图像处理之移动模糊

简介:                                                           - created by gloomyfish 卷积模糊或者卷积平滑滤波,可以消除图像噪声,也可以产生一些常见的图像模糊特效,但 是移动模糊特效也是基于卷积,相比于Box Blur, Gaussian Blur的算法,移动模糊只需要完成 一次的一维卷积,所不同的是一维卷积的完成,要基于一定的角度,而不是只是在水平和垂 直两个方向上。

                                                          - created by gloomyfish

卷积模糊或者卷积平滑滤波,可以消除图像噪声,也可以产生一些常见的图像模糊特效,但

是移动模糊特效也是基于卷积,相比于Box Blur, Gaussian Blur的算法,移动模糊只需要完成

一次的一维卷积,所不同的是一维卷积的完成,要基于一定的角度,而不是只是在水平和垂

直两个方向上。移动模糊的一维卷积要考虑一下三个因素:

                     a. 操作数的多少 - 即距离(Distance)

                     b.一维操作数在像素数组中的移动方向 – 即角度(Angle)

                     c.一维操作数的拉影效应 – 即Scale(放大和缩小程度)(Zoom/Scale)

距离和角度的关系可以用三角几何表示如下:


假设距离和角度已知的情知道中心点(目标像素点)则可以求出每个操作数的像素点坐标,假

设中心点坐标为Base(x0, y0) 则操作数P(a, b)坐标公式可以表示如下:

             a = sinx * c +y0

             b = cosx * c +x0

放缩功能其实是在XY两个方向对图像计算得到一个一维像素结合,再求这些像素的平均值

即可,假设中心点像素为x0, y0, 防缩比率为s0则每个操作数像素点坐标可以表示为:

         a= x0-x0 * s0 + a

         b= y0-y0*so + b

 

原理部分的解释大概如此,下面来看一下,实际图像处理效果和源代码详细解释。

程序运行效果如下– 距离50个像素,角度 0 时:

 

角度30时候的滤镜运行结果:


放缩模糊效果:


角度,距离,放缩三个参数综合效果:


关键代码解释:

计算三角几何角度sin与cos值的代码如下:

// calculate the trianglegeometry value
float sinAngle = (float)Math.sin(angle/180.0f * onePI);
float coseAngle = (float)Math.cos(angle/180.0f * onePI);

 计算距离半径代码如下:

// calculate the distance,same as box blur
float imageRadius = (float)Math.sqrt(cx*cx + cy*cy);
float maxDistance = distance + imageRadius * zoom;

计算操作数像素坐标的代码如下:

 

// calculate the operatorsource pixel
if(distance > 0) {
newY = (int)Math.floor((newY+ i*sinAngle));
newX = (int)Math.floor((newX + i*coseAngle));
}

完成Scale的代码如下:

// scale the pixels
float scale = 1-zoom*f;
m11 = cx - cx*scale;
m22 = cy - cy*scale;
newY = (int)(newY * scale +m22);
newX = (int)(newX * scale + m11);

求取像素平均值,完成一维卷积的代码如下:

// blur the pixels, here
count++;
int rgb= inPixels[newY*width+newX];
ta += (rgb >> 24) & 0xff;
tr += (rgb >> 16) & 0xff;
tg += (rgb >> 8) & 0xff;
tb += rgb & 0xff;

重新填充目标像素的代码如下:

ta = clamp((int)(ta/count));
tr = clamp((int)(tr/count));
tg = clamp((int)(tg/count));
tb = clamp((int)(tb/count));
outPixels[index] = (ta << 24) | (tr<< 16) | (tg << 8) | tb;

移动模糊算法的完全源代码如下(不包含测试代码):
package com.gloomyfish.process.blur.study;

import java.awt.image.BufferedImage;

public class MotionFilter {

	private float distance = 0;// default;
	private float onePI = (float)Math.PI;
	private float angle = 0.0f;
	private float zoom = 0.4f;

	public float getDistance() {
		return distance;
	}

	public void setDistance(float distance) {
		this.distance = distance;
	}

	public float getAngle() {
		return angle;
	}

	public void setAngle(float angle) {
		this.angle = angle;
	}

	public BufferedImage filter(BufferedImage src, BufferedImage dst) {
		int width = src.getWidth();
        int height = src.getHeight();

        if ( dst == null )
            dst = createCompatibleDestImage( src, null );

        int[] inPixels = new int[width*height];
        int[] outPixels = new int[width*height];
        getRGB( src, 0, 0, width, height, inPixels );
        int index = 0;
        int cx = width/2;
        int cy = height/2;
        
        // calculate the triangle geometry value
        float sinAngle = (float)Math.sin(angle/180.0f * onePI);
        float coseAngle = (float)Math.cos(angle/180.0f * onePI);
        
        // calculate the distance, same as box blur
        float imageRadius = (float)Math.sqrt(cx*cx + cy*cy);
        float maxDistance = distance + imageRadius * zoom;
        
        int iteration = (int)maxDistance;
        for(int row=0; row<height; row++) {
        	int ta = 0, tr = 0, tg = 0, tb = 0;
        	for(int col=0; col<width; col++) {
        		int newX= col, count = 0;
        		int newY = row;
        		
        		// iterate the source pixels according to distance
        		float m11 = 0.0f, m22 = 0.0f;
        		for(int i=0; i<iteration; i++) {
        			newX = col;
        			newY = row;
        			
        			// calculate the operator source pixel
        			if(distance > 0) {
	        			newY = (int)Math.floor((newY + i*sinAngle));
	        			newX = (int)Math.floor((newX + i*coseAngle));
        			}
        			float f = (float)i/iteration;
        			if (newX < 0 || newX >= width) {
        				break;
					}
					if (newY < 0 || newY >= height) {
						break;
					}
					
					// scale the pixels
					float scale = 1-zoom*f;
					m11 = cx - cx*scale;
					m22 = cy - cy*scale;
					newY = (int)(newY * scale + m22);
					newX = (int)(newX * scale + m11);
					
					// blur the pixels, here
					count++;
					int rgb = inPixels[newY*width+newX];
					ta += (rgb >> 24) & 0xff;
					tr += (rgb >> 16) & 0xff;
					tg += (rgb >> 8) & 0xff;
					tb += rgb & 0xff;
        		}
        		
        		// fill the destination pixel with final RGB value
        		if (count == 0) {
					outPixels[index] = inPixels[index];
				} else {
					ta = clamp((int)(ta/count));
					tr = clamp((int)(tr/count));
					tg = clamp((int)(tg/count));
					tb = clamp((int)(tb/count));
					outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;
				}
				index++;
        	}
        }

        setRGB( dst, 0, 0, width, height, outPixels );
        return dst;
	}
	
	public int clamp(int c) {
		if (c < 0)
			return 0;
		if (c > 255)
			return 255;
		return c;
	}

}
后记:本滤镜的基点即中心像素,是可以调整的。 感兴趣的可以自己完成,转载文章请务必注明出自本博客

目录
相关文章
|
3月前
|
计算机视觉
【图像处理】 Halcon 实现图像亚像素边缘检测
如何在Halcon软件中实现图像亚像素边缘检测,包括读取图片、图像阈值化、边界提取、区域扩张、亚像素边缘提取、轮廓拟合和彩色绘图等步骤,并提供了相应的Halcon代码实现和检测效果展示。
94 2
|
5月前
|
算法 Java 计算机视觉
图像处理之基于NCC模板匹配识别
图像处理之基于NCC模板匹配识别
64 2
|
5月前
|
资源调度 计算机视觉
图像处理之图像加噪
图像处理之图像加噪
55 0
图像处理之图像加噪
|
5月前
|
算法 计算机视觉
图像处理之基于像素的图像混合
图像处理之基于像素的图像混合
35 1
|
5月前
|
算法 计算机视觉
图像处理之移动模糊
图像处理之移动模糊
33 0
|
5月前
|
机器学习/深度学习 资源调度 算法
图像处理之高斯模糊
图像处理之高斯模糊
55 0
|
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
42 0
|
5月前
|
算法 计算机视觉
图像处理之基于阈值模糊
图像处理之基于阈值模糊
24 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
39 0
|
5月前
|
计算机视觉
图像处理之常见二值化方法汇总
图像处理之常见二值化方法汇总
114 0