图片滤镜算法原理简单讲解

简介: 一、锐化  锐化的算法很简单,就是比较相邻的几个像素,把当前像素加上和周围的像素的差就可以了。这里我给出一个示例: A B C DE F G HI J K LM N O P   假设有一个图片,4*4,共16个像素,分别用A--L来代表。

一、锐化

  锐化的算法很简单,就是比较相邻的几个像素,把当前像素加上和周围的像素的差就可以了。这里我给出一个示例:

A B C D
E F G H
I J K L
M N O P


  假设有一个图片,4*4,共16个像素,分别用A--L来代表。我们先观察这个图片,只有中间的F,G,J,K这四个像素的“邻居”是全的。

  为了简便起见,我们只处理这4个像素,因为在实际的图片中由于图片的大小都很多像素组成,所以周围的一圈像素不做处理不会影响到最终的效果。

  先计算差值:

Delta= F - (A+B+C+E+G+I+J+K) / 8
(A+B+C+E+G+I+J+K) / 8就是F周围的像素的平均值,


  将这个平均值乘以一个系数再加到F上,就得到了一个新的F值:

F=F + Delta * Alpha


  这个系数Alpha就是锐化度,改变这个系数就能得到不同的锐化效果。不过一般都是取得比较小的,如:0.3

  于是,我们只要使用两个循环来遍历整个图片的像素值(去除边界)就能得到一个锐化的效果了。

  但是大家或许会发现在处理后面几个点的时候,前面的点的值已经不是原来的值了,比如处理G的时候,需要用到F的值,而F则已经被改变,并且F的改变又和G的值有关系,这样就会变成一种循环引用。为了避免整个问题,这里给出一个改良的方法:

A B C D
E F G H
I J K L
M N O P


  我们从A点开始做,将差值计算方法改成:

Delta= A - (B+E+F) / 3
F=F + Delta * Alpha


  按照从左到右,从上到下的顺序来扫描所有像素,这时在计算中就不会遇到已经被处理过的像素了,并且因为减少了参与运算的像素,整个处理过程也得以加快。

  按照我们在《VB图像处理之像素的获取和输出》中已经得到的像素数组。我们可以这样写:

Public Sub Sharp(Optional ByVal SharpDgree As Single = 0.3)
 Dim X As Long
 Dim Y As Long
 Dim Ix As Long
 Dim Iy As Long
 Dim Diff As Long
 Dim Diff1 As Long
 Dim Div1 As Single
 Dim Div2 As Single
 Dim Max As Long
 On Error GoTo ErrLine

 Max = 255
 Done = False
 TimeFilter = timeGetTime
 TemplateSize = 1
 Sensitivity = Sensitivity * 9
 Div1 = 1 + SharpDgree
 Div2 = -SharpDgree / 3
 For X = 0 To OutPutWid - 1
  For Y = 0 To OutPutHei -1
   RR = ColOut(0, X, Y) * Div1
   GG = ColOut(1, X, Y) * Div1
   BB = ColOut(2, X, Y) * Div1
   Ix = X + 1
   Iy = Y + 1
   R = ColOut(0, Ix, Iy)
   R = R + ColOut(0, X, Iy) + ColOut(0, Ix, Y)
   G = ColOut(1, Ix, Iy)
   G = G + ColOut(1, X, Iy) + ColOut(1, Ix, Y)
   B = ColOut(2, Ix, Iy)
   B = B + ColOut(2, X, Iy) + ColOut(2, Ix, Y)
   R = R * Div2
   G = G * Div2
   B = B * Div2
   RR = RR + R
   GG = GG + G
   BB = BB + B
   If RR < 0 Then RR = 0
   If RR > Max Then RR = Max
   If GG < 0 Then GG = 0
   If GG > Max Then GG = Max
   If BB < 0 Then BB = 0
   If BB > Max Then BB = Max
   ColOut(0, X, Y) = RR
   ColOut(1, X, Y) = GG
   ColOut(2, X, Y) = BB
  Next
 Next

 Done = True
 TimeFilter = timeGetTime - TimeFilter
 Exit Sub
ErrLine:
 Done = True
 MsgBox Err.Description
End Sub


  因为在计算新的像素的过程中会出现新的值大于255或小于0的情况,因此必须在计算完成后判断。

  所用到的全局变量:

Public TimeFilter As Long '用于记录滤镜处理所花费的时间
Dim RR As Long '用于保存红色分量
Dim GG As Long '用于保存绿色分量
Dim BB As Long '用于保存蓝色分量


  原图:


  锐化效果:

 

 

 

二、柔化

  柔化的算法和锐化相近似,不过作用正好相反,就是把当前点用周围几个点的平均值来代替。

A B C D
E F G H
I J K L
M N O P


  计算方法:

F=(A+B+C+E+F+G+I+J+K) / 9
G=(B+C+D+F+G+H+J+K+L) / 9
...
...


  具体的程序,我这里就不罗嗦了,大家只要把上面的程序小小改动一下就可以了。

  原图:


  柔化效果:


  三、扩散

  产生一种类似水彩画的效果。

  算法很简单,就是将当前点用周围的随即的点来代替。

A B C D
E F G H
I J K L
M N O P


  F点可以从它周围的A,B,C,E,G,I,J,K中任意选一点代替。
  G点可以从它周围的B,C,D,F,H,J,K,L中任意选一点代替。
  J点可以从它周围的E,F,G,I,K,M,N,O中任意选一点代替。
  K点可以从它周围的F,G,H,J,L,N,O,P中任意选一点代替。

  至于选哪一点,可以用一个随即数来选定。

  原图:


  扩散效果:


  四、雕刻

  将相邻的两个像素相减,得到的差加上127作为新的值

A B C D
E F G H
I J K L
M N O P


  如果我们按照从左向右的方向来“雕刻”

A=B-A+127
B=C-B+127
C=D-C+127
...


  如果我们按照从上向下的方向来“雕刻”

A=E-A+127
B=F-B+127
C=G-C+127
...


  当然我们还可以从更多的方向来“雕刻”比如:向左下、右上、左上、右下...等等,一共8个可以选择的方向。

  另外这个127,就是“雕刻”效果后的亮度。我们可以把雕刻方向和亮度都作为参数写到过程中

Public Sub Emboss(Optional EmbossDirection As Integer , Optional Lighteness As Integer)
...


  原图:


  柔化效果:


  这几个滤镜的算法都比较简单,很容易用VB来实现。

   鉴于篇幅的关系这次就讲到这里,下次和大家讲铅笔画和木雕的效果。请大家继续关注

  前两期内容请参考:

  《VB图像处理之像素的获取和输出

  《VB图像处理之二次线性插值的应用

相关文章
机器学习/深度学习 算法 自动驾驶
1291 0
|
8月前
|
机器学习/深度学习 算法 搜索推荐
从零开始构建图注意力网络:GAT算法原理与数值实现详解
本文详细解析了图注意力网络(GAT)的算法原理和实现过程。GAT通过引入注意力机制解决了图卷积网络(GCN)中所有邻居节点贡献相等的局限性,让模型能够自动学习不同邻居的重要性权重。
1399 0
从零开始构建图注意力网络:GAT算法原理与数值实现详解
|
9月前
|
传感器 算法 定位技术
KF,EKF,IEKF 算法的基本原理并构建推导出四轮前驱自主移动机器人的运动学模型和观测模型(Matlab代码实现)
KF,EKF,IEKF 算法的基本原理并构建推导出四轮前驱自主移动机器人的运动学模型和观测模型(Matlab代码实现)
275 2
|
9月前
|
算法
离散粒子群算法(DPSO)的原理与MATLAB实现
离散粒子群算法(DPSO)的原理与MATLAB实现
421 0
|
10月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
1251 0
|
10月前
|
算法 区块链 数据安全/隐私保护
加密算法:深度解析Ed25519原理
在 Solana 开发过程中,我一直对 Ed25519 加密算法 如何生成公钥、签名以及验证签名的机制感到困惑。为了弄清这一点,我查阅了大量相关资料,终于对其流程有了更清晰的理解。在此记录实现过程,方便日后查阅。
1289 1
|
11月前
|
消息中间件 存储 缓存
zk基础—1.一致性原理和算法
本文详细介绍了分布式系统的特点、理论及一致性算法。首先分析了分布式系统的五大特点:分布性、对等性、并发性、缺乏全局时钟和故障随时发生。接着探讨了分布式系统理论,包括CAP理论(一致性、可用性、分区容错性)和BASE理论(基本可用、软状态、最终一致性)。文中还深入讲解了两阶段提交(2PC)与三阶段提交(3PC)协议,以及Paxos算法的推导过程和核心思想,强调了其在ZooKeeper中的应用。最后简述了ZAB算法,指出其通过改编的两阶段提交协议确保节点间数据一致性,并在Leader故障时快速恢复服务。这些内容为理解分布式系统的设计与实现提供了全面的基础。
|
11月前
|
存储 算法 安全
Java中的对称加密算法的原理与实现
本文详细解析了Java中三种常用对称加密算法(AES、DES、3DES)的实现原理及应用。对称加密使用相同密钥进行加解密,适合数据安全传输与存储。AES作为现代标准,支持128/192/256位密钥,安全性高;DES采用56位密钥,现已不够安全;3DES通过三重加密增强安全性,但性能较低。文章提供了各算法的具体Java代码示例,便于快速上手实现加密解密操作,帮助用户根据需求选择合适的加密方案保护数据安全。
762 58

热门文章

最新文章