【16位RAW图像处理五】任意位深16位图像的中值模糊快速实现及其应用。

最新推荐文章于 2025-12-20 19:32:34 发布

原创

最新推荐文章于 2025-12-20 19:32:34 发布 · 1k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#图像处理 #人工智能

　　在我博客里，也多次提到了中值模糊的优化，比如以下两篇文章：

　　【算法随记三】小半径中值模糊的急速实现(16MB图7.5ms实现) + Photoshop中蒙尘和划痕算法解读。

　任意半径中值滤波(扩展至百分比滤波器)O(1)时间复杂度算法的原理、实现及效果。

　　但是，这些都是这对8位图像的优化，也就是说图像的色阶最多只有256，如果把这个优化算法直接扩展到16位的RAW图像，有以下几个情况：

　　1、小半径的(3*3 / 5*5)的快速实现，是完全可以借鉴8位的处理方式的，而且速度依旧是非常出色的。

　　2、更大的半径的，如果直接沿用8位的处理方式(上述第二篇参考文章)，有以下几个问题：

　　(1)对于10、12位的也许还可以，这种情况需要将直方图分别分解为32及64个粗分及细分直方图，然后进行处理，这个时候相关的直方图相加的计算量也会对应的增加，内部的中值的更新计算量也会相应的增加，整体耗时要比8位的增加2倍及4倍以上。

　　(2)对于14位及16位的图像，如果使用同样的处理方式，细分及粗分直方图的数量增加至128和256个，这个时候的增加的计算量非常客观了，已经不具备任何的性能优势，另外一个重要的问题是，相关的内存分配可能会失败，因为在O(1)时间复杂度的文章中，相关的内存需要下如以下代码所示：

　　当处理14位图时，H_Fine需要分配128*128*Width*sizeof(unsigned short)字节大小的内存，假定宽度为3072像素，这个尺寸在处理RAW数据时并不是很夸张的，那么H_Fine需要96MB的内存，如果是16位，则增加到384MB，了解计算机内存的都知道，分配这么大的连续内存是很有可能失败的。

　　当然，内存问题也许有其他的方案可以解决，但是核心的速度问题还是无法满足实际的需求的。

　　(3)如果是9位、11位、13位、15位这种图像，那其实直接使用8位的方式，除了上述两个问题外，还有就是粗分和细分直方图如何取舍，也是个研究点，当然，实际中我们很少遇到这样的格式，而且即使遇到了，也可以把他们当成向上一位的10/12/14/16格式处理，因为中值处理算法是不会增加新的像素值(在原图中原先不存在的像素色阶)的。

　　因此，我一直在寻找或者说构思一个能够快速处理unsigned short数据类型的通用的中值算法，不过这么多年也一直没有找到答案。

　　最近，来自安道尔(谁都知道怎么回事)微信朋友江向我咨询8位的中值和自适应中值能不能用到16位上，又让我在这个问题上摸索了半个月，无意中在GIMP的中值模糊中找到了问题的答案。

　　我比较了几个能处理16位图像的中值，粗略的做了个耗时统计：