最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Java實(shí)現(xiàn)銳化圖片并保存功能(附源碼)

 更新時(shí)間:2025年05月15日 08:50:51   作者:Katie。  
在圖像處理領(lǐng)域,銳化(Sharpening)?是一種常見的操作,用于增強(qiáng)圖像中邊緣和細(xì)節(jié),使圖像看起來更清晰,下面小編就來介紹一下如何使用Java?SE?原生?API實(shí)現(xiàn)對(duì)圖像的銳化處理并保存為常見格式文件吧

一、項(xiàng)目背景詳細(xì)介紹

在圖像處理領(lǐng)域,銳化(Sharpening) 是一種常見的操作,用于增強(qiáng)圖像中邊緣和細(xì)節(jié),使圖像看起來更清晰、更有層次感。與模糊(Blur)相反,銳化通過加強(qiáng)局部像素的對(duì)比度來突出紋理和輪廓,常用于攝影后期、醫(yī)學(xué)圖像增強(qiáng)、工業(yè)檢測(cè)等場(chǎng)景。

攝影與后期:對(duì)照片進(jìn)行微調(diào),增強(qiáng)主體邊緣,提升視覺沖擊力。

醫(yī)學(xué)影像:突出組織邊界,輔助診斷。

工業(yè)檢測(cè):加深裂紋或瑕疵輪廓,便于自動(dòng)識(shí)別。

教學(xué)與演示:理解圖像卷積和濾波器的原理。

本項(xiàng)目將使用 Java SE 原生 API(BufferedImage、ConvolveOp、Kernel、ImageIO),實(shí)現(xiàn)對(duì)圖像的銳化處理,并保存為常見格式文件。無(wú)需任何第三方依賴,跨平臺(tái)、易集成。

二、項(xiàng)目需求詳細(xì)介紹

2.1 功能需求

1.讀取圖像

  • 支持 JPEG、PNG、BMP、GIF 等常見格式;
  • 文件不存在或無(wú)法解析時(shí)給出清晰提示。

2.圖像銳化

  • 采用經(jīng)典的拉普拉斯算子、**Unsharp Mask(反銳化掩模)**或 高通濾波 方法;
  • 參數(shù)化控制:銳化強(qiáng)度(卷積核權(quán)重或掩模比例)。

3.保存輸出

  • 將銳化后的 BufferedImage 寫出為指定格式(PNG/JPEG),支持 JPEG 質(zhì)量參數(shù);
  • 自動(dòng)創(chuàng)建輸出目錄。

4.批量處理

  • 支持對(duì)目錄內(nèi)所有圖片批量銳化;
  • 保持相對(duì)目錄結(jié)構(gòu)輸出;
  • 并行執(zhí)行提升效率。

5.用戶交互(可選)

  • 命令行模式:簡(jiǎn)單參數(shù)調(diào)用;
  • Swing 界面:預(yù)覽原圖與處理結(jié)果。

6.日志與錯(cuò)誤處理

  • 對(duì)每張圖像的處理結(jié)果記錄日志;
  • 捕獲并提示 I/O、處理異常。

2.2 非功能需求

零依賴:僅用 Java 標(biāo)準(zhǔn)庫(kù)。

易用性:封裝成工具類,命令行或 GUI 均可調(diào)用。

性能:對(duì)大圖或批量場(chǎng)景采用多線程或分塊處理。

可擴(kuò)展:易于替換銳化算法或添加新濾鏡。

三、相關(guān)技術(shù)詳細(xì)介紹

1.BufferedImage

用于在內(nèi)存中表示可讀寫圖像,支持多種像素格式。

2.Kernel & ConvolveOp

  • Kernel 表示卷積核矩陣;
  • ConvolveOp 實(shí)現(xiàn)對(duì) BufferedImage 的卷積操作,用于各種濾波。

3.拉普拉斯算子(Laplacian)

常見 3×3 核:

0  -1   0  
-1  5  -1  
0  -1   0

中心權(quán)重>1,周圍為負(fù)值,增強(qiáng)邊緣。

4.Unsharp Mask(反銳化掩模)

先對(duì)原圖做 Gaussian Blur 得到平滑圖,

再用原圖與平滑圖的差值增強(qiáng)細(xì)節(jié):

sharpen = original + amount × (original - blurred)。

5.ImageIO & ImageWriter

讀取寫出多種格式;

JPEG 支持質(zhì)量設(shè)置。

6.ExecutorService

并行批量處理提升效率。

7.Swing(可選)

JFileChooser、JSlider 等用于參數(shù)調(diào)整和實(shí)時(shí)預(yù)覽。

四、實(shí)現(xiàn)思路詳細(xì)介紹

讀取源圖

BufferedImage src = ImageIO.read(new File(srcPath));

選擇銳化算法

  • 拉普拉斯卷積:直接用 ConvolveOp;
  • Unsharp Mask:自定義 Gaussian Blur + 差值運(yùn)算。

拉普拉斯卷積實(shí)現(xiàn)

float[] lap = {0,-1,0, -1,5,-1, 0,-1,0};
Kernel kernel = new Kernel(3,3,lap);
ConvolveOp op = new ConvolveOp(kernel, ConvolveOp.EDGE_NO_OP, null);
BufferedImage sharp = op.filter(src, null);

Unsharp Mask 實(shí)現(xiàn)

// 1. Gaussian Blur
float[] gauss = createGaussianKernel(radius);
Kernel gk = new Kernel(k, k, gauss);
BufferedImage blurred = new ConvolveOp(gk).filter(src, null);
// 2. 差值并增強(qiáng)
for each pixel:
  int orig = src.getRGB(x,y);
  int b = blurred.getRGB(x,y);
  int diff = orig - b;
  int result = clamp(orig + amount * diff);

保存輸出

  • 自動(dòng)根據(jù)擴(kuò)展名選 PNG 或 JPEG;
  • JPEG 可設(shè)質(zhì)量:
ImageWriter writer = ImageIO.getImageWritersByFormatName("jpg").next();
ImageWriteParam param = writer.getDefaultWriteParam();
param.setCompressionMode(MODE_EXPLICIT);
param.setCompressionQuality(q);
writer.write(null,new IIOImage(sharp,null,null),param);

批量與并發(fā)

  • 遍歷目錄收集所有圖片;
  • 使用 ExecutorService 并行調(diào)用上述流程;
  • 保持相對(duì)路徑輸出。

GUI 預(yù)覽

  • 用 JSlider 控制強(qiáng)度參數(shù);
  • 實(shí)時(shí) BufferedImage 更新到 JLabel。

五、完整實(shí)現(xiàn)代碼

import java.awt.image.*;
import java.io.*;
import java.nio.file.*;
import java.util.*;
import java.util.concurrent.*;
import javax.imageio.*;
import javax.imageio.stream.ImageOutputStream;
 
/**
 * ImageSharpenUtil:圖像銳化工具
 */
public class ImageSharpenUtil {
    // 默認(rèn)參數(shù)
    private static final double UNSHARP_AMOUNT = 1.0;   // 反銳化掩模強(qiáng)度
    private static final int GAUSS_RADIUS = 3;         // Gaussian 模糊半徑
    private static final float JPEG_QUALITY = 0.9f;    // JPEG 輸出質(zhì)量
    private static final int THREADS = Runtime.getRuntime().availableProcessors();
 
    public static void main(String[] args) throws Exception {
        if (args.length < 2) {
            System.out.println("用法: java ImageSharpenUtil <src> <dest> [laplacian|unsharp]");
            return;
        }
        Path src = Paths.get(args[0]), dest = Paths.get(args[1]);
        String mode = args.length >= 3 ? args[2] : "laplacian";
        if (Files.isDirectory(src)) {
            batchProcess(src, dest, mode);
        } else {
            processSingle(src.toFile(), dest.toFile(), mode);
        }
        System.out.println("完成。");
    }
 
    // 單圖處理
    public static void processSingle(File in, File out, String mode) throws IOException {
        BufferedImage src = ImageIO.read(in);
        if (src == null) throw new IOException("無(wú)法讀取: " + in);
        BufferedImage result = "unsharp".equals(mode)
            ? unsharpMask(src, GAUSS_RADIUS, UNSHARP_AMOUNT)
            : laplacianSharpen(src);
        writeImage(result, out);
        System.out.println("處理: " + in);
    }
 
    // 批量處理
    public static void batchProcess(Path srcDir, Path destDir, String mode) throws IOException, InterruptedException {
        List<Path> list = new ArrayList<>();
        try (Stream<Path> s = Files.walk(srcDir)) {
            s.filter(Files::isRegularFile)
             .filter(p->p.toString().matches(".*\\.(?i)(png|jpe?g|bmp|gif)$"))
             .forEach(list::add);
        }
        ExecutorService exec = Executors.newFixedThreadPool(THREADS);
        for (Path p : list) {
            exec.submit(() -> {
                try {
                    Path rel = srcDir.relativize(p);
                    File out = destDir.resolve(rel).toFile();
                    out.getParentFile().mkdirs();
                    processSingle(p.toFile(), out, mode);
                } catch (Exception e) {
                    System.err.println("失敗: " + p + " " + e.getMessage());
                }
            });
        }
        exec.shutdown();
        exec.awaitTermination(1, TimeUnit.HOURS);
    }
 
    // 拉普拉斯銳化
    public static BufferedImage laplacianSharpen(BufferedImage src) {
        float[] lap = {0,-1,0, -1,5,-1, 0,-1,0};
        Kernel kernel = new Kernel(3,3,lap);
        return new ConvolveOp(kernel, ConvolveOp.EDGE_NO_OP, null).filter(src, null);
    }
 
    // 反銳化掩模
    public static BufferedImage unsharpMask(BufferedImage src, int radius, double amount) {
        int size = radius * 2 + 1;
        float[] matrix = createGaussianKernel(radius);
        Kernel gk = new Kernel(size, size, matrix);
        BufferedImage blurred = new ConvolveOp(gk, ConvolveOp.EDGE_NO_OP, null).filter(src, null);
        BufferedImage dest = new BufferedImage(src.getWidth(), src.getHeight(), src.getType());
        for (int y=0; y<src.getHeight(); y++){
            for (int x=0; x<src.getWidth(); x++){
                int rgb1 = src.getRGB(x,y), rgb2 = blurred.getRGB(x,y);
                int a = (rgb1>>24)&0xFF;
                int r = clamp(((rgb1>>16&0xFF) - (rgb2>>16&0xFF)) * amount + (rgb1>>16&0xFF));
                int g = clamp(((rgb1>>8&0xFF) - (rgb2>>8&0xFF)) * amount + (rgb1>>8&0xFF));
                int b = clamp(((rgb1&0xFF) - (rgb2&0xFF)) * amount + (rgb1&0xFF));
                dest.setRGB(x,y, (a<<24)|(r<<16)|(g<<8)|b );
            }
        }
        return dest;
    }
 
    // 生成 Gaussian 核
    private static float[] createGaussianKernel(int radius) {
        int size = radius*2+1;
        float[] data = new float[size*size];
        double sigma = radius/3.0;
        double twoSigmaSq = 2*sigma*sigma;
        double piSigma = Math.PI * twoSigmaSq;
        double sum = 0;
        for(int y=-radius; y<=radius; y++){
            for(int x=-radius; x<=radius; x++){
                double v = Math.exp(-(x*x+y*y)/twoSigmaSq)/piSigma;
                data[(y+radius)*size + (x+radius)] = (float)v;
                sum += v;
            }
        }
        for(int i=0;i<data.length;i++) data[i] /= sum;
        return data;
    }
 
    // 寫出圖片
    public static void writeImage(BufferedImage img, File out) throws IOException {
        String ext = getExt(out.getName());
        out.getParentFile().mkdirs();
        if ("jpg".equalsIgnoreCase(ext)||"jpeg".equalsIgnoreCase(ext)) {
            Iterator<ImageWriter> it = ImageIO.getImageWritersByFormatName("jpg");
            ImageWriter w = it.next();
            try (ImageOutputStream ios = ImageIO.createImageOutputStream(out)) {
                w.setOutput(ios);
                ImageWriteParam p = w.getDefaultWriteParam();
                if (p.canWriteCompressed()) {
                    p.setCompressionMode(ImageWriteParam.MODE_EXPLICIT);
                    p.setCompressionQuality(JPEG_QUALITY);
                }
                w.write(null, new IIOImage(img,null,null),p);
            } finally { w.dispose(); }
        } else {
            ImageIO.write(img, ext, out);
        }
    }
 
    private static int clamp(double v) {
        return v<0?0:(v>255?255:(int)v);
    }
    private static String getExt(String name) {
        int i=name.lastIndexOf('.'); return i<0?"png":name.substring(i+1);
    }
}

六、代碼詳細(xì)解讀

1.main:解析命令行參數(shù),判斷單圖或批量模式,并選擇算法模式(拉普拉斯或反銳化掩模)。

2.laplacianSharpen:使用拉普拉斯 3×3 卷積核,通過 ConvolveOp 實(shí)現(xiàn)一行代碼銳化。

3.unsharpMask:

  • 調(diào)用 createGaussianKernel 生成高斯模糊核,模糊原圖。
  • 逐像素計(jì)算原圖與模糊圖之差,按 amount 放大后與原圖疊加,增強(qiáng)細(xì)節(jié)。

4.createGaussianKernel:根據(jù)給定半徑和 σ 值計(jì)算高斯分布核并歸一化。

5.writeImage:根據(jù)輸出文件擴(kuò)展名自動(dòng)選擇 PNG 或 JPEG;后者設(shè)置壓縮質(zhì)量。

6.batchProcess:使用 ExecutorService 并行遍歷目錄并處理,保持相對(duì)路徑輸出。

七、項(xiàng)目詳細(xì)總結(jié)

本項(xiàng)目實(shí)現(xiàn)了兩種經(jīng)典銳化算法:拉普拉斯算子 與 Unsharp Mask。核心特點(diǎn):

純 Java SE:無(wú)需額外庫(kù),方便集成。

多模式:算法可選,批量與單圖靈活。

參數(shù)化:可配置高斯半徑、掩模強(qiáng)度、JPEG 質(zhì)量。

高效并行:多線程批量處理。

可作為圖像處理入門示例,也可用于生產(chǎn)環(huán)境的自動(dòng)化銳化管道。

八、項(xiàng)目常見問題及解答

Q1:拉普拉斯核會(huì)產(chǎn)生噪點(diǎn)或過度銳化?

A:中心權(quán)重過大或圖像噪聲明顯時(shí),建議先做輕度高斯模糊再銳化,或使用 Unsharp Mask 控制更細(xì)膩。

Q2:反銳化掩模處理速度慢?

A:可降低模糊半徑或使用分塊并行;也可使用更小的 kernel。

Q3:輸出 JPEG 質(zhì)量差異大?

A:JPEG 為有損壓縮,建議將 JPEG_QUALITY 設(shè)置在 0.8–0.95 之間,或使用 PNG。

Q4:批量處理時(shí)內(nèi)存增長(zhǎng)?

A:確保及時(shí)釋放 BufferedImage 引用,并合理設(shè)置線程數(shù),避免同時(shí)加載過多大圖。

九、擴(kuò)展方向與性能優(yōu)化

GPU 加速:使用 OpenCL(JOCL)或 CUDA 版濾波器庫(kù),大幅提升大圖處理速度。

分塊渲染:對(duì)超大圖像切塊處理,降低內(nèi)存峰值。

更高級(jí)算子:集成 Canny 邊緣檢測(cè) + 導(dǎo)向中值濾波,實(shí)現(xiàn)更精準(zhǔn)銳化。

實(shí)時(shí) GUI:基于 JavaFX 或 Swing 加入滑桿、預(yù)覽、批量任務(wù)管理。

流水線處理:結(jié)合其他濾鏡(去噪、色彩校正)構(gòu)建完整圖像管道。

以上就是Java實(shí)現(xiàn)銳化圖片并保存功能(附源碼)的詳細(xì)內(nèi)容,更多關(guān)于Java銳化圖片的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • 關(guān)于springboot 配置date字段返回時(shí)間戳的問題

    關(guān)于springboot 配置date字段返回時(shí)間戳的問題

    這篇文章主要介紹了springboot 配置date字段返回時(shí)間戳的問題,在springboot2.0后,spring會(huì)將Date字段自動(dòng)給轉(zhuǎn)成UTC字符串了(在沒有配置的情況下),所以date需要轉(zhuǎn)換成時(shí)間戳還是yyyy-MM-dd HH:mm:ss,具體解決方法跟隨小編一起看看吧
    2021-07-07
  • Java構(gòu)造函數(shù)里的一些坑記錄super()和this()

    Java構(gòu)造函數(shù)里的一些坑記錄super()和this()

    這篇文章主要介紹了Java構(gòu)造函數(shù)里的一些坑記錄super()和this(),具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2024-03-03
  • 鑒權(quán)認(rèn)證+aop+注解+過濾feign請(qǐng)求的實(shí)例

    鑒權(quán)認(rèn)證+aop+注解+過濾feign請(qǐng)求的實(shí)例

    這篇文章主要介紹了鑒權(quán)認(rèn)證+aop+注解+過濾feign請(qǐng)求的實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-03-03
  • SpringBoot之核心依賴和自動(dòng)配置方式

    SpringBoot之核心依賴和自動(dòng)配置方式

    這篇文章主要介紹了SpringBoot之核心依賴和自動(dòng)配置方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-06-06
  • java多線程之線程安全的單例模式

    java多線程之線程安全的單例模式

    這篇文章主要為大家詳細(xì)介紹了java多線程之線程安全的單例模式,文章內(nèi)容全面,感興趣的小伙伴們可以參考一下
    2016-03-03
  • java設(shè)計(jì)模式理解依賴于抽象不依賴具體的分析

    java設(shè)計(jì)模式理解依賴于抽象不依賴具體的分析

    這篇文章主要為大家介紹了java設(shè)計(jì)模式的規(guī)則,理解依賴于抽象不依賴具體的示例分析,有需要的朋友可以借鑒參考下,希望能夠有所幫助
    2021-10-10
  • springBoot3 生成訂單號(hào)的示例代碼

    springBoot3 生成訂單號(hào)的示例代碼

    本文主要介紹了springBoot3 生成訂單號(hào)的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2025-10-10
  • 9種Java單例模式詳解(推薦)

    9種Java單例模式詳解(推薦)

    這篇文章主要介紹了9種Java單例模式詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-03-03
  • SpringBoot實(shí)現(xiàn)敏感詞過濾功能示例

    SpringBoot實(shí)現(xiàn)敏感詞過濾功能示例

    本文主要介紹了SpringBoot實(shí)現(xiàn)敏感詞過濾功能示例,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2025-11-11
  • SpringBoot添加License的多種方式

    SpringBoot添加License的多種方式

    License指的是版權(quán)許可證,當(dāng)我們開發(fā)完系統(tǒng)后,如果不想讓用戶一直白嫖使用,比如說按時(shí)間續(xù)費(fèi),License的作用就有了。我們可以給系統(tǒng)指定License的有效期,控制系統(tǒng)的可用時(shí)間。
    2021-06-06

最新評(píng)論

平顶山市| 望城县| 大竹县| 镶黄旗| 湟源县| 尚义县| 崇阳县| 贺州市| 旺苍县| 崇信县| 达孜县| 鄂托克旗| 饶河县| 日喀则市| 望谟县| 蒙山县| 临沭县| 新蔡县| 克东县| 甘谷县| 盈江县| 日照市| 肇东市| 崇信县| 英山县| 曲周县| 稻城县| 偃师市| 丰宁| 余庆县| 蓬溪县| 祁连县| 光泽县| 达州市| 东丽区| 洪雅县| 呼伦贝尔市| 永登县| 谢通门县| 大厂| 安国市|