這段時間工作真心比較忙，而空餘時間，都在在研究補全一些opencv技術的基礎，然後近來有個業務和圖像有關，背景高斯模糊的方案了。
可知Android可以使用高斯模糊的方案也真的不少，但是最終還是要看效果和效率的。
至於高斯模糊有什麼作用呢？
模糊陰影，其原理也是使用高斯模糊的。
在美顏磨皮這方面，使用高斯模糊是一個很好的方向。
要學習高斯模糊基礎還是要先知道底層原理，其原理是基於數學的正態分佈，越接近中心，權重就越大。
正態分佈是一維的
如何反映出正態分佈？則需要使用高斯函數來實現。
上面的正態分佈是一維的，而對於圖像都是二維的，所以我們需要二維的正態分佈。
正態分佈的密度函數叫做"高斯函數"（Gaussian function）。它的一維形式是：
其中，μ是x的均值，σ是x的方差。因爲計算平均值的時候，中心點就是原點，所以μ等於0。
根據一維高斯函數，可以推導得到二維高斯函數：
3*3的矩陣
爲了計算權重矩陣，需要設定σ值。現假定σ=1.5，則模糊半徑爲1的權重矩陣如下：
這9個點的權重總和等於0.4787147，如果只計算這9個點的加權平均，還必須讓它們的權重之和等於1，因此上面9個值還要分別除以0.4787147，得到最終的權重矩陣。
目的是讓濾鏡的權重總值等於1。否則的話，使用總值大於1的濾鏡會讓圖像偏亮，小於1的濾鏡會讓圖像偏暗。
有了權重矩陣，就可以計算高斯模糊的值了。
假設現有9個像素點，灰度值（0-255）如下：
每個點乘以自己的權重值：
得到
將這9個值加起來，就是中心點的高斯模糊的值。
對所有點重複這個過程，就得到了高斯模糊後的圖像。
對於彩色圖片來說，則需要對RGB三個通道分別做高斯模糊。
如果到達邊界的時候，還需要給邊界側補0處理
當圖像處理的時候，高斯濾波會從左到右、從上到下的處理各個點的色值合成。
一.Glide
Glide可以使用一個擴展庫glide-transformations，就是自己寫Transform，然後在transform中添加高斯模糊的計算。具體代碼如下
FastBlur.java，
裏面變換的規則有點複雜，因爲圖像變化是基於java上層來完成，效率和速度是最低的。
二.Genius-blur
Genius-blur
這是使用jni的方案，大小隻有20k左右。
內部blur_ARGB_8888的實現方法和Glide的FastBlur的算法方式是一樣的，但是因爲使用C++底層實現，速度肯定要快上很多。
三.RenderScript
使用RenderScript框架來加載渲染高斯模糊的渲染腳本，基礎還是會使用底層的渲染Rs渲染庫。
https://github.com/CameraKit/blurkit-android
兼容問題
官方說明
只能api17以上才能使用，如果低版本只能使用v8版本的。網上有簡單的在build.gradle的defaultConifg添加
renderscriptTargetApi 26
renderscriptSupportModeEnabled true
添加v8的renderscript兼容包，容量加大一百多k。
但是我在AS3.3無法使用這種方法編譯成功，提示我無法找到RenderScript的類，結果我只能手動引入了Sdk\build-tools\27.0.3\renderscript\lib\packaged裏面的so和jar包，才能編譯通過，但是這樣打出來的aar包2.2M，只是一個模糊兼容就增大這麼大的容量，不怎麼友好啊。
radius的範圍是0~25。值越大越模糊。
public Bitmap blur(Bitmap src, int radius) {
final Allocation input = Allocation.createFromBitmap(rs, src);
final Allocation output = Allocation.createTyped(rs, input.getType());
final ScriptIntrinsicBlur script = ScriptIntrinsicBlur.create(rs, Element.U8_4(rs));
script.setRadius(radius);
script.setInput(input);
script.forEach(output);
output.copyTo(src);
return src;
}
1.最終我採取了17以上使用renderScipt，以下的使用Genius-blur這個庫，打包出來的aar大概是20k左右，足夠兼容簡單的高斯模糊要求。
2.正常的高斯模糊，是不包含色值，有些需要會要求帶有特定色值的高斯模糊，這時候可以使用ImageView把高斯模糊的圖設置爲背景，然後把帶有色值的透明圖來設置到imageView的src圖。這樣看起來就會帶有色值的高斯模糊了。
3.如果做到高斯模糊漸變消息，其實這裏是使用障眼法，設置Bitmap的alpha值來達到漸變消失的。
四.使用Opencv來處理高斯圖像
如果你框架中已經加入了Opencv的sdk，使用這種方法也是非常高效的。
Mat代表Opencv中的圖像數據
Imgproc是Opencv的工具類
Imgproc.GaussianBlur是Opencv的高斯模糊處理
public class GaussianBlur {
public static void main(String[] args) {
try{
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
Mat src=Imgcodecs.imread("本地圖片地址");
//讀取圖像到矩陣中
if(src.empty()){
throw new Exception("no file");
}
Mat dst = src.clone();
//複製矩陣進入dst
Imgproc.GaussianBlur(src,dst,new Size(13,13),10,10);
//圖像模糊化處理11
Imgcodecs.imwrite("寫入地址", dst);
Imgproc.GaussianBlur(src,dst,new Size(31,5),80,3);
//圖像模糊化處理33
Imgcodecs.imwrite("寫入地址", dst);
}catch(Exception e){
System.out.println("例外：" + e);
}
}
}
五.OpenGL
之前使用Opengl，來採集圖像用於實時的美顏方案的。
使用高斯模糊是可以給人臉皮膚模糊，做到去磨皮等效果的。
可以看到RenderScript最高支持25範圍的卷積核來做模糊，卷積核越大越模糊，計算量越大，速度越慢。計算太大就會造成卡頓，卷積核太小，模糊效果不夠明細那。但是爲了效率問題，Opengl這邊只使用了統一幾組採集點，就是在一定範圍內只採集一些對應的點，例如周圍點附近幾組菱形頂點作爲採集點。然後使用這種採集來做配置。
/**模糊取值紋理座標**/
blurCoordinates[0] = inputTextureCoordinate.xy + singleStepOffset * vec2(0.0, -10.0);
....
blurCoordinates[19] = inputTextureCoordinate.xy + singleStepOffset * vec2(4.0, -4.0);
float sampleColor = centralColor.g * 20.0;
sampleColor += texture2D(inputImageTexture, blurCoordinates[0]).g;
…
/** 不同權重**/
sampleColor += texture2D(inputImageTexture, blurCoordinates[19]).g * 2.0;
/**最終模糊均值**/
sampleColor = sampleColor / 48.0;
/** .用原圖綠色通道值減去sampleColor，加上0.5，整個步驟是PS中的高保留反差**/
float highPass = centralColor.g - sampleColor + 0.5;
人臉是偏紅色，所以紅色通道的色值比較大，而人臉細節方面是保留在綠色通道上比較多。
如果需要美白，需要使用強光處理
/**5次強光處理**/
for(int i = 0; i < 5;i++)
{
highPass = hardLight(highPass);
}
float hardLight(float color)
{
if(color <= 0.5)
color = color * color * 2.0;
else
color = 1.0 - ((1.0 - color)*(1.0 - color) * 2.0);
return color;
}
灰度圖生成，公式爲0.299R + 0.587G + 0.114*B
const highp vec3 W = vec3(0.299,0.587,0.114);
float luminance = dot(centralColor, W);
float alpha = pow(luminance, params);
將灰度值作爲閾值，用來排除非皮膚部分
/** pow(x,y)是x的y次方**/
float alpha = pow(luminance, params);
/** 原圖rgb值與高反差後的結果相比，噪聲越大，兩者相減後的結果越大，在原結果基礎上加上一定值，來提高亮度，消除噪聲。
pow函數中第二個參數可調（1/3~1)，值越小，alpha越大，磨皮效果越明顯，修改該值可作爲美顏程度**/
vec3 smoothColor = centralColor + (centralColor-vec3(highPass))*alpha*0.1;
以灰度值作爲透明度將原圖與混合後結果進行濾色、柔光等混合，並調節飽和度
gl_FragColor = vec4(mix(smoothColor.rgb, max(smoothColor, centralColor), alpha), 1.0);
但是因爲圖片比例問題，高斯模糊的方式是沒問題的，但是採集點的影響需要根據寬高比例調整
Cain_Huang對人臉磨皮的高斯模糊調整Android OpenGLES 實時美顏(磨皮)的優化
他在磨皮優化二的章節，提供了更高效的高斯模糊計算方式。
在頂點着色器，預先計算出周邊點保存到數組，然後傳遞到片段着色器
uniform mat4 uMVPMatrix;
attribute vec4 aPosition;
attribute vec4 aTextureCoord;
// 高斯算子左右偏移值，當偏移值爲5時，高斯算子爲 11 x 11
const int SHIFT_SIZE = 5;
uniform highp float texelWidthOffset;
uniform highp float texelHeightOffset;
varying vec2 textureCoordinate;
varying vec4 blurShiftCoordinates[SHIFT_SIZE];
void main() {
gl_Position = uMVPMatrix * aPosition;
textureCoordinate = aTextureCoord.xy;
// 偏移步距
vec2 singleStepOffset = vec2(texelWidthOffset, texelHeightOffset);
// 記錄偏移座標
for (int i = 0; i < SHIFT_SIZE; i++) {
blurShiftCoordinates[i] = vec4(textureCoordinate.xy - float(i + 1) * singleStepOffset,
textureCoordinate.xy + float(i + 1) * singleStepOffset);
}
}
片段着色器，使用一個for循環來取得偏移座標的色值總和，然後計算平均值。這裏沒有使用高斯核權重，所以並不算標準被高斯模糊計算。
precision mediump float;
varying vec2 textureCoordinate;
uniform sampler2D inputTexture;
const int SHIFT_SIZE = 5; // 高斯算子左右偏移值
varying vec4 blurShiftCoordinates[SHIFT_SIZE];
void main() {
// 計算當前座標的顏色值
vec4 currentColor = texture2D(inputTexture, textureCoordinate);
mediump vec3 sum = currentColor.rgb;
// 計算偏移座標的顏色值總和
for (int i = 0; i < SHIFT_SIZE; i++) {
sum += texture2D(inputTexture, blurShiftCoordinates[i].xy).rgb;
sum += texture2D(inputTexture, blurShiftCoordinates[i].zw).rgb;
}
// 求出平均值
gl_FragColor = vec4(sum * 1.0 / float(2 * SHIFT_SIZE + 1), currentColor.a);
}
高斯模糊的應用和一些計算就分析到這裏，五種高斯模糊的計算和分析，希望對大家有幫助。
