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
