Java實現高斯模糊和圖像的空間卷積
高斯模糊
高斯模糊（英語：Gaussian Blur），也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等圖像處理軟件中廣泛使用的處理效果，通常用它來減少圖像雜訊以及降低細節層次。這種模糊技術生成的圖像，其視覺效果就像是經過一個半透明屏幕在觀察圖像，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先處理階段，以增強圖像在不同比例大小下的圖像效果。 從數學的角度來看，圖像的高斯模糊過程就是圖像與正態分布做卷積。由于正態分布又叫作 高斯分布 ，所以這項技術就叫作高斯模糊。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。由于高斯函數的傅立葉變換是另外一個高斯函數，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分布的密度函數，計算圖像中每個像素的變換。
gaussian-function.png
根據一維高斯函數，可以推導得到二維高斯函數：
二維高斯函數.png
二維的正太分布.png
其中 r 是模糊半徑，r^2 = x^2 + y^2，σ是正態分布的標準偏差。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分布的同心圓。分布不為零的像素組成的卷積矩陣與原始圖像做變換。每個像素的值都是周圍相鄰像素值的加權平均。原始像素的值有最大的高斯分布值，所以有最大的權重，相鄰像素隨著距離原始像素越來越遠，其權重也越來越小。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。
其實，在iOS上實現高斯模糊是件很容易的事兒。早在iOS 5.0就有了Core Image的API，而且在CoreImage.framework庫中，提供了大量的濾鏡實現。
+(UIImage *)coreBlurImage:(UIImage *)image withBlurNumber:(CGFloat)blur
{
CIContext *context = [CIContext contextWithOptions:nil];
CIImage *inputImage= [CIImage imageWithCGImage:image.CGImage];
//設置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，也就是Android 4.2版本。
/**
* 使用RenderScript實現高斯模糊的算法
* @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;
}</code></pre>
我們開發的圖像框架 cv4j 也提供了一個濾鏡來實現高斯模糊。
GaussianBlurFilter filter = new GaussianBlurFilter();
filter.setSigma(10);
RxImageData.bitmap(bitmap).addFilter(filter).into(image2);
使用RenderScript實現高斯模糊.png
使用cv4j實現高斯模糊.png
可以看出， cv4j 實現的高斯模糊跟RenderScript實現的效果一致。
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常遇到，圖像處理中用到的大多是二維卷積的離散形式。
二維卷積的離散形式.png
以下是 cv4j 實現的各種卷積效果。
各種卷積效果1.png
各種卷積效果2.png
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、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
cv4j 是 gloomyfish 和我一起開發的圖像處理庫，目前還處于早期的版本。
目前已經實現的功能：
cv4j.png
這周，我們對 cv4j 做了較大的調整，對整體架構進行了優化。還加上了空間卷積功能(圖片增強、銳化、模糊等等)。接下來，我們會做二值圖像的分析(腐蝕、膨脹、開閉操作、輪廓提取等等)
來自：http://www.jianshu.com/p/41838f2d35c4