高斯模糊(英语:gaussian blur),也叫高斯平滑,是在adobe photoshop、gimp以及paint.net等图像处理软件中广泛使用的处理效果,通常用它来减少图像杂讯以及降低细节层次。这种模糊技术生成的图像,其视觉效果就像是经过一个半透明屏幕在观察图像,这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预先处理阶段,以增强图像在不同比例大小下的图像效果。 从数学的角度来看,图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布,所以这项技术就叫作高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数,所以高斯模糊对于图像来说就是一个低通滤波器。
高斯模糊运用了高斯的正态分布的密度函数,计算图像中每个像素的变换。
根据一维高斯函数,可以推导得到二维高斯函数:
其中r是模糊半径,r^2 = x^2 + y^2,σ是正态分布的标准偏差。在二维空间中,这个公式生成的曲面的等高线是从中心开始呈正态分布的同心圆。分布不为零的像素组成的卷积矩阵与原始图像做变换。每个像素的值都是周围相邻像素值的加权平均。原始像素的值有最大的高斯分布值,所以有最大的权重,相邻像素随着距离原始像素越来越远,其权重也越来越小。这样进行模糊处理比其它的均衡模糊滤波器更高地保留了边缘效果。
其实,在ios上实现高斯模糊是件很容易的事儿。早在ios 5.0就有了core image的api,而且在coreimage.framework库中,提供了大量的滤镜实现。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
+(uiimage *)coreblurimage:(uiimage *)image withblurnumber:(cgfloat)blur { cicontext *context = [cicontext contextwithoptions:nil]; ciimage *inputimage= [ciimage imagewithcgimage:image.cgimage]; //设置filter cifilter *filter = [cifilter filterwithname:@ "cigaussianblur" ]; [filter setvalue:inputimage forkey:kciinputimagekey]; [filter setvalue:@(blur) forkey: @ "inputradius" ]; //模糊图片 ciimage *result=[filter valueforkey:kcioutputimagekey]; cgimageref outimage=[context createcgimage:result fromrect:[result extent]]; uiimage *blurimage=[uiimage imagewithcgimage:outimage]; cgimagerelease(outimage); return blurimage; } |
在android上实现高斯模糊也可以使用原生的api—–renderscript,不过需要android的api是17以上,也就是android 4.2版本。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
/** * 使用renderscript实现高斯模糊的算法 * @param bitmap * @return */ public bitmap blur(bitmap bitmap){ //let's create an empty bitmap with the same size of the bitmap we want to blur bitmap outbitmap = bitmap.createbitmap(bitmap.getwidth(), bitmap.getheight(), bitmap.config.argb_8888); //instantiate a new renderscript renderscript rs = renderscript.create(getapplicationcontext()); //create an intrinsic blur script using the renderscript scriptintrinsicblur blurscript = scriptintrinsicblur.create(rs, element.u8_4(rs)); //create the allocations (in/out) with the renderscript and the in/out bitmaps allocation allin = allocation.createfrombitmap(rs, bitmap); allocation allout = allocation.createfrombitmap(rs, outbitmap); //set the radius of the blur: 0 < radius <= 25 blurscript.setradius( 20 .0f); //perform the renderscript blurscript.setinput(allin); blurscript.foreach(allout); //copy the final bitmap created by the out allocation to the outbitmap allout.copyto(outbitmap); //recycle the original bitmap bitmap.recycle(); //after finishing everything, we destroy the renderscript. rs.destroy(); return outbitmap; } |
我们开发的图像框架cv4j也提供了一个滤镜来实现高斯模糊。
1
2
3
4
|
gaussianblurfilter filter = new gaussianblurfilter(); filter.setsigma( 10 ); rximagedata.bitmap(bitmap).addfilter(filter).into(image2); |
可以看出,cv4j实现的高斯模糊跟renderscript实现的效果一致。
其中,gaussianblurfilter的代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
|
public class gaussianblurfilter implements commonfilter { private float [] kernel; private double sigma = 2 ; executorservice mexecutor; completionservice< void > service; public gaussianblurfilter() { kernel = new float [ 0 ]; } public void setsigma( double a) { this .sigma = a; } @override public imageprocessor filter( final imageprocessor src){ final int width = src.getwidth(); final int height = src.getheight(); final int size = width*height; int dims = src.getchannels(); makegaussiankernel(sigma, 0.002 , ( int )math.min(width, height)); mexecutor = taskutils.newfixedthreadpool( "cv4j" ,dims); service = new executorcompletionservice<>(mexecutor); // save result for ( int i= 0 ; i<dims; i++) { final int temp = i; service.submit( new callable< void >() { public void call() throws exception { byte [] inpixels = src.tobyte(temp); byte [] temp = new byte [size]; blur(inpixels, temp, width, height); // h gaussian blur(temp, inpixels, height, width); // v gaussain return null ; } } ); } for ( int i = 0 ; i < dims; i++) { try { service.take(); } catch (interruptedexception e) { e.printstacktrace(); } } mexecutor.shutdown(); return src; } /** * <p> here is 1d gaussian , </p> * * @param inpixels * @param outpixels * @param width * @param height */ private void blur( byte [] inpixels, byte [] outpixels, int width, int height) { int subcol = 0 ; int index = 0 , index2 = 0 ; float sum = 0 ; int k = kernel.length- 1 ; for ( int row= 0 ; row<height; row++) { int c = 0 ; index = row; for ( int col= 0 ; col<width; col++) { sum = 0 ; for ( int m = -k; m< kernel.length; m++) { subcol = col + m; if (subcol < 0 || subcol >= width) { subcol = 0 ; } index2 = row * width + subcol; c = inpixels[index2] & 0xff ; sum += c * kernel[math.abs(m)]; } outpixels[index] = ( byte )tools.clamp(sum); index += height; } } } public void makegaussiankernel( final double sigma, final double accuracy, int maxradius) { int kradius = ( int )math.ceil(sigma*math.sqrt(- 2 *math.log(accuracy)))+ 1 ; if (maxradius < 50 ) maxradius = 50 ; // too small maxradius would result in inaccurate sum. if (kradius > maxradius) kradius = maxradius; kernel = new float [kradius]; for ( int i= 0 ; i<kradius; i++) // gaussian function kernel[i] = ( float )(math.exp(- 0.5 *i*i/sigma/sigma)); double sum; // sum over all kernel elements for normalization if (kradius < maxradius) { sum = kernel[ 0 ]; for ( int i= 1 ; i<kradius; i++) sum += 2 *kernel[i]; } else sum = sigma * math.sqrt( 2 *math.pi); for ( int i= 0 ; i<kradius; i++) { double v = (kernel[i]/sum); kernel[i] = ( float )v; } return ; } } |
空间卷积
二维卷积在图像处理中会经常遇到,图像处理中用到的大多是二维卷积的离散形式。
以下是cv4j实现的各种卷积效果。
cv4j 目前支持如下的空间卷积滤镜
filter | 名称 | 作用 |
---|---|---|
convolutionhvfilter | 卷积 | 模糊或者降噪 |
minmaxfilter | 最大最小值滤波 | 去噪声 |
sapnoisefilter | 椒盐噪声 | 增加噪声 |
sharpfilter | 锐化 | 增强 |
medimafilter | 中值滤波 | 去噪声 |
laplasfilter | 拉普拉斯 | 提取边缘 |
findedgefilter | 寻找边缘 | 梯度提取 |
sobelfilter | 梯度 | 获取x、y方向的梯度提取 |
variancefilter | 方差滤波 | 高通滤波 |
maeroperatorfilter | 马尔操作 | 高通滤波 |
usmfilter | usm | 增强 |
cv4j 是gloomyfish和我一起开发的图像处理库,目前还处于早期的版本。
目前已经实现的功能:
这周,我们对 cv4j 做了较大的调整,对整体架构进行了优化。还加上了空间卷积功能(图片增强、锐化、模糊等等)。接下来,我们会做二值图像的分析(腐蚀、膨胀、开闭操作、轮廓提取等等)
总结
以上就是本文关于java编程实现高斯模糊和图像的空间卷积详解的全部内容,希望对大家有所帮助。如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!
原文链接:http://www.codeceo.com/article/gaussian-blur.html