Android图像处理 - 高斯模糊的原理及实现

欢迎你们前往云+社区，获取更多腾讯海量技术实践干货哦~

由 每天P图攻城狮 发布在云+社区
做者简介：damonxia(夏正冬)，每天P图Android工程师

前言

高斯模糊是图像处理中几乎每一个程序员都或多或少听过的名词，可是对其原理你们可能并不了解，只知道经过高斯模糊能实现图像毛玻璃效果。

本文首先介绍图像处理中最基本的概念：卷积；随后介绍高斯模糊的核心内容：高斯滤波器；接着，咱们从头实现了一个Java版本的高斯模糊算法，以及实现RenderScript版本。因为咱们本身实现的Java版本的高斯模糊算法的效率过低，所以最后介绍比较有名的高斯模糊的开源项目：Blurry以及BlurKit-Android。

BlurDemo是本文的配套Demo：

• Demo1：Java版本的高斯模糊的简单实现。
• Demo2：RenderScript的高斯模糊实现。
• Demo3：BlurKit-Android的基本使用。
• Demo4：Blurry的基本使用。

卷积

本文只讨论图像，而图像能够表示为二维矩阵，其中每一个元素为ARGB像素值，所以这里讨论二维矩阵的卷积操做。卷积（Convolution）是图像处理中最基本的操做，就是一个二维矩阵A（MN）和一个二维矩阵B（mn）作若干操做，生成一个新的二维矩阵C（M*N），其中m和n远小于M和N，B称为卷积核（kernel），又称滤波器矩阵或模板。

这里举个卷积的例子，如图：

上图中，最左边的是源矩阵（88），中间是卷积核（33，半径为1），最右边是经过对前面两个矩阵作卷积生成的结果矩阵。图中，若是咱们要求出结果矩阵中第二行第二列的元素的值，则把卷积核的中心元素（值为0）和源矩阵的第二行第二列（值为6）对齐，而后求加权和，即图中的公式，最后获得-3。

咱们再举一个例子：

上图也展现了如何作卷积的过程，好比要求出结果矩阵中第一行第一列的值，则把卷积核的中心对准源矩阵的第一行第一列，发现部分区域超出源矩阵的范围了（图中红色部分），解决方法有不少，这里的方案是：用边界值填充。接着作加权和，结果为-5。接着用一样的方法依次计算结果矩阵的每一个元素便可。

一般来讲卷积核须要知足：

• 宽和高都为奇数，这样才会有半径和中心的概念。
• 元素总和为1。

滤波器

均值滤波器

均值滤波器（Mean Filter）是最简单的一种滤波器，它是最粗糙的一种模糊图像的方法，高斯滤波是均值滤波的高级版本。实际上不一样的滤波器就是经过改变卷积核（滤波器），从而改变最后的结果矩阵，中间步骤都同样，都是求加权和。均值滤波器的卷积核一般是mm的矩阵，其中每一个元素为1/(m^2)，能够看出卷积核的元素总和为1。好比33的均值滤波器，卷积核的每一个元素就是1/9。

高斯滤波器

高斯滤波器是均值滤波器的高级版本，惟一的区别在于，均值滤波器的卷积核的每一个元素都相同，而高斯滤波器的卷积核的元素服从高斯分布。

高斯滤波器是基于二维的高斯分布函数，所以首先介绍二维高斯分布函数。二维高斯分布函数和图以下：

其中x和y表示卷积核中某个元素横坐标和纵坐标距离中心点的距离。sigma控制曲线的平缓程度，值越大，越平缓，最高点越低。咱们能够轻易看出当x=0且y=0时值最大，即卷积核的中心点权重最大。

好比卷积核中一个元素距离中心点，横向距离2，纵向距离1，那么x=2,y=1，就能求出该元素的值。固然为了保证卷积核元素总和为1，最后每一个元素都须要除以卷积核中全部元素之和。

怎么肯定卷积核的大小呢？肯定sigma以后，虽然无论距离中心点多远，该元素的高斯分布函数值总为非负数，可是根据经验，卷积核的半径定为3sigma，所以宽高为6sigma+1。

若是高斯滤波器的卷积核是二维的（mn），则算法复杂度为O(mnMN)，复杂度较高，所以接下来咱们对算法复杂度进行优化。

一维的高斯分布函数和图以下：

实际上，二维高斯分布函数能够分解为两个一维高斯分布函数相乘，以下：

所以本来的源矩阵和二维卷积核作卷积等价于源矩阵先与1m的一维卷积核作卷积，再与m1的一维卷积核作卷积。一维卷积核的半径仍定为3sigma。此时算法复杂度变为O(2mMN)。

高斯模糊的实现

Java版本

这里实现了简单版本的高斯模糊，经过使用横向和纵向的一维高斯滤波器分别对源矩阵卷积，经过设置sigma的大小能控制图片的模糊程度，值越大越模糊。可是算法速度仍比较慢，建议直接使用RenderScript版本或直接使用成熟的开源项目。

因为代码过长，不能截图，所以直接给出Gist地址：
https://gist.github.com/xiazd...

效果以下：

RenderScript版本

RenderScript是Android提出的一个计算密集型任务的高性能框架，能并行的处理任务，他能够充分利用多核CPU和GPU，你不须要管怎么调度你的任务，只须要管任务具体作什么。这里不深刻介绍RenderScript，由于RenderScript已经提供了一个实现高斯模糊的类：ScriptIntrinsicBlur。

实现起来很是简单：

开源项目

关于Android图像模糊的开源项目有不少，好比Blurry是专门针对Bitmap或View作模糊，能够设置模糊的基底色，并且还能对模糊操做异步化；BlurKit-Android也能对Bitmap作高斯模糊（内部经过RenderScript实现），但最吸引人的是实现了毛玻璃的遮罩，效果以下：

BlurKit-Android支持的最低版本是Android 4.1（API 16），所以若是应用须要支持的最低版本是4.0，则不能使用该库，Blurry支持的最低版本是3.0。

BlurKit-Android

配置过程以下：

• 在build.gradle中设置：compile 'com.wonderkiln:blurkit:1.0.0'，并在defaultConfig中设置renderscriptTargetApi 24和renderscriptSupportModeEnabled true。
• 在Application的onCreate()最开始处加入BlurKit.init(this);。

配置完成后，经过调用BlurKit.getInstance().blur(Bitmap src, int radius);实现高斯模糊，并会把高斯模糊的结果图写入src，其中0<radius<=25。

该库还提供了fastBlur()实现速度更快的高斯模糊，和blur()的区别在于，fastBlur()在高斯模糊以前对图片采样，使得图片大小缩小好几倍，从而加快高斯模糊的速度。这种加快速度的方法是合理的，由于高斯模糊并不须要原图像很精确的信息。

BlurKit-Android最吸引人的是提供高斯模糊的遮罩（BlurLayout），随着遮罩下面的内容的变化，高斯模糊效果也会随之改变。使用以下：

该Layout可以实现实时的对该Layout下面的内容作高斯模糊。

Blurry

配置方法：在build.gradle中添加compile 'jp.wasabeef:blurry:2.1.1'。

使用方法以下：

总的来讲，这两个库都使用起来很是方便。

相关阅读

Android图像处理系列 - 高斯模糊的几种优化方法

iOS图像处理系列 - 双重曝光技术的GPUImage实现

iOS图像处理系列 - GPUImage源码解读（二）

此文已由做者受权云加社区发布，转载请注明文章出处