图像处理之移动模糊

- created by gloomyfish
卷积模糊或者卷积平滑滤波，可以消除图像噪声，也可以产生一些常见的图像模糊特效，但
是移动模糊特效也是基于卷积，相比于Box Blur, Gaussian Blur的算法，移动模糊只需要完成
一次的一维卷积，所不同的是一维卷积的完成，要基于一定的角度，而不是只是在水平和垂
直两个方向上。移动模糊的一维卷积要考虑一下三个因素：
a. 操作数的多少 - 即距离(Distance)
b.一维操作数在像素数组中的移动方向 – 即角度(Angle)
c.一维操作数的拉影效应 – 即Scale(放大和缩小程度)(Zoom/Scale)
距离和角度的关系可以用三角几何表示如下：



假设距离和角度已知的情知道中心点(目标像素点)则可以求出每个操作数的像素点坐标，假
设中心点坐标为Base(x0, y0) 则操作数P(a, b)坐标公式可以表示如下：
a = sinx * c +y0
b = cosx * c +x0
放缩功能其实是在XY两个方向对图像计算得到一个一维像素结合，再求这些像素的平均值
即可，假设中心点像素为x0, y0, 防缩比率为s0则每个操作数像素点坐标可以表示为：
a= x0-x0 * s0 + a
b= y0-y0*so + b

原理部分的解释大概如此，下面来看一下，实际图像处理效果和源代码详细解释。
程序运行效果如下– 距离50个像素，角度 0 时：



角度30时候的滤镜运行结果：



放缩模糊效果：



角度，距离，放缩三个参数综合效果：



关键代码解释：

计算三角几何角度sin与cos值的代码如下：

// calculate the trianglegeometry value float sinAngle = (float)Math.sin(angle/180.0f * onePI); float coseAngle = (float)Math.cos(angle/180.0f * onePI);

计算距离半径代码如下：

// calculate the distance,same as box blur float imageRadius = (float)Math.sqrt(cx*cx + cy*cy); float maxDistance = distance + imageRadius * zoom;

计算操作数像素坐标的代码如下：

// calculate the operatorsource pixel if(distance > 0) { newY = (int)Math.floor((newY+ i*sinAngle)); newX = (int)Math.floor((newX + i*coseAngle)); }

完成Scale的代码如下：

// scale the pixels float scale = 1-zoom*f; m11 = cx - cx*scale; m22 = cy - cy*scale; newY = (int)(newY * scale +m22); newX = (int)(newX * scale + m11);

求取像素平均值，完成一维卷积的代码如下：

// blur the pixels, here count++; int rgb= inPixels[newY*width+newX]; ta += (rgb >> 24) & 0xff; tr += (rgb >> 16) & 0xff; tg += (rgb >> 8) & 0xff; tb += rgb & 0xff;

重新填充目标像素的代码如下：

ta = clamp((int)(ta/count)); tr = clamp((int)(tr/count)); tg = clamp((int)(tg/count)); tb = clamp((int)(tb/count)); outPixels[index] = (ta << 24) | (tr<< 16) | (tg << 8) | tb;

移动模糊算法的完全源代码如下（不包含测试代码）：

package com.gloomyfish.process.blur.study;  import java.awt.image.BufferedImage;  public class MotionFilter {  	private float distance = 0;// default; 	private float onePI = (float)Math.PI; 	private float angle = 0.0f; 	private float zoom = 0.4f;  	public float getDistance() { 		return distance; 	}  	public void setDistance(float distance) { 		this.distance = distance; 	}  	public float getAngle() { 		return angle; 	}  	public void setAngle(float angle) { 		this.angle = angle; 	}  	public BufferedImage filter(BufferedImage src, BufferedImage dst) { 		int width = src.getWidth();         int height = src.getHeight();          if ( dst == null )             dst = createCompatibleDestImage( src, null );          int[] inPixels = new int[width*height];         int[] outPixels = new int[width*height];         getRGB( src, 0, 0, width, height, inPixels );         int index = 0;         int cx = width/2;         int cy = height/2;                  // calculate the triangle geometry value         float sinAngle = (float)Math.sin(angle/180.0f * onePI);         float coseAngle = (float)Math.cos(angle/180.0f * onePI);                  // calculate the distance, same as box blur         float imageRadius = (float)Math.sqrt(cx*cx + cy*cy);         float maxDistance = distance + imageRadius * zoom;                  int iteration = (int)maxDistance;         for(int row=0; row<height; row++) {         	int ta = 0, tr = 0, tg = 0, tb = 0;         	for(int col=0; col<width; col++) {         		int newX= col, count = 0;         		int newY = row;         		         		// iterate the source pixels according to distance         		float m11 = 0.0f, m22 = 0.0f;         		for(int i=0; i<iteration; i++) {         			newX = col;         			newY = row;         			         			// calculate the operator source pixel         			if(distance > 0) { 	        			newY = (int)Math.floor((newY + i*sinAngle)); 	        			newX = (int)Math.floor((newX + i*coseAngle));         			}         			float f = (float)i/iteration;         			if (newX < 0 || newX >= width) {         				break; 					} 					if (newY < 0 || newY >= height) { 						break; 					} 					 					// scale the pixels 					float scale = 1-zoom*f; 					m11 = cx - cx*scale; 					m22 = cy - cy*scale; 					newY = (int)(newY * scale + m22); 					newX = (int)(newX * scale + m11); 					 					// blur the pixels, here 					count++; 					int rgb = inPixels[newY*width+newX]; 					ta += (rgb >> 24) & 0xff; 					tr += (rgb >> 16) & 0xff; 					tg += (rgb >> 8) & 0xff; 					tb += rgb & 0xff;         		}         		         		// fill the destination pixel with final RGB value         		if (count == 0) { 					outPixels[index] = inPixels[index]; 				} else { 					ta = clamp((int)(ta/count)); 					tr = clamp((int)(tr/count)); 					tg = clamp((int)(tg/count)); 					tb = clamp((int)(tb/count)); 					outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb; 				} 				index++;         	}         }          setRGB( dst, 0, 0, width, height, outPixels );         return dst; 	} 	 	public int clamp(int c) { 		if (c < 0) 			return 0; 		if (c > 255) 			return 255; 		return c; 	}  }

后记：本滤镜的基点即中心像素，是可以调整的。 感兴趣的可以自己完成，转载文章请务必注明出自本博客