OpenCV4.2 Java 图像与内核卷积处理（线性滤波）filter2D

package com.opencv;

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

public class OpenCvMain {
	
	//静态代码块加载动态链接库
	static {
		System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
	}

	public static void main(String[] args) {
		
		/*
		 * IMREAD_UNCHANGED = -1 ：不进行转化，比如保存为了16位的图片，读取出来仍然为16位。
		 * IMREAD_GRAYSCALE = 0 ：进行转化为灰度图，比如保存为了16位的图片，读取出来为8位，类型为CV_8UC1。
		 * IMREAD_COLOR = 1 ：进行转化为三通道图像。
		 * IMREAD_ANYDEPTH = 2 ：如果图像深度为16位则读出为16位，32位则读出为32位，其余的转化为8位。
		 * IMREAD_ANYCOLOR = 4 ：图像以任何可能的颜色格式读取
		 * IMREAD_LOAD_GDAL = 8 ：使用GDAL驱动读取文件，GDAL(Geospatial Data Abstraction
		 * Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。
		 *	它还有一系列命令行工具来进行数据转换和处理。
		 */
		Mat src = Imgcodecs.imread("D:\\1234.jpg");
		
		HighGui.imshow("原图", src);
		HighGui.waitKey();
		
		
		Mat kernel = new Mat(3,3,Imgcodecs.IMREAD_COLOR);
		kernel.put(0, 0,0,-1,0,-1,5,-1,0,-1,0); //锐化
		
		//索贝尔内核用于仅显示特定方向上相邻像素值的差异，分为left sobel、right sobel（检测梯度的水平变化）、top sobel、buttom sobel（检测梯度的垂直变化）。
		//kernel.put(0, 0,-1,-2,-1,0,0,0,1,2,1);
		
		//浮雕 通过强调像素的差在给定方向的Givens深度的错觉。在这种情况下，沿着从左上到右下的直线的方向。
		//kernel.put(0, 0,-2,-1,0,-1,1,1,0,1,2);
		
		//大纲 一个轮廓内核（也称为“边缘”的内核）用于突出显示的像素值大的差异。具有接近相同强度的相邻像素旁边的像素在新图像中将显示为黑色，而与强烈不同的相邻像素相邻的像素将显示为白色。
		//kernel.put(0, 0,-1,-1,-1,-1,8,-1,-1,-1,-1);
		
		//拉普拉斯算子（laplacian operator）拉普拉斯算子可以用于边缘检测，对于检测图像中的模糊也非常有用。
		//kernel.put(0, 0,0,1,0,1,-4,1,0,1,0);
		
		//模糊 Imgproc.blur(src, dst, ksize);
		//Mat kernel = new Mat(3,3,CvType.CV_32FC1);
		//kernel.put(0, 0,0.0625,0.125,0.0625,0.125,0.25,0.125,0.0625,0.125,0.125); 

		filter2DHandle(src,kernel,"锐化");
	}
	
	/**
	 * filter2D
	 * 将图像与内核卷积。
	 * 该函数将任意线性滤波器应用于图像。支持就地操作。当光圈部分位于图像外部时，该函数会根据指定的边框模式对异常像素值进行插值。
	 * 该函数实际上会计算相关性，而不是卷积：
	 * 也就是说，内核不会围绕定位点进行镜像。如果需要真正的卷积，请使用#flip翻转内核，然后将新锚点设置为（kernel.cols-anchor.x-1，kernel.rows-anchor.y-1）。
	 * 在内核足够大（〜{11 x 11}或更大）的情况下，该函数使用基于DFT的算法，而对于小内核则使用直接算法。
	 * @param src输入图像。
	 * @param dst输出与src相同大小和相同通道数的图像。
	 * @param ddepth目标图像的所需深度 可以是unsigned char（CV_8U），signed char（CV_8S），unsigned short（CV_16U）等等..
	 * 当ddepth=-1时，表示输出图像与原图像有相同的深度。
	 * @param内核卷积内核（或更确切地说，是一个相关内核），一个单通道浮点矩阵；如果要将不同的内核应用于不同的通道，请使用split将图像分为单独的色彩平面，并分别进行处理。
	 * @param内核的锚点，指示内核中已过滤点的相对位置；锚点应位于内核内；默认值（-1，-1）表示锚位于内核中心。
	 * @param delta可选值添加到过滤的像素之前，将其存储在dst中。
	 * @param borderType像素外推方法，请参见 #BorderTypes
	 * BORDER_CONSTANT    = 0, //!< `iiiiii|abcdefgh|iiiiiii`  with some specified `i`
	 * BORDER_REPLICATE   = 1, //!< `aaaaaa|abcdefgh|hhhhhhh`
	 * BORDER_REFLECT     = 2, //!< `fedcba|abcdefgh|hgfedcb`
	 * BORDER_WRAP        = 3, //!< `cdefgh|abcdefgh|abcdefg`
	 * BORDER_REFLECT_101 = 4, //!< `gfedcb|abcdefgh|gfedcba`
	 * BORDER_TRANSPARENT = 5, //!< `uvwxyz|absdefgh|ijklmno`
	 * BORDER_REFLECT101  = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101
	 * BORDER_DEFAULT     = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101
	 * BORDER_ISOLATED    = 16 //!< do not look outside of ROI
	 * BORDER_CONSTANT 需要设置borderValue 指定 ' i'值 就是边沿像素用i替换
	 * BORDER_REPLICATE 复制边界像素
	 * BORDER_REFLECT 反射复制边界像素   
	 * BORDER_REFLECT_101 以边界为对称轴反射复制像素
	 */
	
	public static void filter2DHandle(Mat src,Mat kernel,String windowName) {
		Mat dst = new Mat(src.size(),src.type());
		Imgproc.filter2D(src, dst, -1, kernel, new Point(-1,-1), 0, Core.BORDER_REPLICATE);
		
		HighGui.imshow(windowName, dst);
		HighGui.waitKey();
	}
}