图像处理之光束效果

简介: 图像处理之光束效果

                                                            图像处理之光束效果


原理:


光束滤镜,对一幅图像完成光束效果,好似有一束光从图像本身激发出来,按照一定的角度


散发开来,光束滤镜是一种图像叠加效果,首先要借助于之前的完成的移动模糊滤镜,将一


幅图像按照一定的阈值二值化以后,加以移动模糊滤镜,将移动模糊之后的图像和原图像叠


加就产生了光束滤镜效果。



对光束滤镜而言,其最终效果除了移动模糊的三个参数以外,还取决于以下两个参数:


a.      图像RGB阈值的选取,建议可以直方图以后选取,程序以threshold表示


b.      光强度大小的值的选取,程序中以strength表示



程序运行效果如下:


0_1329399495OOoA.png



关键代码解析:


计算RGB阈值代码如下– 输入的阈值范围为[0,1]


intthreshold3 = (int)(threshold*3*255);



求取二值像素的代码如下:


int l = r + g + b;


if (l < threshold3)


   [x] =0xff000000;


else {


l /= 3;


pixels[x] = a | (l << 16) | (l << 8) | l;


}


像素叠加乘以强度系数的代码如下(其中r,g,b分别代表RGB的三个颜色分量值):


r = PixelUtils.clamp((int)(r * strength) + r2);


g = PixelUtils.clamp((int)(g * strength) + g2);


b = PixelUtils.clamp((int)(b * strength) + b2);


光束滤镜的完全源代码如下:

/*
** Copyright 2012 @gloomyfish. All rights reserved.
*/
 
package com.process.blur.study;
 
import java.awt.image.BufferedImage;
 
public class LaserFilter extends MotionFilter {
 
    private float threshold = 0.5f;
    private float strength = 0.8f;
 
    public LaserFilter() {
  }
 
  public void setThreshold( float threshold ) {
    this.threshold = threshold;
  }
  
  public float getThreshold() {
    return threshold;
  }
  
  public void setStrength( float strength ) {
    this.strength = strength;
  }
  
  public float getStrength() {
    return strength;
  }
  
    public BufferedImage filter( BufferedImage src, BufferedImage dst ) {
        int width = src.getWidth();
        int height = src.getHeight();
    int[] pixels = new int[width];
    int[] srcPixels = new int[width];
 
        BufferedImage laserImg = new BufferedImage(width, height, BufferedImage.TYPE_INT_ARGB);
 
    int threshold3 = (int)(threshold*3*255);
    for ( int y = 0; y < height; y++ ) {
      getRGB( src, 0, y, width, 1, pixels );
      for ( int x = 0; x < width; x++ ) {
        int rgb = pixels[x];
        int a = rgb & 0xff000000;
        int r = (rgb >> 16) & 0xff;
        int g = (rgb >> 8) & 0xff;
        int b = rgb & 0xff;
        int l = r + g + b;
        if (l < threshold3)
          pixels[x] = 0xff000000;
        else {
          l /= 3;
          pixels[x] = a | (l << 16) | (l << 8) | l;
        }
      }
      setRGB( laserImg, 0, y, width, 1, pixels );
    }
 
    laserImg = super.filter(laserImg, null );
    
    for ( int y = 0; y < height; y++ ) {
      getRGB( laserImg, 0, y, width, 1, pixels );
      getRGB( src, 0, y, width, 1, srcPixels );
      for ( int x = 0; x < width; x++ ) {
        int rgb = pixels[x];
        int a = rgb & 0xff000000;
        int r = (rgb >> 16) & 0xff;
        int g = (rgb >> 8) & 0xff;
        int b = rgb & 0xff;
        
        int rgb2 = srcPixels[x];
        // int a2 = rgb2 & 0xff000000;
        int r2 = (rgb2 >> 16) & 0xff;
        int g2 = (rgb2 >> 8) & 0xff;
        int b2 = rgb2 & 0xff;
        
        if ( r > 0 ) {
          r = clamp((int)(r * strength) + r2);
          g = clamp((int)(g * strength) + g2);
          b = clamp((int)(b * strength) + b2);
        } else {
          r = r2;
          g = g2;
          b = b2;
        }
 
        rgb = a | (r << 16) | (g << 8) | b;
        pixels[x] = rgb;
      }
      setRGB( laserImg, 0, y, width, 1, pixels );
    }
 
        return laserImg;
    }
    
  public String toString() {
    return "Light/Laser...";
  }
}

移动模糊 - 参见博客文章 《图像处理之移动模糊》

相关文章
|
机器学习/深度学习 传感器 算法
【信号去噪】基于Sage-Husa自适应卡尔曼滤波器实现海浪磁场噪声抑制及海浪磁场噪声的产生附matlab代码
【信号去噪】基于Sage-Husa自适应卡尔曼滤波器实现海浪磁场噪声抑制及海浪磁场噪声的产生附matlab代码
【信号去噪】基于Sage-Husa自适应卡尔曼滤波器实现海浪磁场噪声抑制及海浪磁场噪声的产生附matlab代码
|
5月前
|
算法 计算机视觉
图像处理之噪声之美 - 随机噪声产生
图像处理之噪声之美 - 随机噪声产生
30 0
图像处理之噪声之美 - 随机噪声产生
|
5月前
|
算法 计算机视觉
图像处理之USM锐化
图像处理之USM锐化
43 0
|
5月前
|
计算机视觉 Python
图像处理之光源退化效果
图像处理之光源退化效果
23 0
|
5月前
|
计算机视觉
图像处理之直方图均衡化
图像处理之直方图均衡化
43 0
|
5月前
|
算法 计算机视觉
图像处理之霍夫变换(直线检测算法)
图像处理之霍夫变换(直线检测算法)
51 0
|
机器学习/深度学习 传感器 算法
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【红外图像增强】基于引力和侧向抑制网络的红外图像增强模型(Matlab代码实现)
【红外图像增强】基于引力和侧向抑制网络的红外图像增强模型(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【图像处理】使用各向异性滤波器和分割图像处理从MRI图像检测脑肿瘤(Matlab代码实现)
【图像处理】使用各向异性滤波器和分割图像处理从MRI图像检测脑肿瘤(Matlab代码实现)
|
编解码
超声非线性成像-谐波成像基本知识
超声成像因其相对较低的价格、无电磁辐射、无创伤、成像方式多样而在医学成像中得到了广泛的应用。早期的超声成像技术都是基于线性声学原理。然而在实际的医学超声成像应用中,声波在生物组织的非线性传播和造影剂的非线性振动能够产生非线性声信号。在接下来的报告中讲解了如何使用非线性信号中的谐波信号进行成像,以及相关的谐波信号提取方法。最后使用一些代表性的应用实例进行验证,得出谐波成像在分辨率和对比度上确实优于传统基波成像的结论。
328 0