• 简易 bokeh 图像散景效果算法实现


    bokeh百度百科的解释

     
    摄影镜头光圈大小和拍摄距离决定了拍摄时的景深,相对于焦点位置,焦点前与焦点后的被拍摄物体会显得模糊,这个模糊区域被称为焦外。
    焦外具体的模糊程度还受到镜头中镜片单体和组合的物理特性影响,形成了由镜头不同而得到的不同的焦点外的图像。于是焦外成像这个技术名词出现了。
    优秀的焦外成像柔顺而迷人,色彩过渡自然,丝毫不逊色于焦点处的图像魅力。
    最典型的例子,就是夜景拍摄中的远景模糊炫丽的灯光效果。

    由于算法逻辑比较简单,就不多解释。

    简单的说就是以半径圆圈内的各通道基于明度进行权重计算。

      

    #ifndef ClampToByte
    #define  ClampToByte(  v )  (((unsigned)int(v)) <(255) ? (v) : (v < 0) ? (0) : (255)) 
    #endif
    
    void bokeh(unsigned char *Input, unsigned char *Output, int Width, int Height, int Stride, int Radius)
    {
        int Channels = Stride / Width;
        int rsq = max(1, sqrtf(Radius));
        for (int y = 0; y < Height; y++)
        { 
            unsigned char * LinePD = Output + y*Stride;
            for (int x = 0; x < Width; x++)
            {
                unsigned int sum[3] = { 0 };
                unsigned int weightsum = 0;
                for (int ny = max(0, y - Radius); ny < min(y + Radius, Height); ny++)
                {
                    const    unsigned char * sampleLine = Input + ny*Stride;
    
                    for (int nx = max(0, x - Radius); nx < min(x + Radius, Width); nx++)
                    { 
                        if (sqrtf(nx - x) + sqrtf(ny - y) < rsq)
                        {
                            const    unsigned char * sample = sampleLine + nx*Channels;
                            const    unsigned char&R = sample[0];
                            const    unsigned char&G = sample[1];
                            const    unsigned char&B = sample[2];
                            float weight = sqrtf((unsigned char)((21627 * R + 21627 * G + 21627 * B) >> 16));
                            for (int c = 0; c < Channels; c++)
                            {
                                sum[c] += weight*sample[c];
                            }
                            weightsum += weight;
                        }
                    }
                }
                for (int c = 0; c < Channels; c++)
                {
                    LinePD[c] = ClampToByte(sum[c] / weightsum);
                } 
                LinePD += Channels;
            }
        }
    }

    这个算法以上述写法进行测试,速度极其的慢。

    将这个算法的思想稍微变通一下,修改后1080P图片可达到cpu单线程实时处理。

    具体优化思路,参照 图像纹理合成及纹理传输算法学习(附源码)。 

    源码中的函数GetLocalSquareSum。

    初学者可参考 分享用于学习C++图像处理的代码示例 ,稍微改改就可以跑起来这个算法了。

     这里就不贴优化后的代码了。

    这个算法思路用逆反思路,则可以实现聚焦算法,算是一种特例化的反卷积算法。

    一直很想把这个算法简单的写一下,写着写着又犯懒了。

    明天与imageshop博主 碰个面,吃个饭,也是好久没折腾图像方面的东西了。

    真怀念与imageshop博主搭档攻克图像算法的那些日子。

    若有其他相关问题或者需求也可以邮件联系俺探讨。

    邮箱地址是: 
    gaozhihan@vip.qq.com

    若此博文能帮到您,欢迎扫码小额赞助。

    微信:  

     

    支付宝: 

  • 相关阅读:
    用UIScrollView产生视差效果
    梦幻星空动画
    固定UIScrollView滑动的方向
    关于UIScrollView有些你很难知晓的崩溃情形
    使用一元二次方程做实时动画
    RDMBorderedButton
    如何查看开发者账号何时到期
    [翻译] TGLStackedViewController
    【转】Tomcat配置文件入门
    Servlet 工作原理解析
  • 原文地址:https://www.cnblogs.com/cpuimage/p/8280067.html
Copyright © 2020-2023  润新知