图像处理之半调色融合

简介: 图像处理之半调色融合

图像处理之半调色融合


图像处理中错误扩散,抖动算法在在数字半调技术中有着重要的应用,是报纸,黑白


打印机等输出设备常常采用的技术。常见的图像半调技术有矩阵错误扩散,弗洛伊德-


斯坦德伯格错误扩散,空间填充曲线采样错误扩散等。本文借助半调算法,实现两张


图像的融合,将背景纹理融合到目标图像中,创造惊艳的图像处理效果。


算法基本思想:


读取纹理图像像素点P(x,y)与目标图像对应像素D(x,y),输入参数调节S取值范围[0~1]


根据参数S计算颜色差值cs = S * 255,假设像素值分别为P(x, y) =mv, D(x, y) = dv


则融合后的像素值pd(x, y)=255*(1-3x^2 - 2x^3)其中x = (mv - (dv - cs)/2cs)


运行效果:

1351258422_1662.png


errno-404.png



背景图像分别为:


1351258670_6046.jpg


1351258543_6403.jpg


程序源代码:

package com.gloomyfish.filter.study;
 
import java.awt.image.BufferedImage;
 
/**
 * A filter which uses a another image as a ask to produce a halftoning effect.
 */
public class HalftoneFilter extends AbstractBufferedImageOp {
  
  private float softness = 0.1f;
  private boolean invert;
  private BufferedImage mask;
 
  public HalftoneFilter() {
    System.out.println("Stylize/Halftone...");
  }
 
  /**
   * Set the softness of the effect in the range 0..1.
   * @param softness the softness
     * @min-value 0
     * @max-value 1
   */
  public void setSoftness( float softness ) {
    this.softness = softness;
  }
  
  /**
   * Get the softness of the effect.
   * @return the softness
     * @see #setSoftness
   */
  public float getSoftness() {
    return softness;
  }
  
  /**
   * Set the halftone background image.
   * @param BufferedImage maskImage
     * @see #getMask
   */
  public void setMask( BufferedImage maskImage ) {
    this.mask = maskImage;
  }
  
  public void setInvert( boolean invert ) {
    this.invert = invert;
  }
 
    public BufferedImage filter( BufferedImage src, BufferedImage dst ) {
        int width = src.getWidth();
        int height = src.getHeight();
 
        if ( dst == null )
            dst = createCompatibleDestImage( src, null );
    if ( mask == null )
      return dst;
 
        int maskWidth = mask.getWidth();
        int maskHeight = mask.getHeight();
 
        // scale to [0~255]
        float s = 255*softness; 
 
    int[] inPixels = new int[width];
    int[] maskPixels = new int[maskWidth];
 
        for ( int y = 0; y < height; y++ ) {
      getRGB( src, 0, y, width, 1, inPixels ); // get row pixels
      getRGB( mask, 0, y % maskHeight, maskWidth, 1, maskPixels ); // get row pixels
 
      for ( int x = 0; x < width; x++ ) {
        int maskRGB = maskPixels[x % maskWidth];
        int inRGB = inPixels[x];
        if ( invert )
                    maskRGB ^= 0xffffff;
 
        // start to halftone here!!
                int ir = (inRGB >> 16) & 0xff;
                int ig = (inRGB >> 8) & 0xff;
                int ib = inRGB & 0xff;
                int mr = (maskRGB >> 16) & 0xff;
                int mg = (maskRGB >> 8) & 0xff;
                int mb = maskRGB & 0xff;
                int r = (int)(255 * (1-cubeInterpolation( ir-s, ir+s, mr )));
                int g = (int)(255 * (1-cubeInterpolation( ig-s, ig+s, mg )));
                int b = (int)(255 * (1-cubeInterpolation( ib-s, ib+s, mb )));
                inPixels[x] = (inRGB & 0xff000000) | (r << 16) | (g << 8) | b;
                
            }
 
      setRGB( dst, 0, y, width, 1, inPixels );
        }
 
        return dst;
    }
    
  public static float cubeInterpolation(float a, float b, float x) {
    if (x < a)
      return 0;
    if (x >= b)
      return 1;
    x = (x - a) / (b - a);
    return x*x * (3 - 2*x);
  }
}
相关文章
|
8月前
|
传感器 vr&ar UED
三维视觉技术
三维视觉技术
|
1月前
|
机器学习/深度学习 存储 数据采集
智能光栅光片显微成像技术的LabVIEW解决方案
智能光栅光片显微成像技术的LabVIEW解决方案
21 4
|
1月前
|
机器学习/深度学习 编解码 算法
计算机视觉实战项目2(单目测距+图像处理+路径规划+车牌识别)
计算机视觉实战项目2(单目测距+图像处理+路径规划+车牌识别)
42 2
|
1月前
|
算法 自动驾驶 人机交互
三维视觉技术的发展
三维视觉技术的发展
76 2
|
11月前
|
监控 算法 vr&ar
鱼眼矫正,实时视频与3D的融合案例分享
#鱼眼摄像头画面矫正及与3D融合 鱼眼摄像头是一种广角镜头,捕捉的视频画面呈现出弯曲或球形。通过鱼眼矫正算法,可以将鱼眼相机拍摄的视频转换为更接近于标准透视的视频,使用户能够直接获得更自然的视频效果。 经过鱼眼矫正后的实时视频,适用于与3D场景实时融合,即视频孪生 = 视频+数字孪生。 视频孪生是现阶段数字孪生的天花板。将分散、割裂的实时视频在数字孪生世界中做三维还原,虚实共生,虚实互补,为用户提供立体、直观、实时真实的动态的系统。只有通过动态的视频,才能实现真正的虚实共生。
259 0
|
机器学习/深度学习 算法 数据挖掘
传统图像处理之颜色特征
传统图像处理之颜色特征
187 0
传统图像处理之颜色特征
|
机器学习/深度学习 监控 算法
传统图像处理之相机模型
传统图像处理之相机模型
208 0
|
计算机视觉
图像增强—彩色增强技术
图像增强—彩色增强技术
|
算法 数据处理 计算机视觉
砥砺的前行|基于labview的机器视觉图像处理(七)——图像双边处理自适应亮度
砥砺的前行|基于labview的机器视觉图像处理(七)——图像双边处理自适应亮度
126 0
砥砺的前行|基于labview的机器视觉图像处理(七)——图像双边处理自适应亮度
|
传感器 人工智能 算法
Feat-Calibr | 一款实用的开源激光雷达到车体外参的标定工具
对于拥有惯导的自动驾驶车辆而言,激光雷达到惯导/车体(以下简称激光雷达外参自标定)的方法对后续的感知、定位等下游应用具有非常重要的意义。对于这一问题,最容易想到的办法是同时跑激光里程计与惯导的里程计,并使用手眼标定的方法寻找这外参。这个方法最主要的问题是标定精度受制于激光雷达里程计的精度,对于当前量产的固态激光雷达而言,受制于有限的FOV,测距精度较差,抖动,以及多变的标定场景等问题,难以适配鲁棒且高精度的激光里程计用于外参标定。
Feat-Calibr | 一款实用的开源激光雷达到车体外参的标定工具