ArkUI框架开发——图片模糊处理的实现

现在市面上有很多APP，都或多或少对图片有模糊上的设计，所以，图片模糊效果到底怎么实现的呢？

首先，我们来了解下模糊效果的对比

从视觉上，两张图片，有一张是模糊的，那么，在实现图片模糊效果之前，我们首先需要了解图片模糊的本质是什么？

在此介绍模糊本质之前，我们来了解下当前主流的两个移动端平台（Android与iOS）的实现。

对Android开发者而言，比较熟悉且完善的图片变换三方库以glide-transformations(https://github.com/wasabeef/glide-transformations)为样例，来看看它是基于什么实现的。

Android中有两种实现：

1、 FastBlur，根据stackBlur模糊算法来操作图片的像素点实现效果，但效率低，已过时。

2、 RenderScript，这个是Google官方提供的，用来在Android上编写一套高性能代码的语言，可以运行在CPU及其GPU上，效率较高。

而对iOS开发者而言，GPUImage(https://github.com/BradLarson/GPUImage/)比较主流。我们可以在其中看到高斯模糊过滤器(GPUImageGaussianBlurFilter)，它里面是根据OpenGL来实现，通过GLSL语言定义的着色器，操作GPU单元，达到模糊效果。

所以，我们可以看出，操作GPU来达到我们所需要的效果效率更高。因此我们在OpenHarmony上也能通过操作GPU，来实现我们想要的高性能模糊效果。

回归正题，先来了解下模糊的本质是什么？

本质

模糊，可以理解为图片中的每个像素点都取其周边像素的平均值。

上图M点的像素点就是我们的焦点像素。周围ABCDEFGH都是M点（焦点）周围的像素点，那么根据模糊的概念：

M(rgb)  =（A+B+C+D+E+F+G+H）/ 8

我们根据像素点的r、g、b值，得到M点的像素点值，就这样，一个一个像素点的操作，中间点相当于失去视觉上的焦点，整个图片就产生模糊的效果。但这样一边倒的方式，在模糊的效果上，达不到需求的，所以，我们就需要根据这个模糊的本质概念，去想想，加一些东西或者更改取平均值的规则，完成我们想要的效果。故，高斯模糊，一个家喻户晓的名字，就出现在我们面前。

高斯模糊

高斯模糊，运用了正态分布函数，进行各个加权平均，正态分布函数如下：

其中参数：μ为期望值，σ为标准差，当μ=0，σ=0的时候，为标准的正态分布，其形状参考如下图:

可以看出：

其一，离中心点越近，分配的权重就越高。这样我们在计算图片的焦点像素值时，将该点当作中心点，当作1的权重，其他周围的点，按照该正态分布的位置，去分配它的权重，这样我们就可以根据该正态分布函数及其各个点的像素ARGB值，算出经过正态分布之后的像素ARGB值。

其二，离中心点越近，若是设置的模糊半径很小，代表其模糊的焦点周围的像素点离焦点的像素相差就不大，这样模糊的效果就清晰。而模糊半径越大，其周围分布的像素色差就很大，这样的模糊效果就越模糊。

通过图片的宽高拿到每个像素点的数据，再根据这个正态分布公式，得到我们想要的像素点的ARGB值，之后将处理过的像素点重新写入到图片中，就能实现我们想要的图片模糊效果。

流程

根据上面的阐述，就可以梳理出在OpenHarmony中的具体的实现流程：

● 获取整张图片的像素点数据

● 循环图片的宽高，获取每个像素点的焦点

● 在上述循环里，根据焦点按照正态分布公式进行加权平均，算出各个焦点周围新的像素值

● 将各个像素点写入图片

关键依赖OpenHarmony系统基础能力如下：

第一、获取图片的像素点，系统有提供一次性获取整张图片的像素点数据，其接口如下。

readPixelsToBuffer(dst: ArrayBuffer): Promise;
readPixelsToBuffer(dst: ArrayBuffer, callback: AsyncCallback): void;

可以看出，系统将获取到像素点数据ARGB值，存储到ArrayBuffer中去。

第二、循环获取每个像素点，将其x、y点的像素点当作焦点。

for (y = 0; y < imageHeight; y++) {
  for (x = 0; x < imageWidth; x++) {
        //......   获取当前的像素焦点x、y
  }
}

第三、循环获取焦点周围的像素点（以焦点为原点，以设置的模糊半径为半径）。

for ( let m = centPointY-radius; m < centPointY+radius; m++) {
  for ( let n = centPointX-radius; n < centPointX+radius; n++) {
     //......
     this.calculatedByNormality(...); //正态分布公式化处理像素点
     //......
  }
}

第四、将各个图片的像素数据写入图片中。系统有提供一次性写入像素点，其接口如下。

writeBufferToPixels(src: ArrayBuffer): Promise;
 
writeBufferToPixels(src: ArrayBuffer, callback: AsyncCallback): void;

通过上面的流程，我们可以在OpenHarmony系统下，获取到经过正态分布公式处理的像素点，至此图片模糊效果已经实现。

但是，经过测试发现，这个方式实现模糊化的过程，很耗时，达不到我们的性能要求。若是一张很大的图片，就单单宽高循环来看，比如1920*1080宽高的图片就要循环2,073,600次，非常耗时且对设备的CPU也有非常大的消耗，因此我们还需要对其进行性能优化。

模糊性能优化思路

如上面所诉，考虑到OpenHarmony的环境的特点及其系统提供的能力，可以考虑如下几个方面进行优化：

第一、参照社区已有成熟的图片模糊算法处理，如（Android的FastBlur）。

第二、C层性能要比JS层更好，将像素点的数据处理，通过NAPI机制，将其放入C层处理。如：将其循环获取焦点及其通过正态分布公式处理的都放到C层中处理。

第三、基于系统底层提供的OpenGL，操作顶点着色器及片元着色器操作GPU，得到我们要的模糊效果。

首先，我们来根据Android中的FastBlur模糊化处理，参照其实现原理进行在基于OpenHarmony系统下实现的代码如下：

let imageInfo = await bitmap.getImageInfo();
let size = {
  width: imageInfo.size.width,
  height: imageInfo.size.height
}
 
if (!size) {
  func(new Error("fastBlur The image size does not exist."), null)
  return;
}
 
let w = size.width;
let h = size.height;
var pixEntry: Array = new Array()
var pix: Array = new Array()
 
 
let bufferData = new ArrayBuffer(bitmap.getPixelBytesNumber());
await bitmap.readPixelsToBuffer(bufferData);
let dataArray = new Uint8Array(bufferData);
 
for (let index = 0; index < dataArray.length; index+=4) {
  const r = dataArray[index];
  const g = dataArray[index+1];
  const b = dataArray[index+2];
  const f = dataArray[index+3];
 
  let entry = new PixelEntry();
  entry.a = 0;
  entry.b = b;
  entry.g = g;
  entry.r = r;
  entry.f = f;
  entry.pixel = ColorUtils.rgb(entry.r, entry.g, entry.b);
  pixEntry.push(entry);
  pix.push(ColorUtils.rgb(entry.r, entry.g, entry.b));
}
 
let wm = w - 1;
let hm = h - 1;
let wh = w * h;
let div = radius + radius + 1;
 
let r = CalculatePixelUtils.createIntArray(wh);
let g =