近年来，图片高斯模糊备受设计师的青睐，在各大知名APP中，如微信、手机QQ、网易云音乐等等都有对背景高斯图模糊的设计，在Adnroid 中，现在常用的图片高斯模糊技术有三种：RenderScript 、fastBlur、对RenderScript和fastBlur的优化，接下来分别分析各自的优缺点和在项目中该使用哪个解决方案。先上一张效果图：
image.png
1，RenderScript
RenderScript是在Android上的高性能运行密集型运算的框架，RenderScript主要用于数据并行计算，尤其对图像处理、摄影分析和计算机视觉特别有用。RenderScript是在Android3.0（API 11）引入的。而Android图片高斯模糊处理，通常也是用这个库来完成。它提供了我们Java层调用的API,实际上是在c/c++ 层来处理的，所以它的效率和性能通常是最高的。要使用RenderScript完成图片高斯模糊只需要以下几步：
(1) 初始化一个RenderScript Context：RenderScript 上下文环境通过create(Context)方法来创建，它保证RenderScript的使用并且提供一个控制后续所有RenderScript对象（如：ScriptIntrinsicBlur、Allocation等）生命周期的对象。
(2)通过Script至少创建一个Allocation：一个Allocation是提供存储大量可变数据的RenderScript 对象。在内核中，Allocation作为输入和输出，在内核中通过rsGetElementAt_type ()和rsSetElementAt_type()方法来访问Allocation当script全局绑定的时候。使用createFromBitmap 和createTyped来创建Allocation。
(3)创建ScriptIntrinsic：它内置了RenderScript 的一些通用操作，如高斯模糊、扭曲变换、图像混合等等，更多的操作请看ScriptIntrinsic的子类，本文要用的高斯模糊处理就是用的它的子类ScriptIntrinsicBlur。
(4)填充数据到Allocations：除了使用方法createFromBitmap创建的Allocation外，其它的第一次创建时都是填充的空数据。
(5)** 设置模糊半径**：设置一个模糊的半径,其值为 0－25。
(6) 启动内核，调用方法处理：调用forEach 方法模糊处理。
(7) ** 从Allocation 中拷贝数据**：为了能在Java层访问Allocation的数据，用Allocation其中一个copy方法来拷贝数据。
(8) 销毁RenderScript对象：可以用destroy方法来销毁RenderScript对象或者让它可以被垃圾回收，destroy 之后，就能在用它控制的RenderScript对象了（比如在销毁了之后，再调用ScriptIntrinsic或者Allocation的方法是要抛异常的）。
以上几个步骤就可以完成的图片的高斯模糊，看一下对应的代码：
private static Bitmap rsBlur(Context context,Bitmap source,int radius){
Bitmap inputBmp = source;
//(1)
RenderScript renderScript = RenderScript.create(context);
Log.i(TAG,"scale size:"+inputBmp.getWidth()+"*"+inputBmp.getHeight());
// Allocate memory for Renderscript to work with
//(2)
final Allocation input = Allocation.createFromBitmap(renderScript,inputBmp);
final Allocation output = Allocation.createTyped(renderScript,input.getType());
//(3)
// Load up an instance of the specific script that we want to use.
ScriptIntrinsicBlur scriptIntrinsicBlur = ScriptIntrinsicBlur.create(renderScript, Element.U8_4(renderScript));
//(4)
scriptIntrinsicBlur.setInput(input);
//(5)
// Set the blur radius
scriptIntrinsicBlur.setRadius(radius);
//(6)
// Start the ScriptIntrinisicBlur
scriptIntrinsicBlur.forEach(output);
//(7)
// Copy the output to the blurred bitmap
output.copyTo(inputBmp);
//(8)
renderScript.destroy();
return inputBmp;
}
上面对应的步骤已经用序号标出，代码就十行左右，很简单。这就十Android提供给我们的可以处理图片高斯模糊的库。性能比较好，因为是在c/c++层做的处理。但是它只能在API 17或者更高的版本使用, 看一下文档的说明：
[图片上传失败...(image-f0f5b0-1531365800149)]
如上图，红框中标记的ScriptIntrinsicBlur 是在API 17加入的，因此低版本的手机是用不了，为了能兼容低版本的手机，我们还得探索其他方案。
RenderScript 兼容包：
所幸的是，Google 为了兼容低版本也可以用RenderScript，加了一个兼容包，android.support.v8.renderscript ，使用support.v8.renderscript就能兼容到Android 2.3版本(API 9),现在市面上估计没有比2.3版本还低的手机了(4.x 的手机都不多了)。使用兼容包和使用原生的RenderScript完全一样，代码还是上面的代码。只是需要在app 的build.gradle添加如下的代码
android {
compileSdkVersion 23
buildToolsVersion "23.0.3"
defaultConfig {
minSdkVersion 9
targetSdkVersion 19
// 使用support.v8.renderscript
renderscriptTargetApi 18
renderscriptSupportModeEnabled true
}
}
只要添加上面的2行代码就行了。但是有2点需要注意：
注意：
1，Android SDK Tools revision 22.2 or higher（Tools 需要22.2或者更高的版本）
2，Android SDK Build-tools revision 18.1.0 or higher( Build-tools 需要18.1.0或者更高的版本)
如果没有达到的话，通过Anroid SDK Manager 更新安装。
有了兼容包，那么RenderScript就是一个完美的解决方案了吗？答案是NO,还有2个缺点：
- 虽然RenderScript效率不错，但是处理尺寸大一点的图片还是达不到16ms每一帧，需要优化
- 虽然兼容包能解决API17以下不能使用的问题，但是引入兼容包又带来了新的问题，APK 的包大小增大了，support.v8.renderscript有160k,现在各家的APP都在要求APK瘦身，对于那种本来就很大的APK来说还是不能接受的。
因此我们还要找一下其他方案，接下来看一下fastBlur算法。
2，fastBlur
fastBlur 是除了RenderScript 之外的另一种方法，它直接在Java层做图片的模糊处理。对每个像素点应用高斯模糊计算、最后在合成Bitmap。请看源码：
/**
* Stack Blur v1.0 from
* http://www.quasimondo.com/StackBlurForCanvas/StackBlurDemo.html
* Java Author: Mario Klingemann <mario at quasimondo.com>
* http://incubator.quasimondo.com
*
* created Feburary 29, 2004
* Android port : Yahel Bouaziz <yahel at kayenko.com>
* http://www.kayenko.com
* ported april 5th, 2012
*
* This is a compromise between Gaussian Blur and Box blur
* It creates much better looking blurs than Box Blur, but is
* 7x faster than my Gaussian Blur implementation.
*
* I called it Stack Blur because this describes best how this
* filter works internally: it creates a kind of moving stack
* of colors whilst scanning through the image. Thereby it
* just has to add one new block of color to the right side
* of the stack and remove the leftmost color. The remaining
* colors on the topmost layer of the stack are either added on
* or reduced by one, depending on if they are on the right or
* on the left side of the stack.
*
* If you are using this algorithm in your code please add
* the following line:
* Stack Blur Algorithm by Mario Klingemann <mario@quasimondo.com>
*/
private static Bitmap fastBlur(Bitmap sentBitmap, float scale, int radius) {
int width = Math.round(sentBitmap.getWidth() * scale);
int height = Math.round(sentBitmap.getHeight() * scale);
sentBitmap = Bitmap.createScaledBitmap(sentBitmap, width, height, false);
Bitmap bitmap = sentBitmap.copy(sentBitmap.getConfig(), true);
if (radius < 1) {
return (null);
}
int w = bitmap.getWidth();
int h = bitmap.getHeight();
int[] pix = new int[w * h];
Log.e("pix", w + " " + h + " " + pix.length);
bitmap.getPixels(pix, 0, w, 0, 0, w, h);
int wm = w - 1;
int hm = h - 1;
int wh = w * h;
int div = radius + radius + 1;
int r[] = new int[wh];
int g[] = new int[wh];
int b[] = new int[wh];
int rsum, gsum, bsum, x, y, i, p, yp, yi, yw;
int vmin[] = new int[Math.max(w, h)];
int divsum = (div + 1) >> 1;
divsum *= divsum;
int dv[] = new int[256 * divsum];
for (i = 0; i < 256 * divsum; i++) {
dv[i] = (i / divsum);
}
yw = yi = 0;
int[][] stack = new int[div][3];
int stackpointer;
int stackstart;
int[] sir;
int rbs;
int r1 = radius + 1;
int routsum, goutsum, boutsum;
int rinsum, ginsum, binsum;
for (y = 0; y < h; y++) {
rinsum = ginsum = binsum = routsum = goutsum = boutsum = rsum = gsum = bsum = 0;
for (i = -radius; i <= radius; i++) {
p = pix[yi + Math.min(wm, Math.max(i, 0))];
sir = stack[i + radius];
sir[0] = (p & 0xff0000) >> 16;
sir[1] = (p & 0x00ff00) >> 8;
sir[2] = (p & 0x0000ff);
rbs = r1 - Math.abs(i);
rsum += sir[0] * rbs;
gsum += sir[1] * rbs;
bsum += sir[2] * rbs;
if (i > 0) {
rinsum += sir[0];
ginsum += sir[1];
binsum += sir[2];
} else {
routsum += sir[0];
goutsum += sir[1];
boutsum += sir[2];
}
}
stackpointer = radius;
for (x = 0; x < w; x++) {
r[yi] = dv[rsum];
g[yi] = dv[gsum];
b[yi] = dv[bsum];
rsum -= routsum;
gsum -= goutsum;
bsum -= boutsum;
stackstart = stackpointer - radius + div;
sir = stack[stackstart % div];
routsum -= sir[0];
goutsum -= sir[1];
boutsum -= sir[2];
if (y == 0) {
vmin[x] = Math.min(x + radius + 1, wm);
}
p = pix[yw + vmin[x]];
sir[0] = (p & 0xff0000) >> 16;
sir[1] = (p & 0x00ff00) >> 8;
sir[2] = (p & 0x0000ff);
rinsum += sir[0];
ginsum += sir[1];
binsum += sir[2];
rsum += rinsum;
gsum += ginsum;
bsum += binsum;
stackpointer = (stackpointer + 1) % div;
sir = stack[(stackpointer) % div];
routsum += sir[0];
goutsum += sir[1];
boutsum += sir[2];
rinsum -= sir[0];
ginsum -= sir[1];
binsum -= sir[2];
yi++;
}
yw += w;
}
for (x = 0; x < w; x++) {
rinsum = ginsum = binsum = routsum = goutsum = boutsum = rsum = gsum = bsum = 0;
yp = -radius * w;
for (i = -radius; i <= radius; i++) {
yi = Math.max(0, yp) + x;
sir = stack[i + radius];
sir[0] = r[yi];
sir[1] = g[yi];
sir[2] = b[yi];
rbs = r1 - Math.abs(i);
rsum += r[yi] * rbs;
gsum += g[yi] * rbs;
bsum += b[yi] * rbs;
if (i > 0) {
rinsum += sir[0];
ginsum += sir[1];
binsum += sir[2];
} else {
routsum += sir[0];
goutsum += sir[1];
boutsum += sir[2];
}
if (i < hm) {
yp += w;
}
}
yi = x;
stackpointer = radius;
for (y = 0; y < h; y++) {
// Preserve alpha channel: ( 0xff000000 & pix[yi] )
pix[yi] = ( 0xff000000 & pix[yi] ) | ( dv[rsum] << 16 ) | ( dv[gsum] << 8 ) | dv[bsum];
rsum -= routsum;
gsum -= goutsum;
bsum -= boutsum;
stackstart = stackpointer - radius + div;
sir = stack[stackstart % div];
routsum -= sir[0];
goutsum -= sir[1];
boutsum -= sir[2];
if (x == 0) {
vmin[y] = Math.min(y + r1, hm) * w;
}
p = x + vmin[y];
sir[0] = r[p];
sir[1] = g[p];
sir[2] = b[p];
rinsum += sir[0];
ginsum += sir[1];
binsum += sir[2];
rsum += rinsum;
gsum += ginsum;
bsum += binsum;
stackpointer = (stackpointer + 1) % div;
sir = stack[stackpointer];
routsum += sir[0];
goutsum += sir[1];
boutsum += sir[2];
rinsum -= sir[0];
ginsum -= sir[1];
binsum -= sir[2];
yi += w;
}
}
Log.e("pix", w + " " + h + " " + pix.length);
bitmap.setPixels(pix, 0, w, 0, 0, w, h);
return (bitmap);
}
如上所示，就一个方法,使用这种方式不会有兼容性问题，也不会引入jar包导致APK变大。但是这种方法的效率是非常低的，想想也知道，因为是在Java 层处理，速度当然慢。测试了一张800 x 450 的图片,RenderScript平均25 ms 左右，fastBlur平均310ms 左右，相当于差了10倍。还有就是使用这种方式是把图片全部加载到内存，如果图片较大，容易导致OOM。
3，对RenderScript 和fastBlur 的优化
上面对RenderScript 和fastBlur做了分析，虽然RenderScript的效率要比fastBlur 好很多，但是还是有可能达不到16ms每一帧的要求而导致卡顿。所以需要进行优化。
思路： 在stackOverFlow上有提供优化思路（地址：http://stackoverflow.com/questions/2067955/fast-bitmap-blur-for-android-sdk）
,原理是这样的：通过缩小图片，使其丢失一些像素点，接着进行模糊化处理，然后再放大到原来尺寸。由于图片缩小后再进行模糊处理，需要处理的像素点和半径都变小，从而使得模糊处理速度加快。
因此我们只需要将原来的图片缩小，然后在用RenderScript 或者fastBlur 处理，就可以加快速度了，添加如下代码：
int width = Math.round(source.getWidth() * scale);
int height = Math.round(source.getHeight() * scale);
Bitmap inputBmp = Bitmap.createScaledBitmap(source,width,height,false);
renderScript 高斯模糊的完整方法如下：
private static Bitmap rsBlur(Context context,Bitmap source,int radius,float scale){
Log.i(TAG,"origin size:"+source.getWidth()+"*"+source.getHeight());
int width = Math.round(source.getWidth() * scale);
int height = Math.round(source.getHeight() * scale);
Bitmap inputBmp = Bitmap.createScaledBitmap(source,width,height,false);
RenderScript renderScript = RenderScript.create(context);
Log.i(TAG,"scale size:"+inputBmp.getWidth()+"*"+inputBmp.getHeight());
// Allocate memory for Renderscript to work with
final Allocation input = Allocation.createFromBitmap(renderScript,inputBmp);
final Allocation output = Allocation.createTyped(renderScript,input.getType());
// Load up an instance of the specific script that we want to use.
ScriptIntrinsicBlur scriptIntrinsicBlur = ScriptIntrinsicBlur.create(renderScript, Element.U8_4(renderScript));
scriptIntrinsicBlur.setInput(input);
// Set the blur radius
scriptIntrinsicBlur.setRadius(radius);
// Start the ScriptIntrinisicBlur
scriptIntrinsicBlur.forEach(output);
// Copy the output to the blurred bitmap
output.copyTo(inputBmp);
renderScript.destroy();
return inputBmp;
}
先对Bitmap 缩小，然后再模糊处理。
Note：缩小的系数应该为2的整数次幂 ，即上面代码中的scale应该为1/2、1/4、1/8 ... 参考BitmapFactory.Options 对图片缩放 的inSample系数。据前辈们经验，一般scale = 1/8 为佳。
看一下使用RenderScript和fastBlur 以及优化后，高斯模糊一张图片所花时间的对比表，测试机型为魅族metal,系统为Android 5.1,如下：
[图片上传失败...(image-e4da59-1531365800149)]
如上图：以1080 x 1349 的图片为例(每一个半径取5次的均值)，使用原尺寸用两种方法进行高斯模糊，RenderScript的效率比fastBlur高，大约快10倍，但是都超过了16ms，而使用优化方法后，使其先缩小8倍，再模糊，2种方法效率都有质的提高，RenderScript模糊时间不足5ms，fastBlur 也接近16ms，半径为15以下小与16ms。
因此不管使用哪种方法模糊图片，都应该先优化，再模糊。
4，优缺点比较及图片高斯模糊方案
RenderScript 优点：
- 使用简单，原生的API，十行左右的代码就能完成高斯模糊
- 效率较高，是在c/c++层做处理
RenderScript 缺点：
- API 17以上才能使用
- 用兼容包的话，会导致APK 体积增大，support包约160k
fastBlur的优点：
- 没有兼容版本问题
- 不用引入三方包，不会增加APK大小
fastBlur的缺点：
- 效率很低，在Java层做处理
- 将Bitmap全部加载到内存，较大图片容易OOM
以上对比了2种方法的优缺点，各有优劣，那么我们到底选择哪一种呢？这个需要看情况而定，给出下面2种方案：
高斯模糊方案一： 如果APK本身较小，可以接受增大的160k体积，那么直接使用兼容包的RenderScript (注意需要先优化，用上面的先缩小再模糊)。
高斯模糊方案二：如果不想APK体积增大，那么在模糊的时候做判断, API版本大于17 ，直接使用原生的RenderScript模糊，API版本小于17,则用fastBlur方法。(同样需要先优化，后模糊)。
这里有一些高斯模糊的处理框架：Android常用开源框架：图片处理
原文作者：依然范特稀西
链接：https://www.jianshu.com/p/02da487a2f43
网友评论