Java图像处理：实现旋转、边缘检测、锐化、对比度增强和风格化

这篇博客将介绍如何使用Java代码对图像进行一系列处理，包括旋转、边缘检测、锐化、对比度增强和风格化。javaimport javax.imageio.ImageIO; import java.awt.image.BufferedImage; import java.io.File; import java.io.IOException;

public class ImageProcessor { public static void main(String[] args) throws IOException { BufferedImage image = ImageIO.read(new File('image.jpg')); // 旋转图像 BufferedImage rotatedImage = rotateImage(image, 90); ImageIO.write(rotatedImage, 'jpg', new File('rotatedImage.jpg')); // 边界检测 BufferedImage edgeDetectedImage = detectEdges(image); ImageIO.write(edgeDetectedImage, 'jpg', new File('edgeDetectedImage.jpg')); // 图像锐化 BufferedImage sharpenedImage = sharpenImage(image); ImageIO.write(sharpenedImage, 'jpg', new File('sharpenedImage.jpg')); // 对比度增强 BufferedImage contrastEnhancedImage = enhanceContrast(image); ImageIO.write(contrastEnhancedImage, 'jpg', new File('contrastEnhancedImage.jpg')); // 图像风格化 BufferedImage stylizedImage = stylizeImage(image); ImageIO.write(stylizedImage, 'jpg', new File('stylizedImage.jpg')); }

// 旋转图像函数    public static BufferedImage rotateImage(BufferedImage image, int degree) {         int width = image.getWidth();         int height = image.getHeight();         BufferedImage rotatedImage = new BufferedImage(height, width, image.getType());         for (int i = 0; i < width; i++) {             for (int j = 0; j < height; j++) {                rotatedImage.setRGB(height - 1 - j, i, image.getRGB(i, j));             }        }        return rotatedImage;     }

// 边缘检测函数    public static BufferedImage detectEdges(BufferedImage image) {         int width = image.getWidth();        int height = image.getHeight();         BufferedImage edgeDetectedImage = new BufferedImage(width, height, image.getType());        for (int i = 1; i < width - 1; i++) {             for (int j = 1; j < height - 1; j++) {                int gx = (image.getRGB(i + 1, j - 1) & 0xff) + 2 * (image.getRGB(i + 1, j) & 0xff) + (image.getRGB(i + 1, j + 1) & 0xff)                        - (image.getRGB(i - 1, j - 1) & 0xff) - 2 * (image.getRGB(i - 1, j) & 0xff) - (image.getRGB(i - 1, j + 1) & 0xff);                int gy = (image.getRGB(i - 1, j + 1) & 0xff) + 2 * (image.getRGB(i, j + 1) & 0xff) + (image.getRGB(i + 1, j + 1) & 0xff)                        - (image.getRGB(i - 1, j - 1) & 0xff) - 2 * (image.getRGB(i, j - 1) & 0xff) - (image.getRGB(i + 1, j - 1) & 0xff);                int g = (int) Math.sqrt(gx * gx + gy * gy);                 edgeDetectedImage.setRGB(i, j, (g << 16) | (g << 8) | g);             }        }        return edgeDetectedImage;     }

// 图像锐化函数    public static BufferedImage sharpenImage(BufferedImage image) {         int width = image.getWidth();         int height = image.getHeight();        BufferedImage sharpenedImage = new BufferedImage(width, height, image.getType());         for (int i = 1; i < width - 1; i++) {             for (int j = 1; j < height - 1; j++) {                int c = 5 * image.getRGB(i, j) - image.getRGB(i - 1, j) - image.getRGB(i + 1, j)                        - image.getRGB(i, j - 1) - image.getRGB(i, j + 1);                 sharpenedImage.setRGB(i, j, c);             }        }        return sharpenedImage;     }

// 对比度增强函数    public static BufferedImage enhanceContrast(BufferedImage image) {         int width = image.getWidth();         int height = image.getHeight();         BufferedImage contrastEnhancedImage = new BufferedImage(width, height, image.getType());         int[] histogram = new int[256];        for (int i = 0; i < width; i++) {             for (int j = 0; j < height; j++) {                int c = image.getRGB(i, j) & 0xff;                 histogram[c]++;             }        }        int totalPixels = width * height;         float[] cumulativeHistogram = new float[256];         cumulativeHistogram[0] = histogram[0] / (float) totalPixels;         for (int i = 1; i < 256; i++) {             cumulativeHistogram[i] = cumulativeHistogram[i - 1] + histogram[i] / (float) totalPixels;        }        for (int i = 0; i < width; i++) {             for (int j = 0; j < height; j++) {                int c = image.getRGB(i, j) & 0xff;                 int newC = (int) (255 * cumulativeHistogram[c]);                 contrastEnhancedImage.setRGB(i, j, (newC << 16) | (newC << 8) | newC);             }        }        return contrastEnhancedImage;     }

// 图像风格化函数    public static BufferedImage stylizeImage(BufferedImage image) {         int width = image.getWidth();         int height = image.getHeight();         BufferedImage stylizedImage = new BufferedImage(width, height, image.getType());         for (int i = 1; i < width - 1; i++) {             for (int j = 1; j < height - 1; j++) {                int c = (image.getRGB(i - 1, j - 1) + image.getRGB(i - 1, j) + image.getRGB(i - 1, j + 1)                        + image.getRGB(i, j - 1) + 4 * image.getRGB(i, j) + image.getRGB(i, j + 1)                        + image.getRGB(i + 1, j - 1) + image.getRGB(i + 1, j) + image.getRGB(i + 1, j + 1)) / 12;                 stylizedImage.setRGB(i, j, c);             }        }        return stylizedImage;     }}

代码解释:

首先，我们导入了必要的Java库，包括ImageIO用于图像读写，BufferedImage用于表示图像，File用于文件操作，IOException用于处理异常。
ImageProcessor类包含所有图像处理函数。
main函数是程序的入口点。它首先加载名为'image.jpg'的图像。然后，它调用不同的图像处理函数，并将结果保存到新的文件。
rotateImage函数将输入图像旋转指定度数。
detectEdges函数使用Sobel算子检测图像中的边缘。
sharpenImage函数使用卷积核增强图像的清晰度。
enhanceContrast函数通过均衡直方图来增强图像的对比度。
stylizeImage函数通过对周围像素求平均值来对图像进行风格化处理。

这段代码提供了一个简单的Java图像处理框架。你可以根据需要修改和扩展它。