Android 图片高斯模糊解决方案
2017-06-14 23:19
585 查看
高斯模糊效果图.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:
RC——API.png
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
,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:
模糊时间对比表.png
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) 。
6,轮子
由于高斯模糊在项目中用得比较多,而每一个项目都去拷贝代码,这样很麻烦,并且不优雅,因此,对这两种方法优化后,封装成了一个Lib,要使用时直接添加依赖就行。添加依赖:
1, 最外层build.gradle 添加一下代码:
allprojects { repositories { jcenter() maven {url "https://jitpack.io"} } }
2,app 的build.gradle添加:
dependencies { compile 'com.github.pinguo-zhouwei:EasyBlur:v1.0.0' }
3,app 的build.gradle添加:
defaultConfig { applicationId "com.zhouwei.easyblur" minSdkVersion 16 targetSdkVersion 25 versionCode 1 versionName "1.0" testInstrumentationRunner "android.support.test.runner.AndroidJUnitRunner" //使用renderscript 兼容包 renderscriptTargetApi 25 renderscriptSupportModeEnabled true }
使用方法:
1,简单使用,指定Bitmap和半径
Bitmap finalBitmap = EasyBlur.with(MainActivity.this) .bitmap(overlay) //要模糊的图片 .radius(10)//模糊半径 .blur();
2,可以指定缩小的倍数,默认缩小倍数为8
Bitmap finalBitmap = EasyBlur.with(MainActivity.this) .bitmap(overlay) //要模糊的图片 .radius(10)//模糊半径 .scale(4)//指定模糊前缩小的倍数 .blur();
3, 指定使用哪一种方法,默认是使用兼容的RenderScript 高斯模糊
Bitmap finalBitmap = EasyBlur.with(MainActivity.this) .bitmap(overlay) //要模糊的图片 .radius(10)//模糊半径 .scale(4)//指定模糊前缩小的倍数 .policy(EasyBlur.BlurPolicy.FAST_BLUR)//使用fastBlur .blur();
参考资料
RenderScript API 指南android图片处理之图像模糊
高斯模糊实现方案探究
Fast Bitmap Blur For Android SDK
相关文章推荐
- Android 图片高斯模糊解决方案
- Android在加载大图片时,易出现内存溢出的情况 解决方案一
- Android大图片裁剪终极解决方案(上:原理分析)
- Android 保存图片到系统及相关问题的解决方案
- android 加载大图片时报OOM的解决方案
- Android对于界面底部N个按钮平分屏幕宽度且保持按钮背景图片不变形的解决方案
- android 加载大图片时报OOM的解决方案(源码)
- Android大图片裁剪终极解决方案(中:从相册截图)
- android 实现圆角图片解决方案
- Android大图片裁剪终极解决方案 原理分析
- Android 保存图片到系统及相关问题的解决方案
- Android大图片裁剪终极解决方案(中:从相册截图)
- Android大图片裁剪终极解决方案
- Android大图片裁剪终极解决方案(下:拍照截图)
- Android大图片裁剪解决方案
- Android 图片过大内存溢出解决方案
- Android大图片裁剪终极解决方案(中:从相册截图)
- Android大图片裁剪终极解决方案(中:从相册截图)
- Android 保存图片到系统及相关问题的解决方案
- Android大图片裁剪终极解决方案(上:原理分析)