高斯模糊是一种两维的卷积模糊操作，在图像完成高斯模糊相对于均值模糊来说，
计算量会增加，但是高斯模糊可以实现一些特殊效果，特别是在图像噪声(非椒盐
噪声)消去方面，更是有着非常好的效果。一维高斯公式如下：
其中x是制定[-n,n]范围的整数，sigma代表标准方差。通常取值为1.
一维高斯函数Java代码如下：
- private float[] get1DKernalData(int n, float sigma) {
- float sigma22 = 2*sigma*sigma;
- float Pi2 = 2*(float)Math.PI;
- float sqrtSigmaPi2 = (float)Math.sqrt(Pi2) * sigma ;
- int size = 2*n + 1;
- int index = 0;
- float[] kernalData = new float[size];
- for(int i=-n; i<=n; i++) {
- float distance = i*i;
- kernalData[index] = (float)Math.exp((-distance)/sigma22)/sqrtSigmaPi2;
- System.out.println("\t" + kernalData[index]);
- index++;
- }
- return kernalData;
- }
假设输入 n= 1, sigma = 1时，输出的Kernel数据为：
0.24197073, 0.3989423,0.24197073
两维的高斯分布函数为：
对应的Java实现代码为：
- public float[][] get2DKernalData(int n, float sigma) {
- int size = 2*n +1;
- float sigma22 = 2*sigma*sigma;
- float sigma22PI = (float)Math.PI * sigma22;
- float[][] kernalData = new float[size][size];
- int row = 0;
- for(int i=-n; i<=n; i++) {
- int column = 0;
- for(int j=-n; j<=n; j++) {
- float xDistance = i*i;
- float yDistance = j*j;
- kernalData[row][column] = (float)Math.exp(-(xDistance + yDistance)/sigma22)/sigma22PI;
- column++;
- }
- row++;
- }
- for(int i=0; i<size; i++) {
- for(int j=0; j<size; j++) {
- System.out.print("\t" + kernalData[i][j]);
- }
- System.out.println();
- System.out.println("\t ---------------------------");
- }
- return kernalData;
- }
当n=1, sigma=1时对应输出的Kernel数据为：
0.058549833 0.09653235 0.058549833
0.09653235 0.15915494 0.09653235
0.058549833 0.09653235 0.058549833
一个2D高斯分布的图可以表示如下：
高斯过滤在图像处理是一种低通滤波，会除去图像的细节而保持整体不变化，在图像美化和特效
方面，高斯过滤有这很多应用。高斯模糊不同于均值模糊！
本文实现完整的高斯模糊算法包括下面几个步骤：
1. 生成高斯操作数即Kernel Data
2. 从图像中读取像素，利用第一步的操作数，完成卷积。
3. 发现图像处理前后的最大像素值peak得出rate
4. 完成归一化操作，返回处理后像素数组
关键程序解析：
利用操作数完成卷积的代码参看以前的Blog文章《图像处理之理解卷积》
完成归一化操作的算法非常简单, 主要是利用第三步计算出来的rate
- // normalization
- float rate = inMax/outMax;
- System.out.println("Rate = " + rate);
- for(int row=0; row<height; row++) {
- for(int col=0; col<width; col++) {
- index = row * width + col;
- int rgb1 = tempoutPixels[index];
- int red = (rgb1 >> 16) & 0xff;
- int green = (rgb1 >> 8) & 0xff;
- int blue = rgb1 & 0xff;
- red = (int)(rate * red);
- green = (int)(rate * green);
- blue = (int)(rate * blue);
- outPixels[index] = (rgb1 & 0xff000000) | (red << 16) | (green << 8) | blue;
- }
- }
高斯模糊效果如下：
- 左边为原图 - 右边为高斯模糊之后效果，发现皱纹和手部滑了
等等现在还不最cool的效果，高斯模糊之后如果与原图像叠加会出现一种Glow的
效果，好像灯光打在图像上一样，Glow处理之后的运行效果如下：
原图：
实现Glow算法只是高斯模糊输出像素值叠加原来的像素值。
- int index = 0;
- for ( int y = 0; y < height; y++ ) {
- for ( int x = 0; x < width; x++ ) {
- int rgb1 = outPixels[index];
- int r1 = (rgb1 >> 16) & 0xff;
- int g1 = (rgb1 >> 8) & 0xff;
- int b1 = rgb1 & 0xff;
- int rgb2 = inPixels[index];
- int r2 = (rgb2 >> 16) & 0xff;
- int g2 = (rgb2 >> 8) & 0xff;
- int b2 = rgb2 & 0xff;
- r1 = PixelUtils.clamp( (int)(r1 + a * r2) );
- g1 = PixelUtils.clamp( (int)(g1 + a * g2) );
- b1 = PixelUtils.clamp( (int)(b1 + a * b2) );
- inPixels[index] = (rgb1 & 0xff000000) | (r1 << 16) | (g1 << 8) | b1;
- index++;
- }
- }
