Java圖像處理之高斯模糊
高斯模糊是一種兩維的卷積模糊操作，在圖像完成高斯模糊相對于均值模糊來說，
計算量會增加，但是高斯模糊可以實現一些特殊效果，特別是在圖像噪聲(非椒鹽
噪聲)消去方面，更是有著非常好的效果。一維高斯公式如下：
其中x是制定[-n,n]范圍的整數，sigma代表標準方差。通常取值為1.
一維高斯函數Java代碼如下：
private float[] get1DKernalData(int n, float sigma) {
float sigma22 = 2*sigma*sigma;
float Pi2 = 2*(float)Math.PI;
float sqrtSigmaPi2 = (float)Math.sqrt(Pi2) * sigma ;
int size = 2*n + 1;
int index = 0;
float[] kernalData = new float[size];
for(int i=-n; i<=n; i++) {
float distance = i*i;
kernalData[index] = (float)Math.exp((-distance)/sigma22)/sqrtSigmaPi2;
System.out.println("\t" + kernalData[index]);
index++;
}
return kernalData;
}
假設輸入 n= 1, sigma = 1時，輸出的Kernel數據為：
0.24197073, 0.3989423, 0.24197073
兩維的高斯分布函數為：
對應的Java實現代碼為：
public float[][] get2DKernalData(int n, float sigma) {
int size = 2n +1;
float sigma22 = 2sigmasigma;
float sigma22PI = (float)Math.PI sigma22;
float[][] kernalData = new float[size][size];
int row = 0;
for(int i=-n; i<=n; i++) {
int column = 0;
for(int j=-n; j<=n; j++) {
float xDistance = ii;
float yDistance = jj;
kernalData[row][column] = (float)Math.exp(-(xDistance + yDistance)/sigma22)/sigma22PI;
column++;
}
row++;
}
for(int i=0; i<size; i++) {
for(int j=0; j<size; j++) {
System.out.print("\t" + kernalData[i][j]);
}
System.out.println();
System.out.println("\t ---------------------------");
}
return kernalData;
}</pre>
當n=1, sigma=1時對應輸出的Kernel數據為：
0.058549833 0.09653235 0.058549833
0.09653235 0.15915494 0.09653235
0.058549833 0.09653235 0.058549833
一個2D高斯分布的圖可以表示如下：
高斯過濾在圖像處理是一種低通濾波，會除去圖像的細節而保持整體不變化，在圖像美化和特效
方面，高斯過濾有這很多應用。高斯模糊不同于均值模糊！
本文實現完整的高斯模糊算法包括下面幾個步驟：
1. 生成高斯操作數即Kernel Data
2. 從圖像中讀取像素，利用第一步的操作數，完成卷積。
3. 發現圖像處理前后的最大像素值peak得出rate
4. 完成歸一化操作，返回處理后像素數組
關鍵程序解析：
利用操作數完成卷積的代碼參看以前的Blog文章《圖像處理之理解卷積》
完成歸一化操作的算法非常簡單, 主要是利用第三步計算出來的rate
// normalization
float rate = inMax/outMax;
System.out.println("Rate = " + rate);
for(int row=0; row<height; row++) {
for(int col=0; col<width; col++) {
index = row * width + col;
int rgb1 = tempoutPixels[index];
int red = (rgb1 >> 16) & 0xff;
int green = (rgb1 >> 8) & 0xff;
int blue = rgb1 & 0xff;
red = (int)(rate * red);
green = (int)(rate * green);
blue = (int)(rate * blue);
outPixels[index] = (rgb1 & 0xff000000) | (red << 16) | (green << 8) | blue;
}
}
高斯模糊效果如下：
- 左邊為原圖
- 右邊為高斯模糊之后效果，發現皺紋和手部滑了
等等現在還不最cool的效果，高斯模糊之后如果與原圖像疊加會出現一種Glow的
效果，好像燈光打在圖像上一樣，Glow處理之后的運行效果如下：
原圖：
實現Glow Filter之后的圖像：
實現Glow算法只是高斯模糊輸出像素值疊加原來的像素值。
int index = 0;
for ( int y = 0; y < height; y++ ) {
for ( int x = 0; x < width; x++ ) {
int rgb1 = outPixels[index];
int r1 = (rgb1 >> 16) & 0xff;
int g1 = (rgb1 >> 8) & 0xff;
int b1 = rgb1 & 0xff;
int rgb2 = inPixels[index];
int r2 = (rgb2 >> 16) & 0xff;
int g2 = (rgb2 >> 8) & 0xff;
int b2 = rgb2 & 0xff;
r1 = PixelUtils.clamp( (int)(r1 + a * r2) );
g1 = PixelUtils.clamp( (int)(g1 + a * g2) );
b1 = PixelUtils.clamp( (int)(b1 + a * b2) );
inPixels[index] = (rgb1 & 0xff000000) | (r1 << 16) | (g1 << 8) | b1;
index++;
}
}</pre>