(file,true);            for(int i=0;i<valide.length;i++){                out.write(valide[i]);            }            out.close();        } catch (FileNotFoundException e) {            // TODO Auto-generated catch block            e.printStackTrace();        } catch (IOException e) {            // TODO Auto-generated catch block            e.printStackTrace();        }    }}

下面是对几个卷积核的尝试，非常有趣。
首先，啥也不做，用来初步检验程序
int[][] ttt = {{0,0,0},{0,1,0},{0,0,0}}; //啥也不做

可以看到图像并没有变化。
第一：浮雕
int[][] ttt = {{-1,-1,0},{-1,0,1},{0,1,1}}; //浮雕

使用浮雕卷积核处理过后，图像明显有了浮雕的特征。
第二、强调边缘
int[][] ttt = {{1,1,1},{1,-7,1},{1,1,1}}; //强调边缘

边缘被加强了。
第三、边缘检测（3x3卷积核）
int[][] ttt = {{-1,-1,-1},{-1,8,-1},{-1,-1,-1}}; //边缘检测

检测到了图像的轮廓。
第四、边缘检测（5x5卷积核）
int[][] ttt = {{-1,-1,-1,-1,-1},{-1,-1,-1,-1,-1},{-1,-1,24,-1,-1},{-1,-1,-1,-1,-1},{-1,-1,-1,-1,-1}};

至此，感兴趣的可以自己尝试其他的卷积核。