DSP

图像处理之快速均值模糊(Box Blur)

2019-07-13 20:50发布

from:http://blog.csdn.net/jia20003/article/details/7201069
图像模糊的本质, 从数字信号处理的角度看,图像模糊就要压制高频信号保留低频信号, 压制高频的信号的一个可选择的方法就是卷积滤波。选择一个低频滤波器,对图像上的 每个像素实现低频滤波,这样整体效果就是一张数字图像更加的模糊,显示更少的细节信息。  传统的卷积模糊计算量巨大,程序效率比较低,基于滑动窗口的Box Blur是一种快速模糊方法, 其结果近似于卷积模糊的结果。我没证明过!   一:Box Blur数学原理 根据输入的半径R,计算起始2*R +1个像素的平均值, 作为第一个输出像素的结果, 公式可以表示为 像素 X0 =  其中K代表输入像素集合, i的取值范围为 i∈[-R, R] 然后计算每一行输出像素的值根据Xi = X0 + (K[index + R + 1] – K[index - R])   二:Box Blur的特征 Box Blur是一种快速的图像模糊技术, 相比于传统的卷积模糊,Box Blur可以更有效率的 完成对图像模糊, 模糊的程度取决一下三个输入参数, 1.      X方向上半径 H Radius 2.      Y方向上半径 V Radius 3.      迭代次数 Iteration number 在半径相同的情况下, 迭代次数越多,输出的图像就越模糊 在迭代次数相同的情况下, 像素半径越大, 输出的图像就越模糊 上述两者之间的不同是对图像的拉伸效果, 半径越大,对图像的拉伸效果越显著   Box模糊利用滑动窗口算法,从而简化了每次计算平均值带来额外开销。   从数字图像和信号处理的角度看, Box Blur是一种不折不扣的低通滤波, 但是它并不 是真正的高斯低通滤波, 不是卷积实现, 因而速度更快。  当水平和垂直半径分别为1 时,是典型的3*3 的矩阵卷积 1, 1, 1 1, 1, 1 1, 1, 1 计算, 相比于传统的卷积计算之后,要进行归一化处理,box计算过程中已经完成像素平均, 无需归一化处理。
三:基于滑动窗口算法的Box模糊效果   水平和垂直方向   垂直方向:     水平方向:   四:程序关键代码解析 注释已经很详细的写在代码中,最重要的一个步骤是提前建立index,根据index来找到平均值。 [java] view plaincopy
  1. "font-weight: normal;">    public static void blur( int[] in, int[] out, int width, int height, int radius ) {  
  2.         int widthMinus1 = width-1;  
  3.         int tableSize = 2*radius+1;  
  4.         int divide[] = new int[256*tableSize];  
  5.   
  6.         // the value scope will be 0 to 255, and number of 0 is table size  
  7.         // will get means from index not calculate result again since   
  8.         // color value must be  between 0 and 255.  
  9.         for ( int i = 0; i < 256*tableSize; i++ )  
  10.             divide[i] = i/tableSize;   
  11.   
  12.         int inIndex = 0;  
  13.           
  14.         //   
  15.         for ( int y = 0; y < height; y++ ) {  
  16.             int outIndex = y;  
  17.             int ta = 0, tr = 0, tg = 0, tb = 0// ARGB -> prepare for the alpha, red, green, blue color value.  
  18.   
  19.             for ( int i = -radius; i <= radius; i++ ) {  
  20.                 int rgb = in[inIndex + ImageMath.clamp(i, 0, width-1)]; // read input pixel data here. table size data.  
  21.                 ta += (rgb >> 24) & 0xff;  
  22.                 tr += (rgb >> 16) & 0xff;  
  23.                 tg += (rgb >> 8) & 0xff;  
  24.                 tb += rgb & 0xff;  
  25.             }  
  26.   
  27.             for ( int x = 0; x < width; x++ ) { // get output pixel data.  
  28.                 out[ outIndex ] = (divide[ta] << 24) | (divide[tr] << 16) | (divide[tg] << 8) | divide[tb]; // calculate the output data.  
  29.   
  30.                 int i1 = x+radius+1;  
  31.                 if ( i1 > widthMinus1 )  
  32.                     i1 = widthMinus1;  
  33.                 int i2 = x-radius;  
  34.                 if ( i2 < 0 )  
  35.                     i2 = 0;  
  36.                 int rgb1 = in[inIndex+i1];  
  37.                 int rgb2 = in[inIndex+i2];  
  38.                   
  39.                 ta += ((rgb1 >> 24) & 0xff)-((rgb2 >> 24) & 0xff);  
  40.                 tr += ((rgb1 & 0xff0000)-(rgb2 & 0xff0000)) >> 16;  
  41.                 tg += ((rgb1 & 0xff00)-(rgb2 & 0xff00)) >> 8;  
  42.                 tb += (rgb1 & 0xff)-(rgb2 & 0xff);  
  43.                 outIndex += height; // per column or per row as cycle...  
  44.             }  
  45.             inIndex += width; // next (i+ column number * n, n=1....n-1)  
  46.         }  
  47.     }  


版权声明:本文为博主原创文章,未经博主允许不得转载。