快速高斯模糊
经由厉害博主Imageshop的博文http://www.cnblogs.com/Imageshop/archive/2013/01/07/2849782.html提示，
我这里实现了高斯模糊函数，但是有一下几点问题向各位讨教探讨：
①这个函数处理速度没有Imageshop博主描述的速度快，如何提高效率。
②高斯模糊后感觉整幅图像会向右下角平移一定距离，没有详细研究过算法本身，这样是否为正常，有何解决方案，大家一起探讨。（反正我用高斯模糊后图像载进行ＵＳＭ锐化得到了我觉得很不理想的结果，原因应该就是这个平移造成的）
③高手帮看看我这个函数是否本身就有错
我做的工作很简单
①我将contrast-retinex.c中关于高斯模糊的代码全集中在一个函数中，使这个此函数更加独立。这样也减少了一些内存分配释放的次数
②纵向处理后将数据指针in和out直接对调处理，省去了在此不值一提的拷贝过程
③调用这个函数实现高斯模糊查看结果
现在将代码及结果贴出：
高斯函数：
View Code
/****************************************
* src : 原始图像数据 *
* dst : 模糊后图像数据 *
* width : 图像宽 *
* height : 图像高 *
* sigma : 高斯参数 *
* chan : 图像通道数 *
*****************************************/
void IMG_GaussBlur(unsigned char* src, unsigned char*& dst, int width, int height, float sigma, int chan)
{
int i = 0;
int row = 0;
int col = 0;
int pos = 0;
int channel = 0;
int n = 0;
int bufsize = 0;
int size = 0;
int rowstride = 0;
int channelsize = width*height;
if (width>height)
{
bufsize = width+3;
}
else
{
bufsize = height+3;
}
float* w1 = (float *) malloc (bufsize * sizeof (float));
float *w2 = (float *) malloc (bufsize * sizeof (float));
float *in = (float *) malloc (channelsize * sizeof (float));
float *out = (float *) malloc (channelsize * sizeof (float));
//----------------计算高斯核---------------------------------------//
//compute_coefs3(coef, sigma);
float q = 0;
float q2, q3;
double b[4] = {0};
double B = 0;
int N = 3;
if (sigma >= 2.5)
{
q = 0.98711 * sigma - 0.96330;
}
else if ((sigma >= 0.5) && (sigma < 2.5))
{
q = 3.97156 - 4.14554 * (float) sqrt ((double) 1 - 0.26891 * sigma);
}
else
{
q = 0.1147705018520355224609375;
}
q2 = q * q;
q3 = q * q2;
b[0] = (1.57825+(2.44413*q)+(1.4281 *q2)+(0.422205*q3));
b[1] = ( (2.44413*q)+(2.85619*q2)+(1.26661 *q3));
b[2] = ( -((1.4281*q2)+(1.26661 *q3)));
b[3] = ( (0.422205*q3));
B = 1.0-((b[1]+b[2]+b[3])/b[0]);
//----------------计算高斯核结束---------------------------------------//
// 处理图像的多个通道
for (channel = 0; channel < chan; channel++)
{
// 获取一个通道的所有像素值
for (i = 0, pos = channel; i < channelsize ; i++, pos += chan)
{
/* 0-255 => 1-256 */
in[i] = (float)(src[pos] + 1.0);
}
//纵向处理
for (row=0 ;row < height; row++)
{
pos = row * width;
//gausssmooth(in + pos, out + pos, width, 1, &coef);
size = width;
rowstride = 1;
bufsize = size+3;
size -= 1;
w1[0] = (in + pos)[0];
w1[1] = (in + pos)[0];
w1[2] = (in + pos)[0];
for ( i = 0 , n=3; i <= size ; i++, n++)
{
w1[n] = (float)(B*(in + pos)[i*rowstride] +
((b[1]*w1[n-1] +
b[2]*w1[n-2] +
b[3]*w1[n-3] ) / b[0]));
}
/** backward pass */
w2[size+1]= w1[size+3];
w2[size+2]= w1[size+3];
w2[size+3]= w1[size+3];
for (i = size, n = i; i >= 0; i--, n--)
{
w2[n]= (out + pos)[i * rowstride] = (float)(B*w1[n] +
((b[1]*w2[n+1] +
b[2]*w2[n+2] +
b[3]*w2[n+3] ) / b[0]));
}
}
//下面的横向处理直接将数据 out 与 in 对调 省去memcpy
//memcpy(in, out, channelsize * sizeof(float));
//memset(out, 0 , channelsize * sizeof(float));
//横向处理
for (col=0; col < width; col++)
{
//gausssmooth(out + col, in + col, height, width, &coef);
size = height;
rowstride = width;
bufsize = size+3;
size -= 1;
w1[0] = (out + col)[0];
w1[1] = (out + col)[0];
w1[2] = (out + col)[0];
for ( i = 0 , n=3; i <= size ; i++, n++)
{
w1[n] = (float)(B*(out + col)[i*rowstride] +
((b[1]*w1[n-1] +
b[2]*w1[n-2] +
b[3]*w1[n-3] ) / b[0]));
}
w2[size+1]= w1[size+3];
w2[size+2]= w1[size+3];
w2[size+3]= w1[size+3];
for (i = size, n = i; i >= 0; i--, n--)
{
w2[n]= (in + col)[i * rowstride] = (float)(B*w1[n] +
((b[1]*w2[n+1] +
b[2]*w2[n+2] +
b[3]*w2[n+3] ) / b[0]));
}
}
//拷贝结果到函数输出指针
for (i = 0, pos = channel; i < channelsize ; i++, pos += chan)
{
dst[pos] = in[i]-1;
}
}
free (w1);
free (w2);
free (in);
free (out);
}
调用方法：
Mat src = imread(". est.jpg"); Mat dst = imread(". est.jpg"); IMG_GaussBlur(src.data, dst.data, src.cols, src.rows, 2.0, 3); //保存或显示结果，略...
执行结果：
sigma=2.0
379 x 513 耗时 61ms
sigma=5.0
2304 x 1728 耗时 1870ms
