OpenCV Java 图像边缘检测 Sobel Scharr Laplacian Canny

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.core.Scalar;
import org.opencv.core.Size;
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");
		Imgproc.resize(src, src, new Size(src.cols()/2,src.rows()/2));
		
		HighGui.imshow("原图", src);
		HighGui.waitKey();
		
		imgSoble(src);
		imgLaplance (src);
		ImgCanny(src);

	}
	
	//还可以可以使用filter2D方法， https://blog.csdn.net/ren365880/article/details/103933835
	public static void imgSoble(Mat src) {
		Mat gray= new Mat();
		// 转灰度图片
		Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
		
		//X和Y的梯度
		Mat xgray = new Mat();
		Mat ygray = new Mat();
		/*
		 * Sobel 索贝尔算子（Sobel operator）是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。
		 * 在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。Sobel导数结合了高斯平滑和微分求导。
		 */
		//Imgproc.Sobel(gray, xgray, CvType.CV_8UC1, 1, 0, 3);
		//Imgproc.Sobel(gray, ygray, CvType.CV_8UC1, 0, 1, 3);
		
		/* Scharr 当内核大小为 3 时, 以上Sobel内核可能产生比较明显的误差(毕竟，Sobel算子只是求取了导数的近似值)。 
		 * 为解决这一问题，OpenCV提供了 Scharr 函数，但该函数仅作用于大小为3的内核。该函数的运算与Sobel函数一样快，但结果却更加精确，
		 */
		//Imgproc.Scharr(gray, xgray, CvType.CV_8UC1, 1, 0);
		Imgproc.Scharr(gray, ygray, CvType.CV_8UC1, 0, 1);
		
		//图像变为正数 计算绝对值，并将结果转换为8位。
		Core.convertScaleAbs(xgray, xgray);
		Core.convertScaleAbs(ygray, ygray);
		
		HighGui.imshow("Soble", ygray);
		HighGui.waitKey();
	}
	
	
	//还可以可以使用filter2D方法， https://blog.csdn.net/ren365880/article/details/103933835
	public static void imgLaplance (Mat src) {
		Mat gray= new Mat();
		Mat image= new Mat();
		
		//转灰度图片
		Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
		
		//Laplance算子
		Imgproc.Laplacian(gray, image, CvType.CV_8UC1,3);
		HighGui.imshow("Laplance", image);
		HighGui.waitKey();
	}
	
	
	public static void ImgCanny(Mat src) {
		Mat gray= new Mat();
		Mat image= new Mat();
		
		//转灰度图片
		Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
		
		/*
		 * 该函数使用Canny算法在输入图像中找到边缘，并在输出地图边缘中对其进行标记。
		 * threshold1和threshold2之间的最小值用于边缘链接。
		 * 最大值用于查找强边的初始段。
		 * @param图像8位输入图像。
		 * @param edges输出边缘图； 单通道8位图像，其大小与image相同。
		 * @param threshold1滞后过程的第一个阈值。
		 * @param threshold2滞后过程的第二个阈值。
		 * @param apertureSize Sobel运算符的光圈大小。
		 * @param L2gradient一个标志，指示是否应使用更精确的（L_2）norm（= sqrt {（dI / dx）^ 2 +（dI / dy）^
		 * 2}）来计算图像梯度幅度（L2gradient = true） ，或默认（L_1）norm（= dI / dx + dI / dy）（L2gradient = false）。
		 */
		Imgproc.Canny(gray, image, 120, 200, 3, false);
	
		HighGui.imshow("Canny", image);
		HighGui.waitKey();
	}
	
}