高斯模糊原理

基本概念

二维高斯模糊，或者说高斯滤波，是图像处理中非常常见的操作。操作的核心是使用一个从高斯分布中采样得到的掩膜，或者叫核，和输入图片中的每个像素及其邻域进行计算，结果保存到输出图片中。假设高斯核窗口尺寸为 (2w+1)×(2w+1) ，高斯分布的标准差为  σ ，则高斯核可以表示为矩阵的形式 

由于高斯分布的概率密度函数的非零值区间主要集中在  (−3σ,3σ)  内，所以为了保证选取的高斯核的完整性，一般取  w≈3σ 。

说完了高斯核，该说高斯模糊的表达式了。设输入图片为  X ，输出图片为  Y ，第  i  行第  j  列的数据表示为  X(i,j)  和  Y(i,j) ，则使用窗口大小为  (2w+1)×(2w+1) ，标准差为  σ  的高斯核计算后的结果为 

可分离核形式实现

但是，注意到，高斯核的表达式是可分离的。下面为了表示方便，令 

Y=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢6101725334148517101725334148518111826344249529121927354350531013202836445154111421293745525512152230384653561215223038465357⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥

符合局部性原则的内存访问加速

下面来考虑上述方法在内存访问效率方面的问题。利用  G2  和  X  计算  Z  的过程中，内存访问都是连续的，都是从左到右的形式。但是在利用  G1  和  Z  计算  Y  的过程中，取出每一列中的相邻数据，需要跨行。如果需要处理的图片宽度比较大，跨行访问数据可能会导致 Cache Miss，这是违反了内存访问局部性原则的。为了解决这一问题，利用  G1  和  Z  计算  Y  的方法需要调整。

实际上，利用  G1  和  Z  计算  Y  同样可以按行的方式计算。为了表述方便，以计算  Y  的第 2 行（下标从 0 开始） Y(2,⋅) 为例， 

Y(2,⋅)=G1(0)Z(0,⋅)+G1(1)Z(1,⋅)+G1(2)Z(2,⋅)+G1(3)Z(3,⋅)+G1(4)Z(4,⋅)

其中  G1(i)  表示  G1  的第  i  个元素， Z(i,⋅)  表示  Z  的第  i  行。

在代码实现的时候，为了计算  Y(2,⋅) ，初始化一个长度为 8 的浮点数行向量  T ，令里面的值全等于零，然后用遍历行元素的方式进行如下计算 

TTTTT=T+G1(0)Z(0,⋅)=T+G1(1)Z(1,⋅)=T+G1(2)Z(2,⋅)=T+G1(3)Z(3,⋅)=T+G1(4)Z(4,⋅)

最后将  T  中的浮点数的值四舍五入赋值给  Y(2,⋅) 。这样就避免了内存访问跨行的问题。注意，为了满足内存访问的局部性，增加了内存使用量，多用了  T 。

对于边界行，按照镜像对称的方式选取相应行进行计算。比如，为了计算  Y(0,⋅) ，初始化一个长度为 8 的浮点数行向量  T ，令里面的值全等于零，然后用遍历行元素的方式进行如下计算 

TTTTT=T+G1(0)Z(2,⋅)=T+G1(1)Z(1,⋅)=T+G1(2)Z(0,⋅)=T+G1(3)Z(1,⋅)=T+G1(4)Z(2,⋅)

最后将  T  中的浮点数的值四舍五入赋值给  Y(0,⋅) 。

扩展与总结

本文中所讲述的高斯模糊的计算方法，可以扩展到任意尺寸可分离核的滤波的实现。

设输入数据为  X ， hX  行  wX  列，滤波核为  K ， (2hK+1)  行  (2wK+1)  列，使用  K  对  X  进行二维滤波的结果是  Y 。而直接采用二维循环的原始计算方法，需要进行  (2hK+1)×(2wK+1)  次乘法计算和  (2hK+1)×(2wK+1)−1  次加法计算。计算的时间复杂度是  O(wKhK)  的。

如果  K  是可分离核，可以写成列向量  Kvertical  和行向量  Kvertical  相乘的形式，即  K=Kvertical×Khorizontal 。那么在计算滤波结果  Y  的时候，可以先用  Khorizontal  对  X  进行行滤波计算，将计算结果保存到  Z  中，计算  Z  中的每一个数值需要  (2wK+1)  次乘法计算和  2wK  次加法计算。再使用  Kvertical  对  Z  进行列滤波计算，得到最终结果  Y 。在  Z  的基础上计算  Y  中的每一个数值需要  (2hK+1)  次乘法计算和  2hK  次加法计算。总的来说，根据  X  计算  Y  中的一个数值，需要进行  (2hK+2wK+2)  次乘法计算和  2hK+2wK  次加法计算。计算的时间复杂度从  O(wKhK) 降至  O(wK+hK) 。

列滤波的过程还可以考虑内存访问的局部性原则，以提高程序的运行效率。

可分离核的实现方法和列滤波的内存访问加速的实现方法，都需要消耗额外的内存，用空间复杂度的提高换取时间复杂度和效率的改进。