說說高斯模糊 高斯模糊的理論我這裡就不太多費話了,百度下太多,都是抄來抄去。 主要用到二個函數“高斯函數” 一維形式為: 二維形式為: X,Y對應的一維二維坐標,σ表示模糊半徑(半徑* 2 + 1) / 2) 根據這二個公式獲取對應的權重。 先看二維 假設我們現在圖片中的像素點位置為(0,0) 假設 ...
說說高斯模糊
高斯模糊的理論我這裡就不太多費話了,百度下太多,都是抄來抄去。
主要用到二個函數“高斯函數”
一維形式為:
二維形式為:
X,Y對應的一維二維坐標,σ表示模糊半徑(半徑* 2 + 1) / 2)
根據這二個公式獲取對應的權重。
先看二維
假設我們現在圖片中的像素點位置為(0,0)
假設我們設置的模糊半徑為1,那麼對應的坐標為如下圖
它是以(0,0)這個坐標為標記,向外擴展1個像素。
接下來就是計算各個坐標的權重值,我們採用二維的高斯函數來計算,計算的代碼如下:
/// <summary> /// 獲取權重 /// </summary> /// <param name="x"></param> /// <param name="y"></param> /// <returns></returns> private double GetWeighing(int x, int y) { double q = (this.BlurRadius * 2 + 1) / 2; return 1 / (2 * Math.PI * Math.Pow(q, 2)) * Math.Exp(-(x * x + y * y) / (2 * q * q)); }
this.BlurRadius 為我們設置的模糊半徑
上圖是我們計算的結果,這9個值的結果的總和為:0.779483679709388,該值不能大於1。這個時候我們要將上面的9個值 除以0.779483679709388,使他們的和為1.
除以0.779483679709388之後為:
假設這9個點上的RGB顏色值中的R值乘以上圖矩陣中的值,如下圖
計算之後的顏色值
求和為:112.14236039551
所以(0,0)坐標的RGB顏色值中的R為112.14236039551
然後我們獲取這9個點的坐標RGB值,讓後將RGB值分別乘以權重值,然和將這9個值相加得到最後的顏色值。
using System; using System.Collections.Generic; using System.Drawing; using System.Linq; using System.Text; namespace NetShadow { /// <summary> /// 高斯模糊 /// </summary> public class GaussianBlur { /// <summary> /// 模糊半徑 /// </summary> public int BlurRadius { get; private set; } private Bitmap SourceImage { get; set; } private List<double> BlurArray { get; set; } private int MaxWidth { get; set; } private int MaxHeight { get; set; } public GaussianBlur(int blurRadius) { BlurArray = new List<double>(); this.BlurRadius = blurRadius; this.SetBlurArray(); } /// <summary> /// 設置需要模糊的圖片 /// </summary> /// <param name="img"></param> public void SetSourceImage(Image img) { this.SourceImage = (Bitmap)img; this.MaxWidth = this.SourceImage.Width - 1; this.MaxHeight = this.SourceImage.Height - 1; } /// <summary> /// 獲取模糊之後的圖片 /// </summary> /// <returns></returns> public Bitmap GetBlurImage() { if (this.SourceImage == null) return null; Bitmap newImage = new Bitmap(SourceImage.Width, SourceImage.Height); for (int y = 0; y < this.SourceImage.Height; y++) { for (int x = 0; x < this.SourceImage.Width; x++) { var nC = GetBlurColor(x, y); //return null; newImage.SetPixel(x, y, nC); } } return newImage; } /// <summary> /// 獲取高斯模糊的顏色值 /// </summary> /// <param name="x"></param> /// <param name="y"></param> /// <returns></returns> private Color GetBlurColor(int x, int y) { double r = 0, g = 0 , b = 0; int index = 0; for (var t = y - this.BlurRadius; t <= y + this.BlurRadius; t++) { for (var l = x - this.BlurRadius; l <= x + this.BlurRadius; l++) { var color = GetDefautColor(l, t); var weighValue = BlurArray[index]; r += color.R * weighValue; g += color.G * weighValue; b += color.B * weighValue; index++; } } return Color.FromArgb((byte)r, (byte)g, (byte)b); } private Color GetDefautColor(int x, int y) { if (x < 0 && y < 0) return this.SourceImage.GetPixel(0, 0); else if (x < 0) return this.SourceImage.GetPixel(0, Math.Min(MaxHeight, y)); else if (y < 0) return this.SourceImage.GetPixel(Math.Min(MaxWidth, x), 0); else return this.SourceImage.GetPixel(Math.Min(MaxWidth, x), Math.Min(MaxHeight, y)); } private void SetBlurArray() { int blur = this.BlurRadius; double sum = 0; for (var y = blur; y >= blur * -1; y--) { for (var x = blur * -1; x <= blur; x++) { var d = GetWeighing(x, y); this.BlurArray.Add(d); sum += d; } } for (var i = 0; i < this.BlurArray.Count; i++) this.BlurArray[i] = this.BlurArray[i] / sum; //sum = 0; //foreach (var item in this.BlurArray) // sum += item; } /// <summary> /// 獲取權重 /// </summary> /// <param name="x"></param> /// <param name="y"></param> /// <returns></returns> private double GetWeighing(int x, int y) { double q = (this.BlurRadius * 2 + 1) / 2; return 1 / (2 * Math.PI * Math.Pow(q, 2)) * Math.Exp(-(x * x + y * y) / (2 * q * q)); } } }
這種效率其實很地下,所以網上的解決辦法是將二維高斯改為一維高斯來計算,也就是先橫向模糊,然後再縱向模糊。
另外獲取圖片的RGB顏色值採用的是GetPixel 和SetPixel,這二個函數的效率是很低下的,大家可以到網上找下相關的解決辦法。