图像处理------基于阈值模糊-阿里云开发者社区

图像处理------基于阈值模糊

2015-07-24 1690

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 算法思想：<p style="color: rgb(51, 51, 51); font-fam

算法思想：

实现一个高斯卷积模糊但是只运用与周围的像素值与中心像素值差值小于阈值。两个

像素值之间的距离计算可以选用向量距离即曼哈顿距离或者欧几里德距离。高斯模糊

采用先XY方向一维高斯模糊完成目的是为了减小计算量。

程序效果：

关键代码解释：

分别完成XY方向的一维高斯模糊

[java]view plaincopy
<span style="font-weight: normal;">thresholdBlur( kernel, inPixels, outPixels, width, height, true );  
thresholdBlur( kernel, outPixels, inPixels, height, width, true );</span>  

计算像素距离，完成像素高斯卷积代码如下：

[java]view plaincopy
int d;  
if(euclid) {  
    d = (int)Math.sqrt(a1*a1-a2*a2);  
} else {  
    d = a1-a2;  
}  
if ( d >= -threshold && d <= threshold ) {  
    a += f * a2;  
    af += f;  
}  
if(euclid) {  
    d = (int)Math.sqrt(r1*r1-r2*r2);  
} else {  
    d = r1-r2;  
}  
if ( d >= -threshold && d <= threshold ) {  
    r += f * r2;  
    rf += f;  
}  
if(euclid) {  
    d = (int)Math.sqrt(g1*g1-g2*g2);  
} else {  
    d = g1-g2;  
}  
if ( d >= -threshold && d <= threshold ) {  
    g += f * g2;  
    gf += f;  
}  
if(euclid) {  
    d = (int)Math.sqrt(b1*b1-b2*b2);  
} else {  
    d = b1-b2;  
}  
if ( d >= -threshold && d <= threshold ) {  
    b += f * b2;  
    bf += f;  
}  

滤镜完整代码如下：

[java]view plaincopy
package com.gloomyfish.filter.study;  
  
import java.awt.image.BufferedImage;  
  
public class SmartBlurFilter extends AbstractBufferedImageOp {  
  
    private int hRadius = 5;  
    private int threshold = 50;  
    private boolean euclid = false;  
      
    public BufferedImage filter( BufferedImage src, BufferedImage dest ) {  
        int width = src.getWidth();  
        int height = src.getHeight();  
  
        if ( dest == null )  
            dest = createCompatibleDestImage( src, null );  
  
        int[] inPixels = new int[width*height];  
        int[] outPixels = new int[width*height];  
        getRGB( src, 0, 0, width, height, inPixels );  
  
        // generate the Gaussian kernel data  
        float[] kernel = makeKernel(hRadius);  
          
        // do Gaussian X and Y direction with kernel data.  
        // this way will proceed quickly  
        thresholdBlur( kernel, inPixels, outPixels, width, height, true );  
        thresholdBlur( kernel, outPixels, inPixels, height, width, true );  
  
        // set back result data to destination image  
        setRGB( dest, 0, 0, width, height, inPixels );  
        return dest;  
    }  
      
    /** 
     * Convolve with a Gaussian matrix consisting of one row float data 
     */  
    public void thresholdBlur(float[] matrix, int[] inPixels, int[] outPixels, int width, int height, boolean alpha) {  
        int cols = matrix.length;  
        int cols2 = cols/2;  
  
        for (int y = 0; y < height; y++) {  
            int ioffset = y*width; // index to correct row here!!  
            int outIndex = y;  
            for (int x = 0; x < width; x++) {  
                float r = 0, g = 0, b = 0, a = 0;  
                int moffset = cols2;  
  
                int rgb1 = inPixels[ioffset+x];  
                int a1 = (rgb1 >> 24) & 0xff;  
                int r1 = (rgb1 >> 16) & 0xff;  
                int g1 = (rgb1 >> 8) & 0xff;  
                int b1 = rgb1 & 0xff;  
                float af = 0, rf = 0, gf = 0, bf = 0;  
                for (int col = -cols2; col <= cols2; col++) {  
                    float f = matrix[moffset+col];  
  
                    if (f != 0) {  
                        int ix = x+col;  
                        if (!(0 <= ix && ix < width))  
                            ix = x;  
                        int rgb2 = inPixels[ioffset+ix];  
                        int a2 = (rgb2 >> 24) & 0xff;  
                        int r2 = (rgb2 >> 16) & 0xff;  
                        int g2 = (rgb2 >> 8) & 0xff;  
                        int b2 = rgb2 & 0xff;  
  
                        int d;  
                        if(euclid) {  
                            d = (int)Math.sqrt(a1*a1-a2*a2);  
                        } else {  
                            d = a1-a2;  
                        }  
                        if ( d >= -threshold && d <= threshold ) {  
                            a += f * a2;  
                            af += f;  
                        }  
                        if(euclid) {  
                            d = (int)Math.sqrt(r1*r1-r2*r2);  
                        } else {  
                            d = r1-r2;  
                        }  
                        if ( d >= -threshold && d <= threshold ) {  
                            r += f * r2;  
                            rf += f;  
                        }  
                        if(euclid) {  
                            d = (int)Math.sqrt(g1*g1-g2*g2);  
                        } else {  
                            d = g1-g2;  
                        }  
                        if ( d >= -threshold && d <= threshold ) {  
                            g += f * g2;  
                            gf += f;  
                        }  
                        if(euclid) {  
                            d = (int)Math.sqrt(b1*b1-b2*b2);  
                        } else {  
                            d = b1-b2;  
                        }  
                        if ( d >= -threshold && d <= threshold ) {  
                            b += f * b2;  
                            bf += f;  
                        }  
                    }  
                }  
                // normalization process here  
                a = af == 0 ? a1 : a/af;   
                r = rf == 0 ? r1 : r/rf;  
                g = gf == 0 ? g1 : g/gf;  
                b = bf == 0 ? b1 : b/bf;  
                  
                // return result pixel data  
                int ia = alpha ? PixelUtils.clamp((int)(a+0.5)) : 0xff;  
                int ir = PixelUtils.clamp((int)(r+0.5));  
                int ig = PixelUtils.clamp((int)(g+0.5));  
                int ib = PixelUtils.clamp((int)(b+0.5));  
                outPixels[outIndex] = (ia << 24) | (ir << 16) | (ig << 8) | ib;  
                outIndex += height;  
            }  
        }  
    }  
  
    public void setHRadius(int hRadius) {  
        this.hRadius = hRadius;  
    }  
      
    public void setThreshold(int th) {  
        this.threshold = th;  
    }  
      
    public void setEuclid(boolean apply) {  
        this.euclid = apply;  
    }  
  
}  

图像处理------基于阈值模糊

热门文章

最新文章

相关电子书