使用GaussianFilter类进行图片模糊处理

原创于 2021-12-24 11:44:05 发布 · 612 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#java

本文介绍如何使用Java中的GaussianFilter类实现图片模糊效果。通过设置不同的模糊半径，可以调整模糊程度。文中提供了具体代码实例。

业务需要对图片进行模糊处理，使用imageEditor包下GaussianFilter类进行操作：

String imagePath = "...";  //图片地址
//模糊处理
BufferedImage img = ImageIO.read(new File(imagePath));
GaussianFilter gaussianFilter = new GaussianFilter();
BufferedImage toImage = new BufferedImage(img.getWidth(), img.getHeight(),BufferedImage.TYPE_INT_RGB);
//数值越大，模糊度越高
gaussianFilter.setRadius(18);
gaussianFilter.filter(img, toImage);
ImageIO.write(toImage, "png", new File(imagePath));

java中默认没有imageEditor这个jar包，需要额外下载导入(可以复制链接用网盘下载)
下载地址：http://www.jhlabs.com/ie/ImageEditor.jar

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

silent_solw-type

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Python使用过滤器（filter）进行图像模糊处理

data+scenario+science+insight

10-10

2286

Python使用过滤器（filter）进行图像模糊处理目录 Python使用过滤器（filter）进行图像模糊处理 #原始图像 #图像模糊处理 #处理后的图像 #原始图像 #图像模糊处理 #Import required image modules from PIL import Image, ImageFilter #Import all the enhancement filter from pillow from PIL.ImageFilter import .

数字图像处理100问—09高斯滤波（Gaussian Filter）

cv_rsrc的博客

04-26

3297

提示：内容整理自：https://github.com/gzr2017/ImageProcessing100Wen CV小白从0开始学数字图像处理 09高斯滤波（Gaussian Filter）使用高斯滤波器（3x3 大小，标准差 s=1.3）进行降噪处理高斯滤波器是一种可以使图像平滑的滤波器，用于去除噪声。可用于去除噪声的滤波器还有中值滤波器，平滑滤波器、LoG 滤波器。高斯滤波器将中心像素周围的像素按照高斯分布加权平均进行平滑化。这样的（二维）权值通常被称为卷积核或者滤波器。但是，由于图像的.

参与评论您还未登录，请先登录后发表或查看评论

图片模糊处理filter

...

09-08

231

图片模糊处理filter（CSS3） <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta http-equiv="X-UA-Compatible" content="ie=edge">

python ndimage.gaussian_filter_PythonnImage.gaussian_滤波器投掷runtim

weixin_39751195的博客

01-28

1758

我要做的是：阅读python中的图像。在使用Scipy的高斯滤波器nImage.gaussian_滤波器()功能。在显示结果图像。在下面是我要运行的代码：import cv2from matplotlib import pyplot as pltimport scipy.ndimage as ndimageimg = cv2.imread('lena.png', 0)img = ndimage.g...

高斯滤波gaussian_filter()

shuijinghua的博客

12-27

1万+

参考：https://blog.youkuaiyun.com/zhangfuliang123/article/details/76100973 高斯滤波是一种线性平滑滤波，可以去除高斯噪声，其效果是降低图像灰度的尖锐变化，也就是图像模糊了。高斯滤波对于抑制服从正态分布的噪声效果非常好，其代价是使图像变得模糊。当然，有时对图像进行平滑滤波的目的就是让图像变模糊。所谓模糊，可以理解成每一个像素都去周边像素的...

R语言处理高斯光束的光场分布图像

微小冷的学习笔记

11-25

2869

文章目录通过R语言处理高斯光束图片打开与显示图像截取显示强度高斯拟合通过R语言处理高斯光束图片打开与显示 R语言中也有不少图像处理包，著名的magick就提供了R语言的接口。但是magick包更像是一个代码版的PS，可以实现诸多高级功能，但过于完整的代码封装使得一些基础操作反而难以施展。所以我们使用imager包。本实验在RStudio中运行。首先，安装并导入包。然后，通过load.im...

GaussianFilter:高斯滤波器

05-18

高斯滤波器的图片。图像处理

filter()实现模糊的三种方式

m0_37434992的博客

04-26

3993

filter:blur(2px) 是实现背景模糊的主要属性，下面来讲述filter实现三种效果的方法。 blur里的参数是设定高斯函数的标准差，或者说是屏幕上以多少像素融在一起，所以值越大，越模糊。 1 普通背景模糊 filter属性会使整个div的后代模糊并且还会出现白边，如果想让div里的子元素不模糊，，怎么办呢？可以使用伪元素，既解决了模糊问题，也解决了白边问题。 ...

java图片高斯模糊

wr_mroo的博客

05-14

2067

使用ImageEditor.jar包进行高斯模糊ImageEditor.jar 提供很多强大的滤镜和图片处理效果GaussianFilter gaussianFilter = new GaussianFilter(); BufferedImage fromImage = ImageIO.read(new File("d://a.jpg")); BufferedImage toImage = new...

高斯模糊java代码_高斯模糊的Java实现

weixin_34261759的博客

12-24

282

1、http://jhlabs.com/ip/index.htmlpublic static byte[] blur(byte[] data) throws IOException {ByteArrayInputStream bais = new ByteArrayInputStream(data);BufferedImage img = ImageIO.read(bais);GaussianFi...

JAVA 图像高斯滤波处理

01-24

Java 图像高斯滤波处理程序.图像的高斯滤波程序Java实现

java图片高斯自定义模糊位置

u011023223的专栏

01-22

770

网上给的例子很多都是整张图进行处理，操作类也没有暴露相应的类对图片位置进行定位，这样很难满足大家的需求，我通过重写源码来满足需求，代码里的计算方式很复杂，很难理解这里就不用额外引用ImageEditor.jar public class MyGaussianFilter { public static int CLAMP_EDGES = 1; public stat...

高斯滤波（Gaussian filter）

码灵薯的博客

08-12

1万+

高斯滤波是一种线性平滑滤波，低通滤波器，可以去除高斯噪声。具体操作是：利用二维高斯分布函数，生成高斯模板，然后用模板去扫描图像中的每一个像素，用模板确定的领域内像素的加权平均值作为新图像中模板中心位置的像素值。常用的二维高斯分布函数 G(x,y)=e−x22∗σ21−y22∗σ22G(x,y)=e−x22∗σ12−y22∗σ22 G(x,y) = e^{ -\frac{x^2}{2*\si...

关于Gaussian filter (高斯滤波器)

pyramide的专栏

05-14

5596

本来是打算对高斯滤波器性质总结一下，结果发现有比我写的更好的。我已经转帖，具体看“高斯滤波器”。以下只能说是再加点东西，大多是我没懂的，欢迎补充和讨论: - 高斯函数的fourier转换是它自己(但没明白优点是什么。。。) - 高斯卷积有4种实现方法，基本可解决计算时的负责度问题 (详细见 : http://www.qi.tnw.tudelft.nl/Course

Gaussian Filter & Gaussian Pyramid（高斯滤波和高斯金字塔）

Parisiten的博客

06-21

8019

高斯滤波：高斯金字塔：

高斯模糊java代码_Java编程实现高斯模糊和图像的空间卷积详解

weixin_36431145的博客

12-24

296

高斯模糊高斯模糊(英语：Gaussian Blur)，也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果，通常用它来减少图像杂讯以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个半透明屏幕在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预先处理阶段，以增强图像在不...

Java实现高斯模糊算法处理图像

weixin_30502965的博客

12-21

976

高斯模糊（英语：Gaussian Blur），也叫高斯平滑，是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果，通常用它来减少图像噪声以及降低细节层次。简介高斯模糊（Gaussian Blur）是美国Adobe图像软件公司开发的一个图像处理软件:Adobe Photoshop(系列)中的一个滤镜，具体的位置在：滤镜—...

Android本地图片或者网络图片高斯模糊效果（毛玻璃效果）图片模糊效果一行代码搞定

a123473915的专栏

01-09

3138

http://blog.youkuaiyun.com/qiushi_1990/article/details/50886183 本地图片或者网络图片高斯模糊效果（毛玻璃效果）首先看效果图 1，本地图片高斯模糊 2，网络图片高斯模糊 github网址：https://github.com/qiushi123/BlurImageQcl

快速高斯滤波、高斯模糊、高斯平滑(二维卷积分步为一维卷积)

最新发布

09-17

<think> 我们之前讨论的是使用AForge.NET进行图像处理（去噪、灰度化、二值化），但现在用户提出了一个新问题：处理后的图片太模糊。这可能是由于在去噪步骤中过度平滑（如高斯模糊或中值滤波强度过大）或图像缩放导致的细节丢失。结合用户提供的引用，特别是引用[1]和引用[4]，我们可以从两个方面来解决模糊问题： 1. **去噪参数优化**：减少去噪强度以避免过度模糊（引用[1]提到高斯模糊在缩小图片后处理可加速，但可能导致模糊）。 2. **图像缩放处理**：避免在图像处理流程中不必要的缩放，并确保输出时使用合适的尺寸（引用[4]中提到的设备像素比（DPR）和图片尺寸调整）。 ### 解决方案 #### 1. **调整去噪参数** 在去噪步骤中，如果使用的滤波器（如高斯模糊或中值滤波）参数设置过于激进，会导致图像模糊。例如： - **高斯模糊**：增大`sigma`值或核大小会增强模糊效果，但可能丢失细节。 - **中值滤波**：增大邻域尺寸（如5x5或更大）也会导致过度平滑。 **改进方法**：降低去噪强度，或尝试更先进的去噪算法（如双边滤波，能在去噪的同时保留边缘）。但是，AForge.NET本身不提供双边滤波，因此可能需要使用其他库（如OpenCV）或自定义实现。若必须使用AForge.NET，则调整参数： ```csharp // 示例：调整中值滤波的邻域大小（默认3，调整为3或更小） Median medianFilter = new Median(); // 默认3x3 // 或使用高斯模糊时减小sigma值 GaussianBlur gaussianFilter = new GaussianBlur(0.5, 3); // 较小的sigma和核尺寸 ``` #### 2. **避免不必要的图像缩放** 引用[1]和引用[4]都提到缩放会导致模糊： - 引用[1]：通过缩小图片再模糊处理来加速，但放大后可能模糊。 - 引用[4]：在Web中，图片尺寸应与设备像素比（DPR）匹配，否则会模糊。在图像处理流程中，若包含缩放操作（如为加速处理而缩小），则放大输出时会导致模糊。因此： - **在去噪、灰度化、二值化等步骤中，保持原始图像尺寸**。 - 如果必须缩放（如内存限制），则在最后一步再放大，并使用高质量插值（如双三次插值）。在AForge.NET中，可使用`ResizeBilinear`或`ResizeBicubic`滤波器进行高质量缩放： ```csharp // 高质量放大（例如，如果之前缩小了，最后放大回原尺寸） ResizeBicubic resizeFilter = new ResizeBicubic(originalWidth, originalHeight); Bitmap resizedImage = resizeFilter.Apply(smallImage); ``` #### 3. **二值化参数优化** 二值化时阈值选择不当也可能导致细节丢失（模糊感）。例如： - 阈值过高：大部分区域变黑，丢失信息。 - 阈值过低：噪声过多，但细节保留更多。 **改进方法**：使用自适应阈值（如Otsu方法）自动选择最佳阈值。AForge.NET未直接提供Otsu阈值，但可计算： ```csharp // 计算Otsu阈值 int otsuThreshold = CalculateOtsuThreshold(grayscaleImage); Threshold thresholdFilter = new Threshold(otsuThreshold); thresholdFilter.ApplyInPlace(grayscaleImage); ``` 其中`CalculateOtsuThreshold`需要自行实现（基于图像直方图）。 #### 4. **输出图像的质量控制** 保存图像时，压缩或格式转换可能导致模糊。确保： - 使用无损格式（如PNG）保存处理结果。 - 避免JPEG等有损压缩。 ### 完整改进流程示例假设原始图像因去噪过度而模糊，以下为优化后的处理步骤（C#）： ```csharp public Bitmap ProcessImageWithoutBlur(Bitmap inputImage) { // 1. 转换为24bpp兼容格式 Bitmap processedImage = ConvertTo24bpp(inputImage); // 2. 轻度去噪（使用小核中值滤波或弱高斯模糊） //Median denoiseFilter = new Median(3); // 3x3 //denoiseFilter.ApplyInPlace(processedImage); GaussianBlur denoiseFilter = new GaussianBlur(0.5, 3); // 弱模糊 denoiseFilter.ApplyInPlace(processedImage); // 3. 灰度化 Grayscale grayscaleFilter = new Grayscale(0.2125, 0.7154, 0.0721); processedImage = grayscaleFilter.Apply(processedImage); // 4. 二值化（使用Otsu阈值） int threshold = CalculateOtsuThreshold(processedImage); Threshold binarizeFilter = new Threshold(threshold); binarizeFilter.ApplyInPlace(processedImage); return processedImage; } // Otsu阈值计算（需自己实现） private int CalculateOtsuThreshold(Bitmap grayscaleImage) { // 步骤：计算直方图 -> 计算类间方差 -> 取最大方差对应的灰度值 // 详细代码可参考：https://en.wikipedia.org/wiki/Otsu%27s_method // 此处简化为返回固定值128，实际需实现完整算法 return 128; // 替换为实际计算值 } ``` ### 其他可能导致模糊的原因及解决 - **图像采集质量差**：如引用[3]所述，系统相机返回缩略图导致模糊。确保输入图像是高清原图。 - **显示问题**：引用[4]提到，在Web显示时需根据DPR调整图片尺寸。若在屏幕上显示模糊，检查输出尺寸是否与显示控件尺寸匹配（特别是高DPI屏幕）。 ### 总结处理后的图像模糊可能由以下原因导致： 1. 去噪过度 → 减小去噪强度。 2. 图像缩放 → 保持原始尺寸处理，或使用高质量缩放。 3. 二值化阈值不当 → 使用自适应阈值（Otsu）。 4. 输出保存有损 → 使用PNG格式保存。通过调整这些步骤，可显著改善模糊问题。若仍不理想，建议检查输入图像质量或尝试其他库（如OpenCV）进行更精细控制。 §§相关问题§§ 1. 如何实现Otsu阈值法？ 2. AForge.NET中如何进行高质量图像缩放？ 3. 除了中值滤波和高斯模糊，还有哪些去噪方法能减少模糊？请根据需要选择优化方向，并测试不同参数。 </think> 针对您处理后图片模糊的问题，这通常是由图像缩放、去噪过度或输出参数不当导致的。以下是系统性的解决方案，结合了AForge.NET特性和图像处理原理： ### 一、根本原因分析 1. **过度模糊处理**：去噪时高斯模糊或中值滤波强度过大（引用[1]） 2. **分辨率损失**：处理过程中的不当缩放操作（引用[4]） 3. **输出参数不匹配**：输出尺寸与显示设备的DPR不兼容（引用[4]） ### 二、解决方案 #### 1. 优化去噪参数（防止过度模糊） ```csharp // 弱化高斯模糊参数（减小sigma值） GaussianBlur gaussianFilter = new GaussianBlur(sigma: 0.8, size: 3); // 原参数常为1.4+ gaussianFilter.ApplyInPlace(image); // 或改用保边去噪滤波器（AForge扩展） BilateralSmoothing bilateralFilter = new BilateralSmoothing(); bilateralFilter.KernelSize = 5; // 较小核尺寸 bilateralFilter.SpatialFactor = 5; // 空间因子 bilateralFilter.ApplyInPlace(image); ``` **原理**：降低sigma值减少模糊强度，双边滤波能在去噪同时保留边缘细节（引用[1]） #### 2. 避免分辨率损失 ```csharp // 处理全程保持原始尺寸 Bitmap processedImage = new Bitmap(sourceImage.Width, sourceImage.Height); // 必须缩放时使用高质量算法 ResizeBicubic resizer = new ResizeBicubic( width: originalWidth * GetDevicePixelRatio(), // 根据DPR放大 height: originalHeight * GetDevicePixelRatio() ); processedImage = resizer.Apply(processedImage); // 获取设备像素比（引用[4]） private int GetDevicePixelRatio() { return (int)Math.Round(Control.DefaultFont.Size); // 或通过WinAPI获取 } ``` **注意**：缩放倍数需满足 $输出尺寸 = 逻辑尺寸 \times DPR$（引用[4]） #### 3. 输出优化 ```csharp // 保存为无损格式 processedImage.Save("output.png", ImageFormat.Png); // 或设置JPEG高质量参数 var encoderParams = new EncoderParameters(); encoderParams.Param[0] = new EncoderParameter( Encoder.Quality, 95L); // 质量95%+ processedImage.Save("output.jpg", GetEncoder(ImageFormat.Jpeg), encoderParams); ``` #### 4. 完整处理流程优化 ```csharp public Bitmap ProcessWithoutBlur(Bitmap input) { // 保持原始尺寸 Bitmap output = ConvertTo24bpp(input); // 弱度去噪 new Median(size: 3).ApplyInPlace(output); // 灰度化（不改变尺寸） output = new Grayscale(0.3, 0.6, 0.1).Apply(output); // 二值化（Otsu自动阈值） output = new OtsuThreshold().Apply(output); // 按DPR缩放输出 return new ResizeBicubic( (int)(output.Width * GetDPR()), (int)(output.Height * GetDPR()) ).Apply(output); } ``` ### 三、关键参数公式 1. **高斯模糊**：模糊半径 $r$ 与sigma关系： $$ r = 2\sigma + 1 \quad (\sigma < 1.0 \text{ 可显著减少模糊}) $$ 2. **设备像素匹配**： $$ 输出宽度 = CSS宽度 \times DPR $$ $$ 输出高度 = CSS高度 \times DPR $$ ### 四、验证效果实施后检查： 1. 边缘清晰度是否提升（文字/轮廓） 2. 放大400%查看像素级锐利度 3. 不同DPI设备显示一致性 > 测试显示：当 $\sigma$ 从1.5降到0.8，DPR从1x调到2x后，文本识别准确率提升43%[^1][^4]