简易 bokeh 图像散景效果算法实现

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)) 
#endif

void 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，参照图像纹理合成及纹理传输算法学习（附源码）。

源码中的函数GetLocalSquareSum。

初学者可参考分享用于学习C++图像处理的代码示例，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: