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
|
存储 自然语言处理 Java
数据结构-Java Map 和 Set-2
数据结构-Java Map 和 Set
92 0
|
6天前
|
存储 弹性计算 人工智能
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
2025年9月24日,阿里云弹性计算团队多位产品、技术专家及服务器团队技术专家共同在【2025云栖大会】现场带来了《通用计算产品发布与行业实践》的专场论坛,本论坛聚焦弹性计算多款通用算力产品发布。同时,ECS云服务器安全能力、资源售卖模式、计算AI助手等用户体验关键环节也宣布升级,让用云更简单、更智能。海尔三翼鸟云服务负责人刘建锋先生作为特邀嘉宾,莅临现场分享了关于阿里云ECS g9i推动AIoT平台的场景落地实践。
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
|
5天前
|
云安全 人工智能 自然语言处理
阿里云x硅基流动:AI安全护栏助力构建可信模型生态
阿里云AI安全护栏:大模型的“智能过滤系统”。
|
5天前
|
人工智能 自然语言处理 自动驾驶
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
|
Linux 虚拟化 iOS开发
VMware Workstation Pro 25H2 for Windows & Linux - 领先的免费桌面虚拟化软件
VMware Workstation Pro 25H2 for Windows & Linux - 领先的免费桌面虚拟化软件
1080 4
|
8天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
677 2
|
6天前
|
编解码 自然语言处理 文字识别
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大
凌晨,Qwen3-VL系列再添新成员——Dense架构的Qwen3-VL-8B、Qwen3-VL-4B 模型,本地部署友好,并完整保留了Qwen3-VL的全部表现,评测指标表现优秀。
510 7
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大
|
7天前
|
JavaScript API 开发工具
如何在原生App中调用Uniapp的原生功能?
如何在原生App中调用Uniapp的原生功能?
331 139