图片锐化的公式:
I = A-w.(H*A)
A表示原始图像
H表示拉普拉斯算子这里使用的是
H={0,1,0,1,-4,1,0,1,0};
w取值与具体的H.这里采用的是1.0
activity:
//基于拉普拉斯算子边缘锐化,跟下面的比较的话只是换了一种算子
public void remove(View v){
Bitmap bitmap=BitmapFactory.decodeResource(getResources(),R.drawable.cc);
width=bitmap.getWidth();
height=bitmap.getHeight();
data=new int[width*height];
int[] outpixel=new int[width*height];
//int[] sharp={0,-1,0,-1,5,-1,0,-1,0};//拉普拉斯算子
int[] sharp={0,1,0,1,-4,1,0,1,0};//拉普拉斯滤波
bitmap.getPixels(data, 0, width, 0, 0, width, height);
for(int y=0;y<height;y++){
for(int x=0;x<width;x++){
int a=data[y*width+x]>>24&0xff;
int suma=0;
int sumred=0;
int sumgreen=0;
int sumblue=0;
int index=0;
for(int i=-1;i<=1;i++){
int newi=y+i;
if(newi<0 ||newi>=height){
newi=y;
}
for(int j=-1;j<=1;j++){
int newj=x+j;
if(newj<0||newj>=width){
newj=x;
}
int red=data[newi*width+newj]>>16&0xff;
int green=data[newi*width+newj]>>8&0xff;
int blue=data[newi*width+newj]&0xff;
suma+=a*sharp[index];
sumred+=red*sharp[index];
sumgreen+=green*sharp[index];
sumblue+=blue*sharp[index];
index++;
}
}
sumred=(data[y*width+x]>>16&0xff)-sumred;
sumgreen=(data[y*width+x]>>8&0xff)-sumgreen;
sumblue=(data[y*width+x]&0xff)-sumblue;
outpixel[y*width+x]=judge(a)<<24|judge(sumred)<<16|judge(sumgreen)<<8|judge(sumblue);
}
}
Bitmap newBitmap=Bitmap.createBitmap(width, height,Config.RGB_565);
newBitmap.setPixels(outpixel, 0, width, 0, 0, width, height);
destinationImage.setImageBitmap(newBitmap);
}
public int judge(int number){
return number<0?0:((number>255?255:number));
}
图片效果:
这里的拉普拉斯的滤波器算子还可以是:
H1={1,1,1,1,-8,1,1,1,1};
H2={1,2,1,2,-12,2,1,2,1}
除了拉普拉斯算子实现图片的锐化效果外,还可以使用sobel算子
先完成边缘检测,然后在实现边缘锐化
参考文章:http://blog.csdn.net/jia20003/article/details/7562092