一种高斯模糊图像处理的优化算法制造技术

本发明专利技术公开了一种高斯模糊图像处理的优化算法，包括：获取高斯模糊半径r；将待处理图像中各像素点分别作为中心像素，计算中心像素的高斯模糊值，中心像素的高斯模糊值计算方法为：确定目标图像；将目标图像中的像素点按照与中心像素之间的距离分成若干组，位于同一组的像素点与中心像素之间的距离相等，计算各组的加权系数；将所有组的加权系数与所对应组中像素点的灰度值做卷积运算，得到中心像素的高斯模糊值。本发明专利技术的高斯模糊图像处理的优化算法，把原有的计算方法中卷积运算的相当大的一部分浮点数乘除法运算已经转化为了整数加法运算，极大的减少了计算量，用在高端的控制模块中时，减少对资源的占用，即便在低端的控制模块中同样适用。

【技术实现步骤摘要】
一种高斯模糊图像处理的优化算法
本专利技术属于图像处理
，具体地说，涉及一种高斯模糊图像处理的优化算法。
技术介绍
高斯模糊作为图像处理的一种视觉效果，现在已经广泛应用在各种行业，例如荧幕显示、视频处理等等，其本质是图像平滑技术，可呈现出类似于透过毛玻璃看图像视觉效果。高斯模糊算法包含有大量的数据处理，实际上，随着高斯模糊视觉效果的增强，数据处理量是呈幂级数上升的。目前高斯模糊算法的计算公式如下：其中f(x,y)为原图像，h(x,y)为加权阵列，g(x,y)为处理后的图像，L为加权阵列的维数(由模糊半径计算得来)。假设有一幅分辨率为1024*1024的图像，当加入半径为3的高斯模糊算法后，图像阵列和加权阵列会是一个7*7的阵列，其二维卷积长度为7*7＝49，整个图像的每一个像素点都需要进行这样的卷积，也就是计算量是1024*1024*49，此外，这么大的计算量包含大量的浮点数运算，总的计算量极大。因此目前高斯模糊效果极少出现在非专业图像显示的电器设备中，例如家电设备、工控设备、穿戴设备等设备的显示，因为这类行业的主处理芯片无法处理如此大的计算量，即使可以处理也会极占用资源，影响设备对其他数据的处理能力。
技术实现思路
本专利技术针对现有技术中由于高斯模糊图像处理计算量大，处理时占用处理器资源大甚至处理性能较低的处理器无法高进行斯模糊图像处理的技术问题，提出了一种高斯模糊图像处理的优化算法，可以解决上述问题。为实现上述专利技术目的，本专利技术采用下述技术方案予以实现：一种高斯模糊图像处理的优化算法，包括：获取高斯模糊半径r；获取高斯模糊算子获取系数A；将待处理图像中各像素点分别作为中心像素，计算所述中心像素的高斯模糊值，中心像素的高斯模糊值计算方法为：确定目标图像，以所述中心像素做为中心、r为半径范围内的所有像素点组成所述目标图像；将所述目标图像中的像素点按照与所述中心像素之间的距离分成若干组，位于同一组的像素点与所述中心像素之间的距离相等，计算各组的加权系数其中ai为第i组中的像素点与中心像素之间的距离；将所有组的加权系数与所对应组中像素点的灰度值做卷积运算，得到所述中心像素的高斯模糊值。进一步的，将所有组的加权系数与所对应组中像素点的灰度值做卷积运算的方法为：n为将所述目标图像中的像素点所分成的组数，为正整数，Bi为第i组中所有像素点的灰度值之和，z为中心像素的高斯模糊值。进一步的，ai的计算方法为：ai＝(xi-x0)2+(yi-y0)2；(xi,yi)为第i组中任一像素点的位置，(x0,y0)为中心像素的位置。进一步的，计算ai时，设定x0＝0，y0＝0，则ai＝xi2+yi2。进一步的，第i组中任一像素点的位置(xi,yi)的确定方法为：以该组的中心像素位置为原点，建立坐标系；所述坐标系中的最小单位为一个像素，确定该组中的其他像素点的位置。进一步的，r的取值范围为不大于6个像素。进一步的，r的取值为3个像素。进一步的，将所述目标图像所分的组中包括与所述中心像素的距离为零的一组，该组中包括所述中心像素一个元素。进一步的，所述高斯模糊算子其中，σ为所述目标图像的标准差。进一步的，所述系数其中，σ为所述目标图像的标准差。与现有技术相比，本专利技术的优点和积极效果是：本专利技术的高斯模糊图像处理的优化算法，利用像素点的加权系数与距离中心像素的距离的关系，通过将高斯模糊半径内的所有像素点按照距离进行分组，高斯模糊运算时，位于同一组的所有像素点的加权系数相等，因此，每一组只需计算一次加权系数，将所有组的加权系数与所对应组中像素点的灰度值做一次卷积运算，即可得到中心像素的高斯模糊值。因此可以把原有的计算方法中卷积运算的相当大的一部分浮点数乘除法运算已经转化为了整数加法运算，可以极大的减少了计算量，用在高端的控制模块中时，减少对资源的占用，即便在低端的控制模块中同样适用。结合附图阅读本专利技术的具体实施方式后，本专利技术的其他特点和优点将变得更加清楚。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术提出的高斯模糊图像处理的优化算法的一种实施例中高斯模糊示意图；图2是本专利技术提出的高斯模糊图像处理的优化算法的一种实施例的计算流程图；图3是图2中中心像素的高斯模糊值计算方法的计算流程图；图4是本专利技术提出的高斯模糊图像处理的优化算法的一种实施例中高斯模糊计算的权重系数分布图；图5是本专利技术提出的高斯模糊图像处理的优化算法的一种实施例中位于同一组的各像素点与中心像素之间的距离矩阵；图6是本专利技术提出的高斯模糊图像处理的优化算法的一种实施例中坐标确定示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下将结合附图和实施例，对本专利技术作进一步详细说明。实施例一高斯模糊就是将图像中每一个像素点的灰度值与该像素点周围的像素点的灰度值求平均，以此来使得图像看起来更加平滑。求平均所取的像素点的数量决定了图像的平滑效果，当取周围像素点越多，平滑的效果就越好，因此，需要采用高斯模糊半径衡量求平均所取的像素点数。例如，当模糊半径为1个像素时，代表中心像素点与周围距离为1个像素点的灰度求平均，也即，如图1所示，将待模糊的像素点(中心像素)和周围8个像素点的灰度值求平均。为了解决现有的高斯模糊算法中采用二维卷积的方式计算量大的技术问题，本实施例提出了一种高斯模糊图像处理的优化算法，如图2、图3所示，包括：获取高斯模糊半径r；高斯模糊半径r可以根据需要进行设定，高斯模糊半径越大，高斯模糊计算时参与计算的像素点越多，平滑效果越好。将待处理图像中各像素点分别作为中心像素，计算中心像素的高斯模糊值，中心像素的高斯模糊值计算方法为：确定目标图像，以中心像素做为中心、r为半径范围内的所有像素点组成目标图像；将目标图像中的像素点按照与中心像素之间的距离分成若干组，位于同一组的像素点与中心像素之间的距离相等，计算各组的加权系数，如图5所示，为目标图像中的像素点与中心像素之间的距离矩阵，其中值为0的元素对应中心像素，由图5可知，距离为1的具有矩形圈出来的4个像素点，距离为5的具有4个像素点，一旦中心像素和高斯模糊半径r确定，目标图像及距离矩阵也相应确定，因此所能够分成的组数、每一组所包含的像素点数量也确定。将目标图像中的像素点所分的组数与高斯模糊半径r有关，高斯模糊半径r越大，参与计算的像素点数量越多，像素点与中心像素之间的距离值越多，相应分组越多。将所有组的加权系数与所对应组中像素点的灰度值做卷积运算，得到本文档来自技高网...

【技术保护点】
1.一种高斯模糊图像处理的优化算法，其特征在于，包括：/n获取高斯模糊半径r；/n将待处理图像中各像素点分别作为中心像素，计算所述中心像素的高斯模糊值，中心像素的高斯模糊值计算方法为：/n确定目标图像，以所述中心像素做为中心、r为半径范围内的所有像素点组成所述目标图像；/n将所述目标图像中的像素点按照与所述中心像素之间的距离分成若干组，位于同一组的像素点与所述中心像素之间的距离相等，计算各组的加权系数；/n将所有组的加权系数与所对应组中像素点的灰度值做卷积运算，得到所述中心像素的高斯模糊值。/n

【技术特征摘要】
1.一种高斯模糊图像处理的优化算法，其特征在于，包括：
获取高斯模糊半径r；
将待处理图像中各像素点分别作为中心像素，计算所述中心像素的高斯模糊值，中心像素的高斯模糊值计算方法为：
确定目标图像，以所述中心像素做为中心、r为半径范围内的所有像素点组成所述目标图像；
将所述目标图像中的像素点按照与所述中心像素之间的距离分成若干组，位于同一组的像素点与所述中心像素之间的距离相等，计算各组的加权系数；
将所有组的加权系数与所对应组中像素点的灰度值做卷积运算，得到所述中心像素的高斯模糊值。


2.根据权利要求1所述的高斯模糊图像处理的优化算法，其特征在于，第i组的加权系数为其中ai为第i组中的像素点与中心像素之间的距离，为高斯模糊算子，A为常系数。


3.根据权利要求2所述的高斯模糊图像处理的优化算法，其特征在于，将所有组的加权系数与所对应组中像素点的灰度值做卷积运算的方法为：



n为将所述目标图像中的像素点所分成的组数，为正整数，Bi为第i组中所有像素点的灰度值之和，z为中心像素的高斯模糊值。


4.根据权利要求2所述的高斯模糊图像处理的优化算法，其特征在于，ai的计算方法为：...

【专利技术属性】
技术研发人员：李伟民，谢海军，吴恩豪，
申请(专利权)人：青岛经济技术开发区海尔热水器有限公司，海尔智家股份有限公司，
类型：发明
国别省市：山东;37