影象演算法---表面模糊演算法
PS中有個表面模糊的功能,這個功能可以在保留邊緣的情況下對影象平坦區域進行模糊濾波,這個功能可以實現很好的磨皮效果,它的演算法如下:
這個演算法很簡單,設定半徑r,得到一個邊長為(2r+1)的正方形視窗,那麼視窗中心畫素的畫素值即為x,當然,對於畫素的RGB三個分量,是需要分別計算的,因此這個演算法的時間消耗比較大。
類似的演算法還有雙邊濾波等,不過這類濾波普遍都比較耗時,雖然雙邊濾波已經可以在PC上實時,但是,在手機端還存在較大問題。
下面給出一些對比效果圖:
原圖 表面模糊(r=20,y=28)
雙邊濾波(r=20)
可以看出,表面模糊的效果要比雙邊濾波效果更好一些!
相關推薦
影象演算法---表面模糊演算法
PS中有個表面模糊的功能,這個功能可以在保留邊緣的情況下對影象平坦區域進行模糊濾波,這個功能可以實現很好的磨皮效果,它的演算法如下:這個演算法很簡單,設定半徑r,得到一個邊長為(2r+1)的正方形視窗,那麼視窗中心畫素的畫素值即為x,當然,對於畫素的RGB三個分量,是需要分別
PS 濾鏡演算法— — 表面模糊
影象的表面模糊處理,其作用是在保留影象邊緣的情況下,對影象的表面進行模糊處理。在對人物面板處理上,比高斯模糊更有效。因為高斯模糊在使人物面板光潔的同時,也將一些邊緣特徵如臉部的眉毛、嘴脣等給模糊了,不得不用蒙版小心的抹去這些地方的模糊部分。 在處理手法上,表面
轉:影象保邊濾波演算法集錦--Surface Blur(表面模糊濾波)演算法與實現
本文介紹經典的表面模糊Surface Blur演算法與實現。表面模糊是PS裡一個重要的保邊濾波器,它的演算法很簡單,公式如下所示:主要思想還是計算當前畫素X的鄰域範圍內不同畫素的加權求和,邊緣地方的畫素,加權比較大,平滑的地方加權比較小,以此來保留邊緣資訊,平滑平坦區域;效果
影象處理之積分圖應用一(半徑無關的快速模糊演算法)
影象處理之積分影象應用一(半徑無關的快速模糊演算法) 一:基本原理概述 傳統的影象空間域卷積模糊演算法,當視窗大小改變時卷積模糊時間也會變化,而且隨著視窗尺寸越大計算量也越大,演算法執行時間約越長。在很多時候無法滿足實時性要求。而基於積分影象可以實現對視窗區域和大小的快速計算,把傳統卷積
影象去模糊演算法 循序漸進 附完整程式碼
關於影象模糊演算法的實現, 我相信大多數學習影象演算法的朋友都很熟悉。 例如常見的毛玻璃效果,高斯模糊等等。 而影象模糊最簡單的實現就是 在一定區域 對畫素做平均值計算。 術語描述,卷積。 1.認識卷積 而平均值計算可以,是一種常見的卷積計算,卷積核權重都為1。 OpenCV中與之對應的演算法是BoxBlur
高斯影象模糊演算法及其 C 實現
高斯模糊的基本思路是根據二維 正太分佈 正態分佈 (感謝 xhr 大牛指正錯別字) 公式生成一個高斯矩陣, 求新影象中的每一點時, 將高斯矩陣的中心對準舊影象的這一點, 並將所有點根據高斯矩陣上對應的點加權平均. 二維正態分佈公式如下: u, v 分別為水平、豎直距離. 觀察可得, 當 r>3σ
Java實現高斯模糊演算法處理影象
高斯模糊(英語:Gaussian Blur),也叫高斯平滑,是在Adobe Photoshop、GIMP以及Paint.NET等影象處理軟體中廣泛使用的處理效果,通常用它來減少影象噪聲以及降低細節層次。 簡介 高斯模糊(Gaussian Blur)是美國
使用Lucy-Richardson演算法去模糊復原影象
Deblurring Images Using the Lucy-Richardson Algorithm本例展示如何使用Lucy-Richardson演算法去模糊影象。 當點擴散函式PSF(模糊運算子)是已知的時候,它可以被有效地使用,但是很少或沒有資訊可用於噪聲。 模糊和
影象基本變換---影象快速高斯模糊演算法
本文將詳細介紹經典高斯濾波的相關內容。 高斯濾波器實質上是一種訊號的濾波器,其用途是訊號的平滑處理。它是一類根據高斯函式的形狀來選擇權重的線性平滑濾波器,該濾波器對於抑制服從正態分佈的噪聲非常有效。高斯函式的公式如下所示: 一維高斯函式:
[數字影象處理]模糊演算法用於影象增強
function [W1,W2,W3,W4,B] = Fuzzy_Knowledge_Filters(Intensity) for x = 1:1:3 for y = 1:1:3 if((Intensity(x,y) <= 0.2) &&(Intensity(x,y
SSE影象演算法優化系列二十四: 基於形態學的影象後期抗鋸齒演算法--MLAA優化研究。
偶爾看到這樣的一個演算法,覺得還是蠻有意思的,花了將近10天多的時間研究了下相關程式碼。 以下為百度的結果:MLAA全稱Morphological Antialiasing,意為形態抗鋸齒是AMD推出
實現基於C語言的二值影象連通域標記演算法
實現基於C語言的二值影象連通域標記演算法 1 #include <stdio.h> 2 #include <stdarg.h> 3 #include <stddef.h> 4 #include <stdlib.h> 5 #includ
影象處理之積分圖應用四(基於區域性均值的影象二值化演算法)
影象處理之積分圖應用四(基於區域性均值的影象二值化演算法) 基本原理 均值法,選擇的閾值是區域性範圍內畫素的灰度均值(gray mean),該方法的一個變種是用常量C減去均值Mean,然後根據均值實現如下操作: pixel = (pixel > (mean - c)) ? ob
opencv影象處理-------邊緣檢測演算法
利用Canny邊緣檢測運算元進行邊緣檢測的原理及OpenCV程式碼實現 Canny運算元是John Canny在1986年發表的論文中首次提出的邊緣檢測運算元,該運算元檢測效能比較好,應用廣泛。 Canny運算元進行邊緣檢測的原理和步驟如下: ⑴消除噪聲。邊緣檢測的演算
影象主題色提取演算法
1. 顏色量化演算法 彩色影象一般採用RGB色彩模式,每個畫素由RGB三個顏色分量組成。隨著硬體的不斷升級,彩色影象的儲存由最初的8位、16位變成現在的24位、32真彩色。所謂全綵是指每個畫素由8位($2^8$=0~255)表示,紅綠藍三原色組合共有1677萬($256*256*256$)萬種顏色,如果將R
影象亮度、對比度 演算法--cg
亮度、對比度原理: 亮度對比度的演算法公式 一副影象的亮度對比度調節屬於影象的灰度線性變換,其公式如下: y = [x - 127.5 * (1 - B)] * k + 127.5 * (1 + B); x為調節前的畫素值,y為調節後的畫素值。 其中B取值[-1,1],調節亮度
老衛帶你學---影象處理之濾波演算法
一、學習心得: 在我學習基本濾波演算法原理的時候,因為剛接觸不是很理解演算法具體是怎樣實現的,不過在學習了影象形態學之後,發現濾波演算法其實很簡單。所以在此建議初學者在學習濾波演算法之前,可以先學習一下影象形態學,會達到事半功倍的效果。 二、對於濾
OpenCv學習筆記4--影象分割之GrabCut演算法
說明: 本文章是opencv學習筆記系列的第四篇小結,可能前幾篇內容太多,排版也不甚合理,所以為了更好的觀看體驗,這次的內容會稍微少那麼一點點,再次重申 歡迎star,不定時更新... 所謂影象分割指的是根據灰度、顏色、紋理和形狀等特徵把影象劃分成若干互不交迭的區域
影象保邊濾波演算法集錦--非區域性均值NLM濾波器
本文介紹非區域性均值濾波,這種濾波器效果非常好,但是演算法耗時嚴重,這裡以效果為先,來給大家講解。 非區域性均值濾波(Non-Local Means,NLM)是Buades等人於2005年在論文“A non-local algorithm for image denoisi
影象演算法---磨皮演算法研究彙總
寫這篇部落格,也是對自己這段時間關於磨皮演算法內容研究做個小結。目前,對於人臉磨皮演算法,大家並不陌生,從PS到APP應用,可謂是層出不窮,這裡我總結一下,具體流程如下:1,保邊濾波器2,膚色檢測3,影象融合4,銳化對於保邊濾波器:此類濾波器主要作用是在平滑面板的同時,保留五