Java 实现高斯模糊算法处理图像

阅读 695,2017年07月31日 发布,来源:www.qcloud.com

高斯模糊(英语:Gaussian Blur),也叫高斯平滑,是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果,通常用它来减少图像噪声以及降低细节层次。

简介

高斯模糊(Gaussian Blur)是美国Adobe图像软件公司开发的一个图像处理软件:Adobe Photoshop(系列)中的一个滤镜,具体的位置在:滤镜—模糊——高斯模糊!高斯模糊的原理中,它是根据高斯曲线调节像素色值,它是有选择地模糊图像。说得直白一点,就是高斯模糊能够把某一点周围的像素色值按高斯曲线统计起来,采用数学上加权平均的计算方法得到这条曲线的色值,最后能够留下人物的轮廓,即曲线.是指当 Adobe Photoshop 将加权平均应用于像素时生成的钟形曲线。
在PS中间,你应该知道所有的颜色不过都是数字,各种模糊不过都是算法。把要模糊的像素色值统计,用数学上加权平均的计算方法(高斯函数)得到色值,对范围、半径等进行模糊,大致就是高斯模糊。

原理

周边像素的平均值

所谓"模糊",可以理解成每一个像素都取周边像素的平均值。

上图中,2是中间点,周边点都是1。
"中间点"取"周围点"的平均值,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。

下图分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大,图像就越模糊。从数值角度看,就是数值越平滑。

接下来的问题就是,既然每个点都要取周边像素的平均值,那么应该如何分配权重呢?
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。

正态分布的权重

正态分布显然是一种可取的权重分配模式。
在图形上,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。

高斯函数

上面的正态分布是一维的,图像都是二维的,所以我们需要二维的正态分布。

正态分布的密度函数叫做"高斯函数"(Gaussian function)。它的一维形式是:

一维形式

其中,μ是x的均值,σ是x的方差。因为计算平均值的时候,中心点就是原点,所以μ等于0。据一维高斯函数,可以推导得到二维形式

进一步推导

二维高斯函数

有了这个函数 ,就可以计算每个点的权重了

权重矩阵

假定中心点的坐标是(0,0),那么距离它最近的8个点的坐标如下:

权重矩阵

权重矩阵

权重矩阵

更远的点以此类推。

为了计算权重矩阵,需要设定σ的值。假定σ=1.5,则模糊半径为1的权重矩阵如下:
这9个点的权重总和等于0.4787147,如果只计算这9个点的加权平均,还必须让它们的权重之和等于1,因此上面9个值还要分别除以0.4787147,得到最终的权重矩阵。

计算高斯模糊

有了权重矩阵,就可以计算高斯模糊的值了。假设现有9个像素点,灰度值(0-255)如下:

计算高斯模糊

计算高斯模糊

计算高斯模糊

每个点乘以自己的权重值:
得到将这9个值加起来,就是中心点的高斯模糊的值。
对所有点重复这个过程,就得到了高斯模糊后的图像。如果原图是彩色图片,可以对RGB三个通道分别做高斯模糊。

高斯模糊矩阵示例表

这是一个计算 σ = 0.84089642 的高斯分布生成的示例矩阵。注意中心元素 [4,4]] 处有最大值,随着距离中心越远数值对称地减小。

注意中心处的 0.22508352 比 3σ 外的 0.00019117 大 1177 倍。

源码实现

package cn.zju.edu.liuxing;

import java.awt.Color;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;

import javax.imageio.ImageIO;
/**
* 简单高斯模糊算法
*
* @param args
* @throws IOException [参数说明]
*
* @return void [返回类型说明]
* @exception throws [违例类型] [违例说明]
* @see [类、类#方法、类#成员]
*/
public class GaussianBlur {
 public static void main(String[] args) throws IOException {
 BufferedImage img = ImageIO.read(new File("./a.jpg")); //将这个图片拷贝到你项目根目录下
 System.out.println(img);
 int height = img.getHeight();
 int width = img.getWidth();
 int[][] martrix = new int[3][3];
 int[] values = new int[9];
 for (int i = 0; i < width; i++)
 for (int j = 0; j < height; j++) {
 readPixel(img, i, j, values);
 fillMatrix(martrix, values);
 img.setRGB(i, j, avgMatrix(martrix));
 }
 ImageIO.write(img, "jpeg", new File("./test.jpg"));
 }

 private static void readPixel(BufferedImage img, int x, int y, int[] pixels) {
 int xStart = x - 1;
 int yStart = y - 1;
 int current = 0;
 for (int i = xStart; i < 3 + xStart; i++)
 for (int j = yStart; j < 3 + yStart; j++) {
 int tx = i;
 if (tx < 0) {
 tx = -tx;

 } else if (tx >= img.getWidth()) {
 tx = x;
 }
 int ty = j;
 if (ty < 0) {
 ty = -ty;
 } else if (ty >= img.getHeight()) {
 ty = y;
 }
 pixels[current++] = img.getRGB(tx, ty);

 }
 }

 private static void fillMatrix(int[][] matrix, int[] values) {
 int filled = 0;
 for (int i = 0; i < matrix.length; i++) {
 int[] x = matrix[i];
 for (int j = 0; j < x.length; j++) {
 x[j] = values[filled++];
 }
 }
 }

 private static int avgMatrix(int[][] matrix) {
 int r = 0;
 int g = 0;
 int b = 0;
 for (int i = 0; i < matrix.length; i++) {
 int[] x = matrix[i];
 for (int j = 0; j < x.length; j++) {
 if (j == 1) {
 continue;
 }
 Color c = new Color(x[j]);
 r += c.getRed();
 g += c.getGreen();
 b += c.getBlue();
 }
 }
 return new Color(r / 8, g / 8, b / 8).getRGB();

 }
}

运行结果

原图片

原图片

高斯模糊化后的图片

高斯模糊化后的图片

程序源码下载

更多精彩文章

SegmentFault

一起探索更多未知

下载 App