【算法+图像处理】2D卷积与快速卷积算法C语言实现

最新推荐文章于 2024-06-24 19:43:58 发布

PHILOS_THU

最新推荐文章于 2024-06-24 19:43:58 发布

阅读量1w

点赞数 8

分类专栏：图像处理算法文章标签：图像处理 c语言算法

本文链接：https://blog.csdn.net/guduruyu/article/details/78385418

版权

本文介绍了2D卷积算法在图像处理中的应用，并详细阐述了2D卷积及快速卷积算法的C语言实现过程。快速卷积通过将2D核拆分为行和列向量的乘积，将算法复杂度从n*n降低到2n，提高计算效率。

摘要由CSDN通过智能技术生成

卷积算法在图像处理中有着广泛的应用，通常使用的去噪算法、边缘增强算法等的实现都使用到了2D卷积算法。这里介绍一下2D卷积算法和快速卷积算法的C语言实现。

卷积定义

即

步骤：
1）滑动核，使其中心位于输入图像g的（i，j）像素上；
2）利用上式求和，得到输出图像的（i，j）像素值；
3）充分上面操纵，直到求出输出图像的所有像素值。

1、2D卷积算法的实现

bool convolve2DSlow(unsigned char* in, unsigned char* out, int dataSizeX, int dataSizeY,
                    float* kernel, int kernelSizeX, int kernelSizeY)
{
    int i, j, m, n, mm, nn;
    int kCenterX, kCenterY;                         // center index of kernel
    float sum;                                      // temp accumulation buffer
    int rowIndex, colIndex;

    // check validity of params
    if(!in || !out || !kernel) return false;
    if(dataSizeX <= 0 || kernelSizeX <= 0) return false;

    // find center position of kernel (half of kernel size)
    kCenterX = kernelSizeX / 2;
    kCenterY = kernelSizeY / 2;

    for(i=0; i < dataSizeY; ++i)                // rows
    {
        for(j=0; j < dataSizeX; ++j)            // columns
        {
            sum = 0;                            // init to 0 before sum
            for(m=0; m < kernelSizeY; ++m)      // kernel rows
            {
                mm = kernelSizeY - 1 - m;       // row index of flipped kernel

                for(n=0; n < kernelSizeX; ++n)  // kernel columns
                {
                    nn = kernelSizeX - 1 - n;   // column index of flipped kernel

                    // index of input signal, used for checking boundary
                    rowIndex = i + m - kCenterY;