paper 104: 彩色图像高速模糊的懒惰算法

工程及源代码：快速模糊.rar

     

 

 

         

 

     图像模糊算法有很多种，我们最常见的就是均值模糊，即取一定半径内的像素值之平均值作为当前点的新的像素值，在一般的工业应用中常取3*3的模板，这种小模板为了提高速度，可以直接把两层小的循环展开为表达式。但是在图像的艺术处理上，常用到比较大的半径，这时一来展开计算不现实，而来用两层循环会大大降低速度，三则半径越大，计算速度也就越慢，因此，必须寻找到一种快速实现这种效果的算法，在均值模糊这种比较特殊的情况下，用懒惰算法也许是非常有效而又简单的实现手段了。

    

     在均值模糊中，在计算前一个像素点结果的过程中，涉及到了其周围r*r个像素的累计和，而在计算下一个像素点的过程中，将会有 （r-1)*(r-1)个周围点和前一次的重合（不考虑边缘点），因此，如果我们能恰当利用这些重合的信息，则在计算的过程中就可以有效的降低计算量，并且这种特性使得模糊计算的时间和半径的关系基本不敏感了。

    

     考虑到边缘像素的一些情况，我们的计算可以分为三个阶段。

    

     第一步：计算图像最左上角的像素的结果值，并记录下记录下各颜色分量的累加和以及有效像素数。

     

For X = 0 To Rad    '循环无需从-Rad to Rad ，因为我们明确知道在-Rad到0处图像无数据
        For y = 0 To Rad   '计算左上角第一个像素的模糊化值，记录下各颜色分量和有效像素数
            pDataArrC(0) = mPtrc + mWidthBytes * y + X * 4      '指向我们需要的数句在备份数据中的地址（首地址+高度*扫描行宽度+宽度*每像素字节数）
            SumRed(0) = SumRed(0) + DataArrC(2)                '累加值
            SumGreen(0) = SumGreen(0) + DataArrC(1)
            SumBlue(0) = SumBlue(0) + DataArrC(0)
            SumNum(0) = SumNum(0) + 1                          '计数器加一
        Next
    Next

 

     第二步：  计算第一行像素除中除(0,0)点外其他像素的模糊值，这一步就要充分利用第一步的信息。

 

     这一步的代码详见工程。

   

    第三步，在计算出图像中第一行的基础上，一次计算出下面各行的模糊值，这里有一些信息的移出和移入的操作，还有边缘操作的一些事项要注意。

 

      注意，我的工程中把图像数据的起点修正为屏幕的左上角，这样做是为了和GDI的坐标系统一，在很多时候这样做都会带来方便的。

 

      在高斯模糊中，我们也可以用类似的方法对算法进行优化，这个可以参考paint.net的代码。