android高斯模糊平均值,高斯模糊

前言

通常，图像处理软件会提供"模糊"(blur)滤镜，使图片产生模糊的效果。

“模糊”的算法不只一种，高斯模糊只是其中一种，甚至它只是其中效率很差的一种。

在Android中使用高斯模糊，需要使用到 JNI 技术，Android Studio开发之 JNI 篇已具体讨论JNI的用法等。本文主要讲述高斯模糊原理及编码等。

高斯模糊原理

所谓"模糊"，可以理解成每一个像素都取周边像素的平均值。

如图所示，2是中间点，周围点都是1。中间点取周围点平均值，就会变成1。在数值上，这是一种"平滑化"。在图形上，就相当于产生"模糊"效果，"中间点"失去细节。

显然，计算平均值时，取值范围越大，"模糊效果"越强烈。

如果使用简单平均，显然不是很合理，因为图像都是连续的，越靠近的点关系越密切，越远离的点关系越疏远。因此，加权平均更合理，距离越近的点权重越大，距离越远的点权重越小。

高斯模糊根据正态分布，决定周围点的权重值。

正态分布是一种钟形曲线，越接近中心，取值越大，越远离中心，取值越小。

计算平均值的时候，我们只需要将"中心点"作为原点，其他点按照其在正态曲线上的位置，分配权重，就可以得到一个加权平均值。

正态分布的一维公式为：

由于每次计算都是以中间点为原点，所以u为标准差，即为0。所以公式进一步进化为：

由于图像是二维的，需要根据二维正态分布函数来计算权重值，它的公式以及曲线如下：

不过为了代码效率问题，不会采用二维正态分布的计算方式，而是分别对 X 轴和 Y 轴进行两次高斯模糊，也能达到效果(即通过一维正态分布计算权重)。

高斯模糊代码

先分别计算正态分布各参数，sigma与高斯模糊半径有关系，2.57既是1除以根号2 PI得来。

float sigma = 1.0 * radius / 2.57;

float deno = 1.0 / sigma * sqrt(2.0 * PI);

float nume = -1.0 / (2.0 * sigma * sigma);

因为对于每一个像素点来说，周围点在正态分布中所占的权重值都是一样的，所以正态分布计算一次即可。

float *gaussMatrix = (float *) malloc(sizeof(float) * (radius + radius + 1));

float gaussSum = 0.0;

for (int i = 0, x = -radius; x <= radius; ++x, ++i) {

float g = deno * exp(1.0 * nume * x * x);

gaussMatrix[i] = g;

gaussSum += g;

}

因为是以中间点自身为原点，所以 x 的取值范围是从 -radius 到 radius，计算结果存储的数组中。请注意周围点权重值与数组的对应关系，x 等于 -radius 时，而 i 等于0，后文会用到。

由于并没有计算所有的周围点，所以权重总合必然不为1，所以需要归一化，设法使权重值为一。

int len = radius + radius + 1;

for (int i = 0; i < len; ++i) {

gaussMatrix[i] /= gaussSum;

}

先进行 x 轴的模糊。

for (int y = 0; y < h; ++y) {

//取一行像素数据，注意像素总数组的访问方式是 x + y * w

memcpy(rowData, pix + y * w, sizeof(int) * w);

for (int x = 0; x < w; ++x) {

float r = 0, g = 0, b = 0;

gaussSum = 0;

//以当前坐标点 x、y 为中心，查看前后一个模糊半径的周围点，根据正态分布

//重新计算像素点的颜色值

for (int i = -radius; i <= radius; ++i) {

// k 表示周围点的真实坐标

int k = x + i;

// 边界上的像素点，它的周围点只有正常的一半，所以要保证 k 的取值范围

if (k >= 0 && k <= w) {

// 取到周围点的像素，并根据 argb 的排列方式，计算 r、g、b分量

int color = rowData[k];

int cr = (color & 0x00ff0000) >> 16;

int cg = (color & 0x0000ff00) >> 8;

int cb = (color & 0x000000ff);

//真实点坐标为 k，与它对应的权重数组下标是 i + radius

//前文中计算正态分布权重时已经说明相关的对应关系。

//根据正态分布的权重关系，计算中心点的 r g b各分量

int index = i + radius;

r += cr * gaussMatrix[index];

g += cg * gaussMatrix[index];

b += cb * gaussMatrix[index];

gaussSum += gaussMatrix[index];

}

}

//因为边界点的存在，gaussSum值不一定为1，所以需要除以gaussSum，归一化。

int cr = (int) (r / gaussSum);

int cg = (int) (g / gaussSum);

int cb = (int) (b / gaussSum);

//根据权重值与各周围点像素相乘之和，得到新的中间点像素。

pix[y * w + x] = cr << 16 | cg << 8 | cb | 0xff000000;

}

}

y轴的模糊原理和x轴基本一样，这里就不再重复说明了。

JNI图片接口

JNI中处理图片，需要引用 bitmap.h，头文件中主要定义三个方法。

int AndroidBitmap_getInfo(JNIEnv* env, jobject jbitmap,

AndroidBitmapInfo* info);

int AndroidBitmap_lockPixels(JNIEnv* env, jobject jbitmap, void** addrPtr);

int AndroidBitmap_unlockPixels(JNIEnv* env, jobject jbitmap);

AndroidBitmap_getInfo：获取图片信息，比如宽、高、图片格式等

AndroidBitmap_lockPixels：顾名思义，锁定像素

AndroidBitmap_unlockPixels：解锁。

AndroidBitmap_lockPixels 和 AndroidBitmap_unlockPixels 成对调用，在两个方法之间可对图片像素进行相应处理，解锁像素以后，对图片的调整效果可以立即看到，并不需要再重新生成图片了。

ps：有时并不知道 JNI 有哪些接口可以调用，最好的方式就是看源码，有哪些接口，一目了然。

其它模糊方法

除了高斯模糊之外，还有其它模糊方法，比如说 fastblur，不过这个算法还没看明白，此处不再详述，具体代码本人的github上都有，欢迎访问。