音视频开发之- 高斯模糊实现与优化-技术圈

高斯模糊的原理
GPUImage模糊的实现分析
高斯模糊优化
资料
收获

我们在平时开发中模糊是非常常用的技能，在android中有java的开源方案，也有RenderScript方案，今天我们来学习实践通过OpenGL如何实现高斯模糊。

在工作中用到的高斯模糊，也只是做到基本的简单实用，至于为什么能实现以及是否可以性能优化点提升速度降低内存，之前都欠考虑。

通过这篇我们来学习高斯模糊的原理、实现以及优化，我们的旅程开启。

一、高斯模糊的原理

这一小节会涉及到一些数学中基本概念，正态分布、高斯函数、卷积、模糊半径等，通过下面的学习实践我们对其进行回顾学习。

"模糊"，可以理解成每一个像素都取周边像素的平均值，模糊分类有很多种，我们来看下均值模糊和高斯模糊。

均值模糊是每个像素的值都取周边元素的平均值，并且周边没有点不管距离当前点的距离远近，权重相同

图片截图来自：GAMES101-现代计算机图形学入门-闫令琪

均值模糊可以实现模糊效果，但是如果模糊后的效果看起来和原图效果更相近，就要考虑权重的问题，即距离越近的点权重越大，距离越远的点权重越小。

正态分布是一种权重分配模式，越接近中心，取值越大，越远离中心，取值越小。

图片来自：高斯模糊的算法

图片是二维的，对应的是二维正态分布，正态分布的密度函数叫做"高斯函数"（Gaussian function）

图片来自：Android图像处理 - 高斯模糊的原理及实现，函数中的σ是x的方差

有了高斯函数，我们就可以计算每个点的权重。
假设模糊半径是1，构建一个3x3的矩阵，假设高斯函数的σ为1.5，根据xy的坐标值计算每一个点的权重值，然后所有点权重值相加应该为1，所以对上述计算后的值进行归一化处理。

有了归一化的权重矩阵，把其作为卷积核，与原有图片进行卷积运算，得出模糊后的值。

image

高斯模糊是一个低通滤波，过滤掉高频信号，剩下低频信号，图像内容的边界去掉，实现blur

二、GPUImage高斯模糊的实现分析

了解了高斯模糊的原理，这一小节我们看下如何实现高斯模糊，GPUImage是一个非常强大和丰富的OpenGL图像处理开源库，其中带了部分滤镜的实现，对应的高斯模糊滤镜为GPUImageGaussianBlurFilter，我们分析下它是如何实现的。

//顶点着色器

attribute vec4 position;
attribute vec4 inputTextureCoordinate;

const int GAUSSIAN_SAMPLES = 9;

uniform float texelWidthOffset;
uniform float texelHeightOffset;

varying vec2 textureCoordinate;
varying vec2 blurCoordinates[GAUSSIAN_SAMPLES];

void main()
{
    gl_Position = position;
    textureCoordinate = inputTextureCoordinate.xy;
    
    // Calculate the positions for the blur
    int multiplier = 0;
    vec2 blurStep;
   vec2 singleStepOffset = vec2(texelHeightOffset, texelWidthOffset);
    
    for (int i = 0; i < GAUSSIAN_SAMPLES; i++)
   {
        multiplier = (i - ((GAUSSIAN_SAMPLES - 1) / 2));
       // Blur in x (horizontal)
       blurStep = float(multiplier) * singleStepOffset;
        blurCoordinates[i] = inputTextureCoordinate.xy + blurStep;
    }
}

//片源着色器

uniform sampler2D inputImageTexture;

const lowp int GAUSSIAN_SAMPLES = 9;

varying highp vec2 textureCoordinate;
varying highp vec2 blurCoordinates[GAUSSIAN_SAMPLES];

void main()
{
    lowp vec3 sum = vec3(0.0);
   lowp vec4 fragColor=texture2D(inputImageTexture,textureCoordinate);
    
    sum += texture2D(inputImageTexture, blurCoordinates[0]).rgb * 0.05;
    sum += texture2D(inputImageTexture, blurCoordinates[1]).rgb * 0.09;
    sum += texture2D(inputImageTexture, blurCoordinates[2]).rgb * 0.12;
    sum += texture2D(inputImageTexture, blurCoordinates[3]).rgb * 0.15;
    sum += texture2D(inputImageTexture, blurCoordinates[4]).rgb * 0.18;
    sum += texture2D(inputImageTexture, blurCoordinates[5]).rgb * 0.15;
    sum += texture2D(inputImageTexture, blurCoordinates[6]).rgb * 0.12;
    sum += texture2D(inputImageTexture, blurCoordinates[7]).rgb * 0.09;
    sum += texture2D(inputImageTexture, blurCoordinates[8]).rgb * 0.05;

    gl_FragColor = vec4(sum,fragColor.a);
}

通过着色器代码我们看到GAUSSIAN_SAMPLES = 9;左右个4个采样，加中心点1个采样点，即 2x4+1=9，是一个9x9的矩阵。
blurCoordinates存储计算后的纹理的坐标值。然后在片源着色器中进行卷积运算。

GPUImage采用了分别对X轴和Y轴的高斯模糊，这样降低了算法的复杂度。

高斯滤波器的卷积核是二维的（mn），则算法复杂度为O(mnMN)，复杂度较高，算法复杂度变为O(2mM*N)

Render如下

public class GPUImageRender implements GLSurfaceView.Renderer {

    private Context context;
    private int inputTextureId;
    private GPUImageGaussianBlurFilter blurFilter;
    private  FloatBuffer glCubeBuffer;
    private  FloatBuffer glTextureBuffer;

    public static final float CUBE[] = {
            -1.0f, -1.0f,
            1.0f, -1.0f,
            -1.0f, 1.0f,
            1.0f, 1.0f,
    };

    public static final float TEXTURE_NO_ROTATION[] = {
            0.0f, 1.0f,
            1.0f, 1.0f,
            0.0f, 0.0f,
            1.0f, 0.0f,
    };


    public GPUImageRender(Context context) {
        this.context = context;
    }

    @Override
    public void onSurfaceCreated(GL10 gl, EGLConfig config) {
        String vertexStr = ShaderHelper.loadAsset(context.getResources(), "blur_vertex_gpuimage.glsl");
        String fragStr = ShaderHelper.loadAsset(context.getResources(), "blur_frag_gpuimage.glsl");

        blurFilter = new GPUImageGaussianBlurFilter(vertexStr,fragStr);
        blurFilter.ifNeedInit();

        inputTextureId = TextureHelper.loadTexture(context, R.drawable.bg);

        glCubeBuffer = ByteBuffer.allocateDirect(CUBE.length * 4)
                .order(ByteOrder.nativeOrder())
                .asFloatBuffer();
        glCubeBuffer.put(CUBE).position(0);

        glTextureBuffer = ByteBuffer.allocateDirect(TEXTURE_NO_ROTATION.length * 4)
                .order(ByteOrder.nativeOrder())
                .asFloatBuffer();
        glTextureBuffer.put(TEXTURE_NO_ROTATION).position(0);
    }

    @Override
    public void onSurfaceChanged(GL10 gl, int width, int height) {
        GLES20.glViewport(0, 0, width, height);
        blurFilter.onOutputSizeChanged(width,height);

    }

    @Override
    public void onDrawFrame(GL10 gl) {
        GLES20.glClear(GLES20.GL_COLOR_BUFFER_BIT);
        GLES20.glClearColor(0f,0f,0f,1f);
        blurFilter.onDraw(inputTextureId,glCubeBuffer,glTextureBuffer);
    }
}


public class GPUImageTwoPassFilter extends GPUImageFilterGroup {
    public GPUImageTwoPassFilter(String firstVertexShader, String firstFragmentShader,
                                 String secondVertexShader, String secondFragmentShader) {
        super(null);
        addFilter(new GPUImageFilter(firstVertexShader, firstFragmentShader));
        addFilter(new GPUImageFilter(secondVertexShader, secondFragmentShader));
    }
}

    public GPUImageGaussianBlurFilter(float blurSize,String vertexStr,String fragStr) {

        super(vertexStr, fragStr, vertexStr, fragStr);
        this.blurSize = blurSize;
    }

完整代码已上传至github https://github.com/ayyb1988/mediajourney

其中用到上一篇谈到的FBO技术

//com.av.mediajourney.opengl.gpuimage.GPUImageFilterGroup#onDraw

public void onDraw(final int textureId, final FloatBuffer cubeBuffer,
                       final FloatBuffer textureBuffer) {
        runPendingOnDrawTasks();
        if (!isInitialized() || frameBuffers == null || frameBufferTextures == null) {
            return;
        }
        if (mergedFilters != null) {
            int size = mergedFilters.size();
            int previousTextureId = textureId;
            for (int i = 0; i < size; i++) {
                GPUImageFilter filter = mergedFilters.get(i);
                boolean isNotLast = i < size - 1;
                //如果不是最后一个，则采用FBO方式，进行离屏渲染；否则不挂载到FBO，直接渲染到屏幕
                if (isNotLast) {
                    GLES20.glBindFramebuffer(GLES20.GL_FRAMEBUFFER, frameBuffers[i]);
                    GLES20.glClearColor(0, 0, 0, 0);
                }

                //第一个filter，采用输入的纹理id、顶点buffer、纹理buffer
                if (i == 0) {
                    filter.onDraw(previousTextureId, cubeBuffer, textureBuffer);
                } else if (i == size - 1) {
                    filter.onDraw(previousTextureId, glCubeBuffer, (size % 2 == 0) ? glTextureFlipBuffer : glTextureBuffer);
                } else {
                    filter.onDraw(previousTextureId, glCubeBuffer, glTextureBuffer);
                }

                //如果不是最后一个filter，则解绑FBO，并且把当前的输出作为下一个filter的纹理输入
                if (isNotLast) {
                    GLES20.glBindFramebuffer(GLES20.GL_FRAMEBUFFER, 0);
                    previousTextureId = frameBufferTextures[i];
                }
            }
        }
    }

详细代码请查看 github https://github.com/ayyb1988/mediajourney

高斯模糊后的效果如下：

三、高斯模糊优化

在保证模糊效果的前提下，怎么样可以提升模糊的效率，即减少耗时，直接的影响因素就是运算量的大小，可以从下面几个方向进行优化：

减少偏移大小（模糊半径）
优化算法实现
先缩放图片，再进行高斯模糊，减少需要处理的数据量
了解GPU运行方式，减少分支语句，使用opengl3.0等

** 减少偏移大小（模糊半径）和优化算法实现见glsl

//顶点着色器
attribute vec4 position;
attribute vec4 inputTextureCoordinate;

//const int GAUSSIAN_SAMPLES = 9;

//优化点：高斯算子的左右偏移，对应的高斯算子为(SHIFT_SIZE*2+1)
const int SHIFT_SIZE =2;

uniform float texelWidthOffset;
uniform float texelHeightOffset;

varying vec2 textureCoordinate;
varying vec4 blurCoordinates[SHIFT_SIZE];

void main()
{
    gl_Position = position;
    textureCoordinate = inputTextureCoordinate.xy;

    //偏移步距
    vec2 singleStepOffset = vec2(texelHeightOffset, texelWidthOffset);


    //  int multiplier = 0;
    //  vec2 blurStep;
    //
    //  for (int i = 0; i < GAUSSIAN_SAMPLES; i++)
    //  {
    //      multiplier = (i - ((GAUSSIAN_SAMPLES - 1) / 2));
    //      // Blur in x (horizontal)
    //      blurStep = float(multiplier) * singleStepOffset;
    //      blurCoordinates[i] = inputTextureCoordinate.xy + blurStep;
    //  }

    // 优化点：减少循环运算次数
    for (int i=0; i< SHIFT_SIZE; i++){
        blurCoordinates[i] = vec4(textureCoordinate.xy - float(i+1)*singleStepOffset,
        textureCoordinate.xy + float(i+1)*singleStepOffset);
    }


}

//片源着色器
uniform sampler2D inputImageTexture;

//const int GAUSSIAN_SAMPLES = 9;

//优化点：高斯算子的左右偏移，对应的高斯算子为(SHIFT_SIZE*2+1)
const int SHIFT_SIZE =2;

varying highp vec2 textureCoordinate;
varying vec4 blurCoordinates[SHIFT_SIZE];

void main()
{
    /*
   lowp vec3 sum = vec3(0.0);
  lowp vec4 fragColor=texture2D(inputImageTexture,textureCoordinate);
   mediump vec3 sum = fragColor.rgb*0.18;

   sum += texture2D(inputImageTexture, blurCoordinates[0]).rgb * 0.05;
   sum += texture2D(inputImageTexture, blurCoordinates[1]).rgb * 0.09;
   sum += texture2D(inputImageTexture, blurCoordinates[2]).rgb * 0.12;
   sum += texture2D(inputImageTexture, blurCoordinates[3]).rgb * 0.15;

   sum += texture2D(inputImageTexture, blurCoordinates[4]).rgb * 0.18;

   sum += texture2D(inputImageTexture, blurCoordinates[5]).rgb * 0.15;
   sum += texture2D(inputImageTexture, blurCoordinates[6]).rgb * 0.12;
   sum += texture2D(inputImageTexture, blurCoordinates[7]).rgb * 0.09;
   sum += texture2D(inputImageTexture, blurCoordinates[8]).rgb * 0.05;

   gl_FragColor = vec4(sum,fragColor.a);*/
    
    
    // 计算当前坐标的颜色值
    vec4 currentColor = texture2D(inputTexture, textureCoordinate);
    mediump vec3 sum = currentColor.rgb;
    // 计算偏移坐标的颜色值总和
    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);
   
}

** 先缩放图片，再进行高斯模糊，减少需要处理的数据量**

    private static Bitmap getBitmap(Context context, int resourceId) {
            final BitmapFactory.Options options = new BitmapFactory.Options();
            options.inScaled = false;
    
            // Read in the resource
            Bitmap bitmap = BitmapFactory.decodeResource(
                context.getResources(), resourceId, options);
    
            //优化点：对原图进行缩放，1/16的数据量 ，缩放大小根据具体场景而定
            bitmap = Bitmap.createScaledBitmap(bitmap,
                    bitmap.getWidth() / 4,
                    bitmap.getHeight() / 4,
                    true);
    
            return bitmap;
        }

详细代码请查看 github https://github.com/ayyb1988/mediajourney