上一篇我們談了圖像的虛擬邊緣,這篇就正式進入平滑——也就是模糊——處理的實作。
平滑也稱模糊,是一項簡單卻使用頻率極高的圖像處理手法。進行平滑時需要用到濾波器,最常見的是線性濾波器:線性濾波處理後的輸出像素值(例如
),其實是輸入像素值(例如
)的加權平均:

稱為「核」,它僅是一組加權係數。
卷積是在每一個圖像區塊與某個算子(核)之間進行的運算。而所謂的「核」,就是一個固定大小的數值陣列,帶有一個位於中央的錨點。

具體怎麼算?方法是:把核的錨點對準某個特定位置的像素,核內其他值則與該像素的鄰域逐一重合;將核內各值與對應像素相乘後累加;把結果放回錨點對應的像素;對全圖每個像素重複此流程。用公式表示如下:

那麼邊緣的卷積怎麼辦?答案是:計算前需透過複製源圖邊界來建立虛擬像素,讓邊角也有足夠的像素可參與運算——這正是上一篇需要製作虛擬邊緣函式的原因。
均值平滑其實就是「核內元素全為 1」的卷積,再除以核的大小:

以下是均值平滑函式 blur 的實作,其中 size1 與 size2 分別是核的橫向與縱向大小,且必須為正奇數:
function blur(__src, __size1, __size2, __borderType, __dst){
if(__src.type && __src.type == "CV_RGBA"){
var height = __src.row, width = __src.col, dst = __dst || new Mat(height, width, CV_RGBA), dstData = dst.data;
var size1 = __size1 || 3, size2 = __size2 || size1, size = size1 * size2;
if(size1 % 2 !== 1 || size2 % 2 !== 1){ console.error("size大小必須是奇數"); return __src; }
var startX = Math.floor(size1 / 2), startY = Math.floor(size2 / 2);
var withBorderMat = copyMakeBorder(__src, startY, startX, 0, 0, __borderType), mData = withBorderMat.data, mWidth = withBorderMat.col;
var newValue, nowX, offsetY, offsetI;
var i, j, c, y, x;
for(i = height; i--;){
offsetI = i * width;
for(j = width; j--;){
for(c = 3; c--;){
newValue = 0;
for(y = size2; y--;){
offsetY = (y + i) * mWidth * 4;
for(x = size1; x--;){ nowX = (x + j) * 4 + c; newValue += mData[offsetY + nowX]; }
}
dstData[(j + offsetI) * 4 + c] = newValue / size;
}
dstData[(j + offsetI) * 4 + 3] = mData[offsetY + startY * mWidth * 4 + (j + startX) * 4 + 3];
}
}
}else{ console.error("不支持類型。"); }
return dst;
}
這是最實用(雖非最快)的濾波器。高斯濾波會把輸入的每個像素與高斯核做卷積,並將卷積和當作輸出值。

參考一維高斯函數可知,它是個「中間大、兩邊小」的函數,因此高斯濾波器的權重也是中間大、四周小。其二維高斯函數為:

其中
為均值(峰值對應位置),
代表標準差。
與
各有一個均值與標準差。
以下做法參考 OpenCV 的實作,先寫一個回傳一維高斯濾波器陣列的 getGaussianKernel(因尚未採用分離濾波器,仍有優化空間):
function getGaussianKernel(__n, __sigma){
var SMALL_GAUSSIAN_SIZE = 7, smallGaussianTab = [[1], [0.25, 0.5, 0.25], [0.0625, 0.25, 0.375, 0.25, 0.0625], [0.03125, 0.109375, 0.21875, 0.28125, 0.21875, 0.109375, 0.03125]];
var fixedKernel = __n & 2 == 1 && __n <= SMALL_GAUSSIAN_SIZE && __sigma <= 0 ? smallGaussianTab[__n >> 1] : 0;
var sigmaX = __sigma > 0 ? __sigma : ((__n - 1) * 0.5 - 1) * 0.3 + 0.8, scale2X = -0.5 / (sigmaX * sigmaX), sum = 0;
var i, x, t, kernel = [];
for(i = 0; i < __n; i++){ x = i - (__n - 1) * 0.5; t = fixedKernel ? fixedKernel[i] : Math.exp(scale2X * x * x); kernel[i] = t; sum += t; }
sum = 1 / sum;
for(i = __n; i--;){ kernel[i] *= sum; }
return kernel;
};
接著用兩個一維陣列組出完整的高斯核,再沿用 blur 中的循環邏輯,就能算出高斯平滑後的矩陣:
function GaussianBlur(__src, __size1, __size2, __sigma1, __sigma2, __borderType, __dst){
if(__src.type && __src.type == "CV_RGBA"){
var height = __src.row, width = __src.col, dst = __dst || new Mat(height, width, CV_RGBA), dstData = dst.data;
var sigma1 = __sigma1 || 0, sigma2 = __sigma2 || __sigma1;
var size1 = __size1 || Math.round(sigma1 * 6 + 1) | 1, size2 = __size2 || Math.round(sigma2 * 6 + 1) | 1, size = size1 * size2;
if(size1 % 2 !== 1 || size2 % 2 !== 1){ console.error("size必須是奇數。"); return __src; }
var startX = Math.floor(size1 / 2), startY = Math.floor(size2 / 2);
var withBorderMat = copyMakeBorder(__src, startY, startX, 0, 0, __borderType), mData = withBorderMat.data, mWidth = withBorderMat.col;
var kernel1 = getGaussianKernel(size1, sigma1), kernel2, kernel = new Array(size1 * size2);
if(size1 === size2 && sigma1 === sigma2) kernel2 = kernel1; else kernel2 = getGaussianKernel(size2, sigma2);
var i, j, c, y, x;
for(i = kernel2.length; i--;){ for(j = kernel1.length; j--;){ kernel[i * size1 + j] = kernel2[i] * kernel1[j]; } }
var newValue, nowX, offsetY, offsetI;
for(i = height; i--;){
offsetI = i * width;
for(j = width; j--;){
for(c = 3; c--;){
newValue = 0;
for(y = size2; y--;){ offsetY = (y + i) * mWidth * 4; for(x = size1; x--;){ nowX = (x + j) * 4 + c; newValue += (mData[offsetY + nowX] * kernel[y * size1 + x]); } }
dstData[(j + offsetI) * 4 + c] = newValue;
}
dstData[(j + offsetI) * 4 + 3] = mData[offsetY + startY * mWidth * 4 + (j + startX) * 4 + 3];
}
}
}else{ console.error("不支持的類型"); }
return dst;
}
中值濾波會用鄰域(以當前像素為中心的正方形區域)像素的中值來取代該像素。做法沿用 blur 的循環,只要收集核內所有值並排序,取中間值放回錨點即可:
function medianBlur(__src, __size1, __size2, __borderType, __dst){
if(__src.type && __src.type == "CV_RGBA"){
var height = __src.row, width = __src.col, dst = __dst || new Mat(height, width, CV_RGBA), dstData = dst.data;
var size1 = __size1 || 3, size2 = __size2 || size1, size = size1 * size2;
if(size1 % 2 !== 1 || size2 % 2 !== 1){ console.error("size必須是奇數"); return __src; }
var startX = Math.floor(size1 / 2), startY = Math.floor(size2 / 2);
var withBorderMat = copyMakeBorder(__src, startY, startX, 0, 0, __borderType), mData = withBorderMat.data, mWidth = withBorderMat.col;
var newValue = [], nowX, offsetY, offsetI;
var i, j, c, y, x;
for(i = height; i--;){
offsetI = i * width;
for(j = width; j--;){
for(c = 3; c--;){
for(y = size2; y--;){ offsetY = (y + i) * mWidth * 4; for(x = size1; x--;){ nowX = (x + j) * 4 + c; newValue[y * size1 + x] = mData[offsetY + nowX]; } }
newValue.sort();
dstData[(j + offsetI) * 4 + c] = newValue[Math.round(size / 2)];
}
dstData[(j + offsetI) * 4 + 3] = mData[offsetY + startY * mWidth * 4 + (j + startX) * 4 + 3];
}
}
}else{ console.error("類型不支持"); }
return dst;
};
三種平滑各有千秋:均值平滑簡單均勻、高斯平滑更貼近自然模糊、中值平滑則擅長去除椒鹽雜訊,可依場景靈活選用。