Java怎样实现高斯模糊和图像的空间卷积

这期内容当中小编将会给大家带来有关Java怎样实现高斯模糊和图像的空间卷积，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

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***的高斯分布值，所以有***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filterCIFilter *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 blurBitmap outBitmap = Bitmap.createBitmap(bitmap.getWidth(), bitmap.getHeight(), Bitmap.Config.ARGB_8888);//Instantiate a new RenderscriptRenderScript rs = RenderScript.create(getApplicationContext());//Create an Intrinsic Blur Script using the RenderscriptScriptIntrinsicBlur blurScript = ScriptIntrinsicBlur.create(rs, Element.U8_4(rs));//Create the Allocations (in/out) with the Renderscript and the in/out bitmapsAllocation allIn = Allocation.createFromBitmap(rs, bitmap);
        Allocation allOut = Allocation.createFromBitmap(rs, outBitmap);//Set the radius of the blur: 0 < radius <= 25blurScript.setRadius(20.0f);//Perform the RenderscriptblurScript.setInput(allIn);
        blurScript.forEach(allOut);//Copy the final bitmap created by the out Allocation to the outBitmapallOut.copyTo(outBitmap);//recycle the original bitmapbitmap.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;
    }@Overridepublic 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 resultfor(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 Gaussianblur(temp, inPixels, height, width); // V Gaussainreturn 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 functionkernel[i] = (float)(Math.exp(-0.5*i*i/sigma/sigma));double sum;                                 // sum over all kernel elements for normalizationif (kRadius < maxRadius) {
            sum = kernel[0];for (int i=1; i<kRadius; i++)
                sum += 2*kernel[i];
        } elsesum = 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：

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)。

上述就是小编为大家分享的Java怎样实现高斯模糊和图像的空间卷积了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注亿速云行业资讯频道。