高斯模糊算法的实现和优化

前两年我发过一文：Win32下的C++高斯模糊算法实例，里面给出了一个高斯模糊的实现，并写了粗略的简介。

不过当时内容讲得非常简单，而且附带的例子算法是有缺陷的：

• 一是对图片的边角采用“跳过”的方式处理，导致模糊后的图片有黑边；
• 二是算法本身采用的是二维矩阵，效率上不如一维高斯模糊好。

鉴于此，这里重新整理并试图完整的讲述一下高斯模糊。

---

一、高斯模糊是什么

模糊算法，不论是使用哪种算法，目的都是为了让图片看起来不如原来那么清晰。

清晰的图片，像素间的过渡会较为干脆利落，简而言之，就是像素之间的差距比较大。
而模糊的本质，其实就是使用某种算法把图像像素和像素之间的差距缩小，让中间点和周围点变得差不多；即，让中间点取一个范围内的平均值。
模糊到了极致，比如用于计算模糊的取值区域为整张图片，就会得到一张全图所有像素颜色都差不多的图片：

左边是原图，右边是彻底模糊之后的对比图

 

计算模糊的取值区域就是滤镜区域，那么关键就是，我们采用什么曲线函数来生成平均值了。

假设滤镜区域为正方形，且半径为r，我们可以用如下曲线函数来计算图片上某一个点的值：

这是一个非常简单的直线函数，求得的点值即为算术平均值，图片上某个点的值仅和模糊半径r有关，与坐标的位置无关。

 

由此我们可以得到用于模糊图像的滤镜算法：

 

void Average(filter_t& kernel, long radius)
{
    long diamet = Diamet(radius);           // (r * 2) + 1
    kernel.set(radius, diamet * diamet);    // kernel size is d * d

    double average = 1.0 / (double)kernel.size();

    for(long n = 0, i = 0; i < diamet; ++i)
        for(long j = 0; j < diamet; ++j, ++n)
            kernel[n] = average;
}

然后使用如下算法遍历整张图片，并使用滤镜处理像素：

 

 

void Blur2D(bitmap_t& bitmap, filter_t& kernel)
{
    for(long inx = 0, y = 0; y < bitmap.h(); ++y)
    {
        for(long x = 0; x < bitmap.w(); ++x, ++inx)
        {
            double r = 0.0, g = 0.0, b = 0.0;
            for (long n = 0, j = -kernel.radius(); j <= kernel.radius(); ++j)
            {
                long j_k = Edge(j, y, bitmap.h());
                for (long i = -kernel.radius