普通均值滤波

R是卷积核半径 image

图像处理中，有几种常见的基础算法，比如“模糊”、“灰度”、“浮雕”、“黑白”、“底片”、“锐化”。这篇文章讲述采用“均值滤波”的算法实现“模糊”。

一、均值滤波原理

原理非常简单，相信你看完，也能很快实现

1）设定一个均值区域，一般定义滤波半径R，半径越大越模糊

2）逐次移动坐标，求该区域内的所有像素的平均值

二、标准均值滤波

逻辑实在是太简单，直接贴代码

如果对Bitmap的RGB解析不了解，可以参考我之前写的：理解Bitmap的ARGB格式，实现颜色选择器

//std mean filter
/**
* srcData：原图数据
* destData：存放处理结果的图片数据
* width：图片宽
* height：图片高度
* stride：图片一行的步幅(>= width)
* radius：模糊半径
*/

#define MIN2(a, b) ((a) < (b) ? (a) : (b))
#define MAX2(a, b) ((a) > (b) ? (a) : (b))
#define CLIP3(x, a, b) MIN2(MAX2(a,x), b)

int MeanFilter(unsigned char *srcData, unsigned char* destData, int width, int height, int stride, int radius)
{
    int ret = 0;
    if(radius == 0)
        return ret;
    int offset = stride - width * 4;

    unsigned char* destData = (unsigned char*)malloc(sizeof(unsigned char) * height * stride);

    int M = (radius * 2 + 1) * (radius * 2 + 1);
    int sumr = 0, sumg = 0, sumb = 0;
    for(int j = 0; j < height; j++)
    {
        for(int i = 0; i < width; i++)
        {
            sumr = sumg = sumb = 0;
            // 对(radius+1) * (radius +1) 的矩形范围求像素的平均值
            for(int n = -radius; n <=radius; n++)
            {
                for(int m = -radius; m <= radius; m++)
                {
                    // 注意图片的边界处，坐标会溢出，需要校正
                    int ny = CLIP3(j + n, 0, height - 1);
                    int nx = CLIP3(i + m, 0, width - 1);
                    int pos = nx * 4 + ny * stride;
                    sumb += srcData[pos];
                    sumg += srcData[pos + 1];
                    sumr += srcData[pos + 2];
                }
            }
            destData[0] = sumb / M;
            destData[1] = sumg / M;
            destData[2] = sumr / M;
            destData += 4;
        }
        destData += offset;
    }

    return ret;
};

不同的模糊半径处理的效果：

三、快速均值滤波

标准均值滤波算法，有大量的重复值的计算，如果图片计算量比较大，可以考虑采用“快速均值滤波”

当计算的点沿x轴移动一个像素，diff只有最左侧的一列和最右侧的一列发生变化，如下图所示。可以将上一次计算的结果减去最左侧，再加上最右侧，可以大幅度提升效率。

y轴移动原理相同。

代码稍微有点绕，逻辑不复杂，有兴趣的同学可以读一读

//Fast mean filter based histagram computation
int FastMeanFilter(unsigned char* srcData, unsigned char* dstData, int width, int height ,int stride, int radius)
{
    int ret = 0;
    if(radius == 0)
        return ret;
    if(radius > MIN2(width,height) / 2)
        radius = (MIN2(width, height) / 2-0.5);

    memset(dstData, 255, sizeof(unsigned char) * height * stride);
    int unit = 4, t = 0, t1 = 0;
    int i,j,k,len = width * height * unit;
    int block = (radius << 1) + 1;
    int winSize = block * block;
    long sumB = 0, sumG = 0,sumR = 0;
    unsigned char* pSrc = srcData;
    int* temp = (int*)malloc(sizeof(int)* width * unit);
    memset(temp,0,sizeof(int) * width * unit);
    // 一次性求出第一行像素周边的和，存在temp中，
    // 后面随着y值移动，不断更新temp值
    // 设radius = 2, 求出 -2 -1 0 1 2 五行颜色的和，存储在temp中
    for(k = -radius; k <= radius; k++)
    {
        for(j = 0; j< width; j++)
        {
            t = j * unit;
            // 小于0在图片外面，没有值，对称映射到图片里面来取值
            t1 = abs(k) * stride;
            temp[t] += pSrc[t + t1];
            temp[t + 1] += pSrc[t + 1 + t1];
            temp[t + 2] += pSrc[t + 2 + t1];
        }
    }
   // 开始从第一行扫描，沿y方向迭代
    for (i = 0; i < height; i++)
    {
        sumB = sumG = sumR = 0;
        // 求出坐标每一行第一个点的卷积
        // -2 -1处的值不存在，取绝对值，映射成2 和 1出的值
        for (j = -radius; j <= radius; j++)
        {
            // j < 0时，图片的左边没有值，映射到图片的右边来取值，这里也可以取(0,y)处的值，不一定要abs(j)
             t = abs(j) * unit;
             sumB += temp[t];
             sumG += temp[t + 1];
             sumR += temp[t + 2];
        }
        // 计算每一行的卷积平均值
        for (j = 0; j < width; j++)
        {
            // 计算i行j列处的平均值
             t = j * unit + i * stride;
             dstData[t] = (sumB / winSize);
             dstData[t + 1] = (sumG / winSize);
             dstData[t + 2] = (sumR / winSize);

             // sumRGB用完一次，往前推进一个像素，这个if是为了减少最后一次计算，最后一次不用算了
             if (j < width - 1)
             {
                 t = abs(j - radius) * unit;
                 t1 = (j + radius + 1) % width * unit;
                 sumB = sumB - temp[t] + temp[t1];
                 sumG = sumG - temp[t + 1] + temp[t1 + 1];
                 sumR = sumR - temp[t + 2] + temp[t1 + 2];
             }
        }

        // 这个if是为了减少最后一次计算，减去卷积核
        if (i < height - 1)
        {
             for (k = 0; k < width; k++)
             {
                 t = k * unit + abs(i - radius) * stride;  // 卷积核第一行(注意abs绝对值，是应对边缘处的像素，映射到正值处的位置，增加容错)
                 t1 = k * unit + (i + radius + 1) % height * stride;  // 紧邻卷积核的下一行
                 temp[k * unit] = temp[k * unit] - pSrc[t] + pSrc[t1];
                 temp[k * unit + 1] = temp[k * unit + 1] - pSrc[t + 1] + pSrc[t1 + 1];
                 temp[k * unit + 2] = temp[k * unit + 2] - pSrc[t + 2] + pSrc[t1 + 2];
             }
        }
    }
    free(temp);
    return ret;
};

第一篇图像处理先到这，对图像处理感兴趣的朋友，欢迎交流