接上篇文章《高斯模糊算法的原理》，本文我们借助 java 来实现高斯模糊算法，并使用高斯模糊算法处理实际图片。

高斯模糊就是图像和高斯函数的卷积。等价于傅里叶变换后乘上高斯函数再逆变换回来(高斯函数的傅里叶变换也是高斯函数)，没错就是低通滤波。实现方式可以按照卷积公式算，复杂度 O(n?m?)。考虑到二维高斯函数 G(x,y)可以写成两个一维高斯函数 G(x)和 G(y)的乘积，也就是 G(x)δ(y)和 G(y)δ(x)的卷积，也就是可以 x 和 y 两个方向分别做高斯模糊。O(n?m)卷积核很大的时候也可以用 FFT->相乘->IFFT 的方式实现，复杂度 O((m+n)?log(m+n))，不过高斯模糊的 m 也就是几个像素，就不要考虑这个了。

下面我们使用 java 来实现一个高斯模糊案例。

import java.awt.Color;

import java.awt.image.BufferedImage;

import java.io.File;

import java.io.IOException;

import javax.imageio.ImageIO;

public class Test {

static float [][]aa;

//计算高斯后的权重矩阵

final static int shu = 1;

//高斯模糊半径

final static int size = 2*shu+1;

//数组大小

/** * 简单高斯模糊算** @param args* @throws IOException [参数说明]**/

/* @return void [返回类型说明]* @exception throws [违例类型] [违例说明] */

/* @see [类、类#方法、类#成员] */

public static void main(String[] args) throws IOException{

aa = GaosiUtil.get2(GaosiUtil.get2DKernalData(shu,1.5f));

//计算高斯权重

BufferedImage img = ImageIO.read(new File("d://1.jpg"));

System.out.println("图片加载成功"+img);

int height = img.getHeight();

int width = img.getWidth();

int[][] matrix = new int[size][size];

//基础矩阵

int[] values = new int[size*size];

for (int i = 0; i < width; i++){

for (int j = 0; j < height; j++){

readPixel(img, i, j, values);

//获取周边点的值

fillMatrix(matrix, values);

//将周边点个点的值存到缓存矩阵中

img.setRGB(i, j, avgMatrix(matrix));}}

ImageIO.write(img, "jpeg", new File("d:/test1.jpg"));

//保存在 d 盘为 test1.jpeg}

private static void readPixel(

BufferedImage img, int x, int y, int[] pixels){

//读取像素

int xStart = x - shu;

int yStart = y - shu;

int current = 0;

for (int i = xStart; i < size + xStart; i++){

for (int j = yStart; j < size + yStart; j++){

int tx = i;

//处理边界情况左溢出

if (tx < 0){

tx = -tx}else if (

tx >= img.getWidth()){

//处理边界情况右溢出

tx = x;

int ty = j;

if (ty < 0){

ty = -ty;}

else if (ty >= img.getHeight()){

ty = y;}

pixels[current++] = img.getRGB(tx, ty);//获取

}}}

private static void fillMatrix(int[][] matrix, int... values){

int filled = 0;

for (int i = 0; i < matrix.length; i++){

for (int j = 0; j

matrix[i][j] = values[filled++];}}}

private static int avgMatrix(int[][] matrix){

int r = 0;

int g = 0;

int b = 0;

for (int i = 0; i < matrix.length; i++){

for (int j = 0; j

Color c = new Color(matrix[i][j]);

r += c.getRed()*aa[i][j];

g += c.getGreen()*aa[i][j];

b += c.getBlue()*aa[i][j];}}

return new Color(r, g, b).getRGB(); } }

public class GaosiUtil {

//二维高斯算法具体实现

static float sum=0;

public static float[][]

get2DKernalData(int n, float sigma) {

int size = 2*n +1;

float sigma22 = 2*sigma*sigma;

float sigma22PI = (float)Math.PI * sigma22;

float[][] kernalData = new float[size][size];

int row = 0;

for(int i=-n; i<=n; i++) {

int column = 0;

for(int j=-n; j<=n; j++) {

float xDistance = i*i;

float yDistance = j*j;

kernalData[row][column] = (float)Math.exp(-(xDistance + yDistance)/sigma22)/sigma22PI;

column++;}

row++;}

System.out.println("二维高斯结果");

for(int i=0; i

for(int j=0; j

sum +=kernalData[i][j];

System.out.print("/t" + kernalData[i][j]);}

System.out.println();

System.out.println("/t ---------------------------");}

return kernalData; }

public static float[][] get2(float[][] kernalData) {

System.out.println("均值后");

for(int i=0; i

for(int j=0; j

kernalData[i][j] = kernalData[i][j]/sum;

System.out.print("/t" + kernalData[i][j]); }

System.out.println();

System.out.println("/t ---------------------------");}

return kernalData;}}

最后看看处理后的图片效果：

【注：本文源自网络文章资源，由站长整理发布】

web 前端中文站 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权

转载请注明原文链接：Java 实现高斯模糊算法