高斯模糊
高斯模糊（英語：Gaussian Blur）价淌，也叫高斯平滑淤齐，是在Adobe Photoshop榨馁、GIMP以及Paint.NET等圖像處理軟件中廣泛使用的處理效果憨栽，通常用它來減少圖像雜訊以及降低細節(jié)層次。這種模糊技術(shù)生成的圖像翼虫，其視覺效果就像是經(jīng)過一個半透明屏幕在觀察圖像屑柔，這與鏡頭焦外成像效果散景以及普通照明陰影中的效果都明顯不同。高斯平滑也用于計算機視覺算法中的預(yù)先處理階段珍剑，以增強圖像在不同比例大小下的圖像效果掸宛。 從數(shù)學(xué)的角度來看，圖像的高斯模糊過程就是圖像與正態(tài)分布做卷積招拙。由于正態(tài)分布又叫作高斯分布唧瘾，所以這項技術(shù)就叫作高斯模糊。圖像與圓形方框模糊做卷積將會生成更加精確的焦外成像效果别凤。由于高斯函數(shù)的傅立葉變換是另外一個高斯函數(shù)饰序，所以高斯模糊對于圖像來說就是一個低通濾波器。
高斯模糊運用了高斯的正態(tài)分布的密度函數(shù)规哪，計算圖像中每個像素的變換求豫。
根據(jù)一維高斯函數(shù)，可以推導(dǎo)得到二維高斯函數(shù)：
其中r是模糊半徑，r^2 = x^2 + y^2蝠嘉，σ是正態(tài)分布的標(biāo)準(zhǔn)偏差最疆。在二維空間中，這個公式生成的曲面的等高線是從中心開始呈正態(tài)分布的同心圓蚤告。分布不為零的像素組成的卷積矩陣與原始圖像做變換努酸。每個像素的值都是周圍相鄰像素值的加權(quán)平均。原始像素的值有最大的高斯分布值杜恰，所以有最大的權(quán)重获诈，相鄰像素隨著距離原始像素越來越遠，其權(quán)重也越來越小心褐。這樣進行模糊處理比其它的均衡模糊濾波器更高地保留了邊緣效果烙荷。
其實，在iOS上實現(xiàn)高斯模糊是件很容易的事兒檬寂。早在iOS 5.0就有了Core Image的API，而且在CoreImage.framework庫中戳表，提供了大量的濾鏡實現(xiàn)桶至。
+(UIImage *)coreBlurImage:(UIImage *)image withBlurNumber:(CGFloat)blur
{
CIContext *context = [CIContext contextWithOptions:nil];
CIImage *inputImage= [CIImage imageWithCGImage:image.CGImage];
//設(shè)置filter
CIFilter *filter = [CIFilter filterWithName:@"CIGaussianBlur"];
[filter setValue:inputImage forKey:kCIInputImageKey];
[filter setValue:@(blur) forKey: @"inputRadius"];
//模糊圖片
CIImage *result=[filter valueForKey:kCIOutputImageKey];
CGImageRef outImage=[context createCGImage:result fromRect:[result extent]];
UIImage *blurImage=[UIImage imageWithCGImage:outImage];
CGImageRelease(outImage);
return blurImage;
}
在Android上實現(xiàn)高斯模糊也可以使用原生的API-----RenderScript，不過需要Android的API是17以上匾旭，也就是Android 4.2版本镣屹。
/**
* 使用RenderScript實現(xiàn)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;
}
我們開發(fā)的圖像框架cv4j也提供了一個濾鏡來實現(xiàn)高斯模糊。
GaussianBlurFilter filter = new GaussianBlurFilter();
filter.setSigma(10);
RxImageData.bitmap(bitmap).addFilter(filter).into(image2);
可以看出价涝，cv4j實現(xiàn)的高斯模糊跟RenderScript實現(xiàn)的效果一致女蜈。
其中，GaussianBlurFilter的代碼如下：
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;
}
}
空間卷積
二維卷積在圖像處理中會經(jīng)常遇到色瘩，圖像處理中用到的大多是二維卷積的離散形式伪窖。
以下是cv4j實現(xiàn)的各種卷積效果。
cv4j 目前支持如下的空間卷積濾鏡
| filter | 名稱 | 作用 |
|---|---|---|
| ConvolutionHVFilter | 卷積 | 模糊或者降噪 |
| MinMaxFilter | 最大最小值濾波 | 去噪聲 |
| SAPNoiseFilter | 椒鹽噪聲 | 增加噪聲 |
| SharpFilter | 銳化 | 增強 |
| MedimaFilter | 中值濾波 | 去噪聲 |
| LaplasFilter | 拉普拉斯 | 提取邊緣 |
| FindEdgeFilter | 尋找邊緣 | 梯度提取 |
| SobelFilter | 梯度 | 獲取x居兆、y方向的梯度提取 |
| VarianceFilter | 方差濾波 | 高通濾波 |
| MaerOperatorFilter | 馬爾操作 | 高通濾波 |
| USMFilter | USM | 增強 |
總結(jié)
cv4j 是gloomyfish和我一起開發(fā)的圖像處理庫覆山，目前還處于早期的版本。
目前已經(jīng)實現(xiàn)的功能：
這周泥栖，我們對 cv4j 做了較大的調(diào)整簇宽，對整體架構(gòu)進行了優(yōu)化。還加上了空間卷積功能(圖片增強吧享、銳化魏割、模糊等等)。接下來钢颂，我們會做二值圖像的分析(腐蝕钞它、膨脹、開閉操作、輪廓提取等等)
