http://blog.csdn.net/housisong/archive/2008/04/12/2286776.aspx
圖形圖像處理－之－一個複雜度爲常數的快速局部自適應算法 上篇
[email protected]
2008.04.12
(2009.03.10 可以到這裏下載完整的可以編譯的項目源代碼: http://cid-10fa89dec380323f.skydrive.live.com/browse.aspx/.Public?uc=4
tag: 圖像二值化,局部自適應,二維模板
摘要: 圖像處理中，某些算法在對一個像素的處理都需要根據周圍很多像素的綜合信息
來做處理，這類算法一般叫做局部自適應算法,用以得到更好的處理效果;但很多時候
這都可能成爲一個性能瓶頸，因爲對一個像素點都需要做大量的處理；本文將提供我使
用的一個複雜度爲常數的快速局部自適應算法。
(當然,某些二維模板不一定能夠拆解成常數算法，但很多還是可以拆解成線性算法的)
正文:
代碼使用C++,編譯器:VC2005
測試平臺:(CPU:AMD64x2 4200+(2.37G); 內存:DDR2 677(雙通道); 編譯器:VC2005)
A:像素使用ARGB32顏色類型，顏色和圖片的數據定義:
typedef unsigned long TUInt32;
struct TARGB32 // 32 bit color
{
TUInt8 b,g,r,a; // a is alpha
};
struct TPicRegion // 一塊顏色數據區的描述，便於參數傳遞
{
TARGB32 * pdata; // 顏色數據首地址
long byte_width; // 一行數據的物理寬度(字節寬度)；
// 注意: abs(byte_width)有可能大於等於width*sizeof(TARGB32);
unsigned long width; // 像素寬度
unsigned long height; // 像素高度
};
// 那麼訪問一個點的函數可以寫爲：
inline TARGB32 & Pixels( const TPicRegion & pic, const long x, const long y)
{
return ( (TARGB32 * )((TUInt8 * )pic.pdata + pic.byte_width * y) )[x];
}
B:圖像二值化的一個簡單實現
函數的作用是將一幅彩色圖像轉化成黑白兩色的圖像；
算法很簡單，像素的亮度值大於127(也可以預先統計出源圖片的平均亮度值作
爲閾值)的轉換爲白色，否則設置爲黑色，實現如下:
const double cs_gray_green = 0.587 ;
const double cs_gray_blue = 0.114 ;
inline long getGray0( const TARGB32 & color) // 獲得顏色的亮度
{
return ( long )(color.r * cs_gray_red + color.g * cs_gray_green + color.b * cs_gray_blue);
}
void threshold0( const TPicRegion & dst, const TPicRegion & src)
{
long width = dst.width;
if (src.width < width) width = src.width;
long height = dst.height;
if (src.height < height) height = src.height;
TARGB32 * srcLine = src.pdata;
TARGB32 * dstLine = dst.pdata;
for ( long y = 0 ;y < height; ++ y)
{
for ( long x = 0 ;x < width; ++ x)
{
long light = getGray0(srcLine[x]);
if (light >= 127 ) // 設置爲白色
{
dstLine[x].b = 255 ;
dstLine[x].g = 255 ;
dstLine[x].r = 255 ;
dstLine[x].a = 255 ;
}
else // 設置爲黑色
{
dstLine[x].b = 0 ;
dstLine[x].g = 0 ;
dstLine[x].r = 0 ;
dstLine[x].a = 0 ;
}
}
(TUInt8 *& )srcLine += src.byte_width; // 下一行顏色
(TUInt8 *& )dstLine += dst.byte_width; // 下一行顏色
}
}
原圖像(圖像大小: 640x480):
函數效果:
速度測試:
//////////////////////////////////////////////////////////////
//threshold0
177.1 FPS
//////////////////////////////////////////////////////////////
C:我們來簡單優化一下threshold0的速度
getGray0涉及到浮點計算和浮點數取整，可以改寫爲一個整數定點數算法(見代
碼中的getGrayInt函數)；
在取黑白值的時候涉及到一個邏輯判斷，從而生成了一個分支，可以優化掉；
在寫顏色值的時候可以一次寫入4個顏色分量；
詳細的代碼如下:
const long cs_gray_green_16 = ( long )(cs_gray_green * ( 1 << 16 ));
const long cs_gray_blue_16 = ( long )(cs_gray_blue * ( 1 << 16 ));
inline long getGrayInt( const TARGB32 & color)
{
return (color.r * cs_gray_red_16 + color.g * cs_gray_green_16 + color.b * cs_gray_blue_16) >> 16 ;
}
void threshold1( const TPicRegion & dst, const TPicRegion & src)
{
long width = dst.width;
if (src.width < width) width = src.width;
long height = dst.height;
if (src.height < height) height = src.height;
TARGB32 * srcLine = src.pdata;
TARGB32 * dstLine = dst.pdata;
for ( long y = 0 ;y < height; ++ y)
{
for ( long x = 0 ;x < width; ++ x)
{
long light = getGrayInt(srcLine[x]);
TUInt32 color = (( 127 - light) >> 31 ); // 利用了整數的編碼方式來消除了分支
((TUInt32 * )dstLine)[x] = color; // 一次寫4個字節
}
(TUInt8 *& )srcLine += src.byte_width;
(TUInt8 *& )dstLine += dst.byte_width;
}
}
threshold1實現的功能和threshold0完全相同；threshold1的速度爲:
//////////////////////////////////////////////////////////////
//threshold1
747.6 FPS
//////////////////////////////////////////////////////////////
(當然，該函數還可以繼續優化的，比如使用MMX、SSE等指令，可以得到更快的速度；)
D:一個局部自適應圖像二值化算法的實現
局部自適應二值化：對於某個像素p，求其周圍MxM範圍內的像素的平均亮
度I, 若像素p的亮度大於I，則該像素設置爲白色，否則設置爲黑色；
在邊界處，統計周圍亮度的時候可能會訪問到圖像以外，爲了在邊界處也得到好的效果，
可以返回一個圖像內的對應映射像素，完成該功能的函數爲getMapBorderColor；
實現如下:
inline const TARGB32 & getMapBorderColor( const TPicRegion & src, long x, long y)
{
if (x < 0 ) x =- x - 1 ;
long width2 = src.width * 2 ;
while (x >= width2) x -= width2;
if (x >= src.width) x = width2 - x - 1 ;
if (y < 0 ) y =- y - 1 ;
long height2 = src.height * 2 ;
while (y >= height2) y -= height2;
if (y >= src.height) y = height2 - y - 1 ;
return Pixels(src,x,y);
}
// 返回圖片src中以(x0,y0)爲中心距離localHalfWidth以內的所有像素的亮度和
long getLocalLight_quadratic( const TPicRegion & src, long x0, long y0, long localHalfWidth)
{
long sumLight = 0 ;
for ( long y = y0 - localHalfWidth;y <= y0 + localHalfWidth; ++ y)
{
for ( long x = x0 - localHalfWidth;x <= x0 + localHalfWidth; ++ x)
{
const TARGB32 & mapBorderColor = getMapBorderColor(src,x,y);
sumLight += getGrayInt(mapBorderColor);
}
}
return sumLight;
}
void localAdaptiveThreshold_quadratic( const TPicRegion & dst, const TPicRegion & src, long localWidth)
{
long width = dst.width;
if (src.width < width) width = src.width;
long height = dst.height;
if (src.height < height) height = src.height;
TARGB32 * srcLine = src.pdata;
TARGB32 * dstLine = dst.pdata;
long localHalfWidth = localWidth / 2 ;
long tLocalWidth = localHalfWidth * 2 + 1 ;
long tLocalWidthSqr = tLocalWidth * tLocalWidth;
for ( long y = 0 ;y < height; ++ y)
{
for ( long x = 0 ;x < width; ++ x)
{
long sumLight = getLocalLight_quadratic(src,x,y,localHalfWidth);
long light = getGrayInt(srcLine[x]);
// localWidth^2*255<=(2^31-1) => localWidth<=2901
TUInt32 color = ((sumLight - light * tLocalWidthSqr) >> 31 );
((TUInt32 * )dstLine)[x] = color;
}
(TUInt8 *& )srcLine += src.byte_width;
(TUInt8 *& )dstLine += dst.byte_width;
}
}
函數效果:
localWidth=151
localWidth=51
localWidth=17
localWidth=5
恩,效果不錯:)