Java编程实现高斯模糊和图像的空间卷积详解

高斯模糊

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。

+(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。

/**
   * 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。

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：

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

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。感兴趣的朋友可以继续参阅本站：

70行Java代码实现深度神经网络算法分享

Java语言基于无向有权图实现克鲁斯卡尔算法代码示例

java算法实现红黑树完整代码示例

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！