Android 中比较“高效”的图像模糊处理算法

转自：http://www.littledai.com/tag/blurmaskfilter

本文假设读者拥有基础的图像处理概念。

这是今天刚刚完成的一个方法，之前不停地在网上找有关 Android 的图像模糊处理代码。
期间找到了倒影、缩放等参考代码，却无一帖子对模糊处理有过提及。
最多也就是提到使用 BlurMaskFilter 来进行模糊处理。
为了这个害人的帖子，我整整浪费了一下午时间，最后发现它只能用于对 Paint 的边缘进行处理。
而我们要处理的是整幅图像，所以这完完全全是一个骗人的说法。

由于先前在 VB.NET 上处理过图像，也写过相关代码，当时 VB.NET 代码分两种形式：
1、死算：即将每个像素点的颜色值与周围 8 点计算平均值，每计算一次 SetPixel() 一次，这样做非常慢；
2、读取整幅图像的内存数据，也就是已三原色为单位了，数据量（颜色数组）比上一种方法大一倍。
这样的做法可以将所有颜色计算好以后再重新写入内存，肯定比 SetPixel() 更高效。
不过由于也并非通过底层函数对内存操作，因此虽然有提速，效果和 C++ 相比却是小巫见大巫了。

下面说正事，其实 JAVA 和 .NET 很类似的（据说 .NET 的架构师就是 SUN 过去的呢）。
当然也无法直接对内存操作，当然也无法像 .NET 这样间接对内存操作，很抓狂啊！
要知道，我是死也不会用第一种方法死算的！
那么怎么办？我仍然希望从第二种方法入手，虽然慢了一些，但还是能忍受的。
好在 Android 提供了 setPixels() 方法，看清楚，Pixel 后面有 s 的！
这个方法其实是 setPixel() 的“批量”版本，也就是说允许我们一下子填充多个连续的像素。
既然这样，我们离模拟第二点还差一半，那就是取得包含三原色的数组了，看代码吧。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49

/* 设置图片模糊 */ public static Bitmap SetBlur(Bitmap bmpSource, int Blur)  //源位图，模糊强度 {      int pixels[] = new int [bmpSource.getWidth() * bmpSource.getHeight()];  //颜色数组，一个像素对应一个元素      int pixelsRawSource[] = new int [bmpSource.getWidth() * bmpSource.getHeight() * 3 ];  //三原色数组，作为元数据，在每一层模糊强度的时候不可更改      int pixelsRawNew[] = new int [bmpSource.getWidth() * bmpSource.getHeight() * 3 ];  //三原色数组，接受计算过的三原色值      bmpSource.getPixels(pixels, 0 , bmpSource.getWidth(), 0 , 0 , bmpSource.getWidth(), bmpSource.getHeight());  //获取像素点        //模糊强度，每循环一次强度增加一次      for ( int k = 1 ; k <= Blur; k++)      {          //从图片中获取每个像素三原色的值          for ( int i = 0 ; i < pixels.length; i++)          {              pixelsRawSource[i * 3 + 0 ] = Color.red(pixels[i]);              pixelsRawSource[i * 3 + 1 ] = Color.green(pixels[i]);              pixelsRawSource[i * 3 + 2 ] = Color.blue(pixels[i]);          }            //取每个点上下左右点的平均值作自己的值          int CurrentPixel = bmpSource.getWidth() * 3 + 3 ; // 当前处理的像素点，从点(2,2)开始          for ( int i = 0 ; i < bmpSource.getHeight() - 3 ; i++) // 高度循环          {              for ( int j = 0 ; j < bmpSource.getWidth() * 3 ; j++) // 宽度循环              {                  CurrentPixel += 1 ;                  // 取上下左右，取平均值                  int sumColor = 0 ; // 颜色和                  sumColor = pixelsRawSource[CurrentPixel - bmpSource.getWidth() * 3 ]; // 上一点                  sumColor = sumColor + pixelsRawSource[CurrentPixel - 3 ]; // 左一点                  sumColor = sumColor + pixelsRawSource[CurrentPixel + 3 ]; // 右一点                  sumColor = sumColor + pixelsRawSource[CurrentPixel + bmpSource.getWidth() * 3 ]; // 下一点                  pixelsRawNew[CurrentPixel] = Math.round(sumColor / 4 ); // 设置像素点              }          }            //将新三原色组合成像素颜色          for ( int i = 0 ; i < pixels.length; i++)          {              pixels[i] = Color.rgb(pixelsRawNew[i * 3 + 0 ], pixelsRawNew[i * 3 + 1 ], pixelsRawNew[i * 3 + 2 ]);          }      }        //应用到图像      Bitmap bmpReturn = Bitmap.createBitmap(bmpSource.getWidth(), bmpSource.getHeight(), Config.ARGB_8888);      bmpReturn.setPixels(pixels, 0 , bmpSource.getWidth(), 0 , 0 , bmpSource.getWidth(), bmpSource.getHeight());  //必须新建位图然后填充，不能直接填充源图像，否则内存报错        return bmpReturn; }

代码其实很简单，总体而言就是分为三步：
1、取得该位图所有的字节对应的数据；
2、计算每个像素的模糊平均值；
3、利用颜色数组重新绘图。

这就是跟 VB.NET 不同的地方了，我们在 VB.NET 中是改写内存，而这里是申请新的内存区域。
此外，还多了一个大循环，将上述三步进行多次循环，每次循环前将上一次计算好的平均颜色数组作为新的源数据，这样就能获取更模糊的效果了。

要注意的是，此方法对设备性能要求较高，在 1 GHz 处理器上（三星 Galaxy S i9000）模糊强度为 8 时处理 800 × 400 的图像耗时约 20 秒。
HTC Magic 512 MHz 处理器中约 40 秒，可以说基本保持在一个固定比例中。