博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
简易 bokeh 图像散景效果算法实现
阅读量:6836 次
发布时间:2019-06-26

本文共 2317 字,大约阅读时间需要 7 分钟。

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)) #endifvoid 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  

源码中的函数GetLocalSquareSum。

初学者可参考  ,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: 

转载于:https://www.cnblogs.com/cpuimage/p/8280067.html

你可能感兴趣的文章
请求网络网络编程
查看>>
文件目录Android SDK目录结构
查看>>
Asp.net Web.Config - 配置元素customErrors
查看>>
Android: how to resolve Application’s parameter NullPointerException
查看>>
EntityFramework用法探索(二)CodeFirst
查看>>
人人都来写算法 之 快速排序
查看>>
[转]SQLServer和Oracle,存储过程区别,常用函数对比
查看>>
如何在ArcMap中监听键盘鼠标事件
查看>>
vs2012中程序集生成无法自动在网站Bin目录下生成Dll文件?(已解决!)
查看>>
fastDFS同步问题讨论
查看>>
ActiveMQ学习笔记(二) JMS与Spring
查看>>
实验室报告:VMware vSphere Data Protection
查看>>
php的数组与字符串的转换函数整理
查看>>
WCF 框架运行时类图
查看>>
spring配置异步执行
查看>>
软件开发报价的计算方法
查看>>
大型网站系统架构分析--转
查看>>
php 文件操作
查看>>
poj 1474 Video Surveillance - 求多边形有没有核
查看>>
c#接口和抽象类对比学习
查看>>