Delphi图像处理 -- 图像卷积及高斯模糊

最新推荐文章于 2024-08-30 12:36:32 发布

iteye_17734

最新推荐文章于 2024-08-30 12:36:32 发布

阅读量419

点赞数

文章标签： Delphi Pascal J# 数据结构算法

在图像的处理过程中，经常要用到卷积模板，如图像锐化、图像平滑、高斯模糊、Hough变换等，为此，本人使用Delphi编写了图像通用卷积处理过程和高斯模糊过程，代码如下：

过程定义： // 卷积图像。参数： // Dest输出图，Source原图，Data自身操作图像 // ConvolTemplate卷积模板，必须为奇数矩阵 // Callback回调函数，返回True终止操作，CallbackData回调函数参数地址 procedure ImageConvolution(var Data: TImageData; ConvolTemplate: array of Integer); overload; procedure ImageConvolution(var Dest: TImageData; const Source: TImageData; ConvolTemplate: array of Integer); overload; // 无效参数或者被回调函数终止操作返回False。 function ImageConvolution(var Dest: TImageData; const Source: TImageData; ConvolTemplate: array of Integer; Callback: TImageAbort; CallbackData: Pointer): Boolean; overload; 实现代码： procedure ConvolutionMMX(Template: Pointer; Size, TemplateOffset: Integer); pascal; var width, height: Integer; dstOffset, srcOffset: Integer; asm mov width, ecx mov height, edx mov dstOffset, ebx mov srcOffset, eax mov eax, TemplateOffset pxor mm7, mm7 @@yLoop: // for (y = 0; y < Dst.Height; y ++) push width // { @@xLoop: // for (x = 0; x < Dst.Width; x ++) push esi // { pxor mm0, mm0 // mm0 = 0 mov ebx, Template mov edx, Size // for (I = 0; I < TemplateSize; I ++) @@iLoop: // { mov ecx, Size // for (J = 0; J <= TemplateSize; J ++) @@jLoop: // { movd mm1, [esi] punpcklbw mm1, mm7 pmullw mm1, [ebx] // mm1 = pixels[I, J] * Template[i * j]; paddsw mm0, mm1 // mm0 += mm1 add esi, 4 // esi += 4 add ebx, 8 // edx += 8 loop @@jLoop // } add esi, eax // esi += TemplateOffset dec edx jnz @@iLoop // } packuswb mm0, mm7 mov dl, [edi].TARGBQuad.Alpha movd [edi], mm0 // *(ARGB*)edi = mm0 mov [edi].TARGBQuad.Alpha, dl pop esi add esi, 4 // esi += 4 add edi, 4 // edi += 4 dec width jnz @@xLoop // } add esi, srcOffset // esi += srcOffset add edi, dstOffset // edi += dstOffset pop width dec height jnz @@yLoop // } emms end; procedure Convolution(Template: Pointer; Size, TemplateOffset: Integer); pascal; var width, height: Integer; dstOffset, srcOffset: Integer; reds, greens, blues: Integer; asm mov width, ecx mov height, edx mov dstOffset, ebx mov srcOffset, eax @@yLoop: push width @@xLoop: push esi push edi mov edi, Template xor ebx, ebx mov reds, ebx mov greens, ebx mov blues, ebx mov ecx, Size @@iLoop: push ecx mov ecx, Size @@jLoop: movzx eax, [esi].TARGBQuad.Blue movzx edx, [esi].TARGBQuad.Green imul eax, [edi] imul edx, [edi] add blues, eax add greens, edx movzx eax, [esi].TARGBQuad.Red movzx edx, [esi].TARGBQuad.Alpha imul eax, [edi] imul edx, [edi] add reds, eax add ebx, edx add esi, 4 add edi, 4 loop @@jLoop add esi, TemplateOffset pop ecx loop @@iLoop pop edi pop esi mov eax, blues mov edx, greens mov ecx, reds shr eax, 16 shr edx, 16 shr ecx, 16 shr ebx, 16 mov [edi].TARGBQuad.Blue, al mov [edi].TARGBQuad.Green, dl mov [edi].TARGBQuad.Red, cl mov [edi].TARGBQuad.Alpha, bl add esi, 4 add edi, 4 dec width jnz @@xLoop add esi, srcOffset add edi, dstOffset pop width dec height jnz @@yLoop end; function ImageConvolution(var Dest: TImageData; const Source: TImageData; ConvolTemplate: array of Integer; Callback: TImageAbort; CallbackData: Pointer): Boolean; var i, j, n: Integer; p: PInteger; Dst, Src: TImageData; Template: Pointer; TemplateSize, Radius: Integer; TemplateOffset: Integer; Nuclear: Integer; Proc: Pointer; begin Result := False; n := Length(ConvolTemplate); if ImageEmpty(Dest) or ImageEmpty(Source) or (n = 0) then Exit; TemplateSize := Trunc(Sqrt(n)); Radius := TemplateSize shr 1; GetExpandData(Dest, Source, Radius, Dst, Src); TemplateOffset := Src.Stride - (TemplateSize shl 2); Nuclear := 0; for i := 0 to n - 1 do Inc(Nuclear, ConvolTemplate[i]); if Nuclear <= 1 then begin GetMem(Template, n * Sizeof(int64)); j := 0; for i := 0 to n - 1 do begin TWordArray(Template^)[j] := ConvolTemplate[i]; TWordArray(Template^)[j + 1] := ConvolTemplate[i]; TWordArray(Template^)[j + 2] := ConvolTemplate[i]; TWordArray(Template^)[j + 3] := ConvolTemplate[i]; Inc(j, 4); end; Proc := @ConvolutionMMX; if @Dest <> @Source then CopyAlpha(Dst, Source); end else begin GetMem(Template, n * Sizeof(Integer)); p := Template; for i := 0 to n - 1 do begin p^ := ConvolTemplate[i] * 65536 div Nuclear; Inc(p); end; Proc := @Convolution; end; try if Assigned(Callback) then Result := ExecuteAbort(Dst, Src, Proc, [Template, TemplateSize, TemplateOffset], Callback, CallbackData) else Result := ExecuteProc(Dst, Src, Proc, [Template, TemplateSize, TemplateOffset]); finally FreeImageData(Src); FreeMem(Template); end; end; procedure ImageConvolution(var Data: TImageData; ConvolTemplate: array of Integer); begin ImageConvolution(Data, Data, ConvolTemplate, nil, nil); end; procedure ImageConvolution(var Dest: TImageData; const Source: TImageData; ConvolTemplate: array of Integer); begin ImageConvolution(Dest, Source, ConvolTemplate, nil, nil); end;

因为要进行图像卷积操作，必须拷贝出源图像，本文过程在拷贝源图像时使用ImageGetExpandData过程附带扩展了其边框，这样在卷积图像边界像素时不必再进行坐标范围判断，从而简化了代码和提高了运行速度。

由于本文提供的是通用的卷积过程，尽管使用了BASM代码，但还是比较耗时的，如果对速度有特别要求的卷积操作，建议写专用的处理过程为好，例如Hough变换，其卷积核为1，就没必要在卷积过程中使用耗时的除法运算了。

下面是高斯模糊过程测试代码：

var jpg: TJPEGImage; Data: TImageData; begin jpg := TJPEGImage.Create; jpg.LoadFromFile('D:\VclLib\GdiplusDemo\Media\20041001.jpg'); Canvas.Draw(0, 0, jpg); Data := GetImageData(jpg); ImageGaussiabBlur(Data, 3); ImageDataAssignTo(Data, jpg); Canvas.Draw(0, jpg.Height, jpg); FreeImageData(Data); jpg.Free; end;

下面是采用不同Q值进行高斯模糊的运行结果图：

左边是原始图像，其后分别是采用Q=1、2、3调用GdipGaussiabBlur过程高斯模糊后的图像，最右边一幅是使用Photoshop8.1cs高斯模糊（Q=3）处理的。

可以看出，本过程处理的图片和Photoshop处理的图片效果基本接近，同等Q值（3）情况下，Photoshop处理的模糊程度似乎稍稍强一些，可能是算法上的差异，我的过程自动计算的Radius是Q+2，我用Q=3，Radius=6，也就是采用13*13卷积矩阵的模糊效果似乎更接近Photoshop的处理效果，难道Photoshop的Radius为Q * 2？这样一来，采用的卷积矩阵会更大，应该不是，不过，上面的高斯模糊过程中Radius可以任意给定而不通过自动计算，可以反复试试，以模仿Photoshop的处理；另外，当Q=3时图像好像已经模糊的很厉害了，其实，对于高分辨率（200-300）图像，Q=3的高斯模糊程度并没有这么明显，我采用的图片分辨率为72，而且这张图片已经是经过Photoshop过滤、模糊处理后合成的。

下面给出一个直接调用GdipConvolution过程进行Hough变换的例子作为本文结束：

const // Ray: array[0..8] of Integer = (-1, 0, 1, -1, 0, 1, -1, 0, 1); // Ray: array[0..8] of Integer = (-1, -1, 0, -1, 0, 1, 0, 1, 1); Ray: array[0..8] of Integer = (-1, -1, -1, 0, 0, 0, 1, 1, 1); var bmp: TGpBitmap; Data: TImageData; g: TGpGraphics; begin bmp := TGpBitmap.Create('D:\msn.jpg'); g := TGpGraphics.Create(Canvas.Handle); g.DrawImage(bmp, 0, 0); Data := GetImageData(bmp); ImageConvolution(Data, Ray); ImageDataAssignTo(Data, bmp, False); g.DrawImage(bmp, 0, Data.Height); g.Free; FreeImageData(Data); bmp.Free; end;

运行效果如下图: