PhotoShop算法原理解析系列 - 像素化---》碎片。

      接着上一篇文章的热度,继续讲讲一些稍微简单的算法吧。

      本文来讲讲碎片算法,先贴几个效果图吧:

  这是个破坏性的滤镜,拿美女来说事是因为搞图像的人90%是男人,色色的男人。

      关于碎片滤镜的原理,网络上可找到的资料为:将图像创建四个相互偏移的副本,产生类似重影的效果。

      就凭上述一句话,我们就可以动手了。

      分析:通过上述几幅图像的比较,特别是眼睛部位,可以看出处理的图应该看得出像是单眼变成了4个眼睛,因此,网络上的说法可靠。

      那么偏移的中心在哪里,偏移的数量又是多少呢,4个偏移,分别是往那些方向偏移呢,这些问题也很简单,可以那PS做验证:

      具体步骤如下:打开一幅图像,在图像颜色比较单调的地方(比如上述美女的手臂处)填充一处2*2像素的红色,然后复制图层,对复制后的图层进行碎片滤镜处理,并调整图层透明度为50%,局部放大可得到如下图像:

 如此效果,则可轻易得出结论:

       偏移的中心就是以每个像素为中心,4个偏移分别以中心对称,斜45度均匀圆周布置,水平和垂直偏移各45度,偏移量4个像素。

       那么如何叠加的问题应该可以猜测,是取四次偏移后累加值的平均值。

       针对如此思路,我写出如下算法:

private void CmdFragment_Click(object sender, EventArgs e)
{
    int X, Y, Z, XX, YY;
    int Width, Height, Stride;
    int Speed, Index;
    int SumR, SumG, SumB;
    Bitmap Bmp = (Bitmap)Pic.Image;
    if (Bmp.PixelFormat != PixelFormat.Format24bppRgb) throw new Exception("不支持的图像格式.");

    Width = Bmp.Width; Height = Bmp.Height; Stride = (int)((Bmp.Width * 3 + 3) & 0XFFFFFFFC);

    byte[] ImageData = new byte[Stride * Height];                                    // 用于保存图像数据,(处理前后的都为他)
    byte[] ImageDataC = new byte[Stride * Height];                                   // 用于保存克隆的图像数据
    int[] OffsetX = new int[] { 4, -4, -4, 4 };                                      // 每个点的偏移量
    int[] OffsetY = new int[] { -4, -4, 4, 4 };
    fixed (byte* P = &ImageData[0], CP = &ImageDataC[0])
    {
        byte* DataP = P, DataCP = CP;
        BitmapData BmpData = new BitmapData();
        BmpData.Scan0 = (IntPtr)DataP;                                              //  设置为字节数组的的第一个元素在内存中的地址
        BmpData.Stride = Stride;
        Bmp.LockBits(new Rectangle(0, 0, Bmp.Width, Bmp.Height), ImageLockMode.ReadWrite | ImageLockMode.UserInputBuffer, PixelFormat.Format24bppRgb, BmpData);

        Stopwatch Sw = new Stopwatch();                                             //  只获取计算用时
        Sw.Start();
        System.Buffer.BlockCopy(ImageData, 0, ImageDataC, 0, Stride * Height);     //  填充克隆数据        

        for (Y = 0; Y < Height; Y++)
        {
            Speed = Y * Stride;
            for (X = 0; X < Width; X++)
            {
                SumB = 0; SumG = 0; SumR = 0;
                for (Z = 0; Z < 4; Z++)                                           //  累积取样点的取样和
                {
                    XX = X + OffsetX[Z];
                    YY = Y + OffsetY[Z];
                    if (XX < 0)                                                    //   注意越界
                        XX = 0;
                    else if (XX >= Width)
                        XX = Width - 1;
                    if (YY < 0)
                        YY = 0;
                    else if (YY >= Height)
                        YY = Height - 1;
                    Index = YY * Stride + XX * 3;
                    SumB += DataCP[Index];
                    SumG += DataCP[Index + 1];
                    SumR += DataCP[Index + 2];
                }

                DataP[Speed] = (byte)((SumB+2) >> 2);    //  求平均值(Sum+2)/4,为什么要+2,就为了四舍五入。比如如果计算结果为108.6,则取像素109更为合理     
                DataP[Speed + 1] = (byte)((SumG + 2) >> 2);
                DataP[Speed + 2] = (byte)((SumR + 2) >> 2);
                Speed += 3;                                                     //  跳往下一个像素
            }
        }
        Sw.Stop();
        this.Text = "计算用时: " + Sw.ElapsedMilliseconds.ToString() + " ms";
        Bmp.UnlockBits(BmpData);                         //  必须先解锁,否则Invalidate失败 
    }
    Pic.Invalidate();
}

  算法中,OffsetX 和 OffsetY分别为取样点像素的偏移量。同样,由于该滤镜涉及到了领域操作,在处理前需要做像素备份,但这里没有对备份数据进行扩展。因此,在内部代码里就需要对取样点的坐标进行验证,看是否超过其范围,如果超过范围,通常在图像滤镜算法范围内,有3种处理方式:

(1)超过了则认为是其最接近的边界值,即重复边缘像素,这部分代码即上述贴出的if ..... else if 部分。

(2)折回,可用如下代码来描述:

while (XX >= Width)
    XX = XX - Width;
while (XX < 0)
    XX = XX + Width;
while (YY >= Height)
    YY = YY - Height;
while (YY < 0)
    YY = YY + Height;

 (3) 只计算在图像范围内的像素: 

 if (XX >= 0 && XX < Width && YY >= 0 && YY < Height)
 {
       // 累加计算
 }

当然这样做,就必须用一个变量记录下都做了多少次符合条件的计算。

      有兴趣的朋友可以自己改改代码试一试。

      上述代码段中DataP[Speed] = (byte)((SumB+2) >> 2);要对SumB加2的原因是为了让结果进行四舍五入的操作,这样才较为合理。    

      经过测试,上述代码和PS处理的效果100%的吻合。说明我们的猜测是完全正确的。  

      还可以对算法进一步扩展:  想的远一点,为什么非的是4个重影呢,非得是45度角度呢,非得是4个像素的水平和垂直偏移呢。我给出下图让有兴趣的读者自己研发吧。

     图中,角度为32度,半径为10,碎片数为7,可产生类似下面的效果(可用我的Imageshop进行验证):

完整工程下载地址:http://files.cnblogs.com/Imageshop/Fragement.rar

 **************作者: laviewpbt   时间: 2013.7.5   联系QQ:  33184777  转载请保留本行信*********************

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏月色的自留地

Metal并行计算以及Metal程序的命令行编译

2244
来自专栏吾爱乐享

白盒测试的测试方法及基本路径测试法

1033
来自专栏瓜大三哥

IO约束(下)

Output接口类型和约束 FPGA 做Output 的接口时序同样也可以分为系统同步和源同步。在设置XDC约束时,总体思路与Input类似,只是换成要考虑下游...

2007
来自专栏瓜大三哥

VS2详细设计(二)

DVIIN1_CLK为输入视频源的随路时钟,用于检测分辨率的时钟,行分辨率的检测从视频源的数据有效信号DVIIN1_DE的上升沿开始计数,直到DVIIN1_DE...

833
来自专栏数据科学学习手札

(数据科学学习手札07)R在数据框操作上方法的总结(初级篇)

上篇我们了解了Python中pandas内封装的关于数据框的常用操作方法,而作为专为数据科学而生的一门语言,R在数据框的操作上则更为丰富精彩,本篇就R处理数据框...

3188
来自专栏量子位

数据载入过慢?这里有一份TensorFlow加速指南

王小新 编译自 Towards Data Science 量子位 出品 | 公众号 QbitAI 机器学习算法烂熟于心,网络结构顺手拈来,但是如果数据集载入时耗...

4308
来自专栏有趣的Python

慕课网-C++远征之模板篇(下)-学习笔记

C++远征之模板篇(下) 运算符重载 给原有的运算符赋予新功能 + 数字相加。重载为字符串拼接 举个栗子: int main() { string s...

2916
来自专栏AI科技大本营的专栏

如何使用TensorFlow中的Dataset API(使用内置输入管道,告别‘feed-dict’ )

翻译 | AI科技大本营 参与 | zzq 审校 | reason_W 本文已更新至TensorFlow1.5版本 我们知道,在TensorFlow中可以使用f...

5028
来自专栏CreateAMind

pytorch初体验

一部分的内容在2017年1月18日Facebook发行的PyTorch相比TensorFlow、MXNet有何优势? - 罗若天的回答 - 知乎 已有。

751
来自专栏算法channel

Tensorflow|Tensor, 与Numpy比较,Constant

本教程参考stanford.edu-cs20si 01 Operations分类预览 ? 02 Tensor 1 0-d tensor, or "scala...

3647

扫码关注云+社区