油畫效果
先上未經任何處理的原圖
原圖.png
然后使用油畫風格的濾鏡OilPaintFilter看看效果，OilPaintFilter的使用方式就一句話：）
RxImageData.bitmap(bitmap).addFilter(new OilPaintFilter()).into(image);
油畫效果.png
OilPaintFilter在處理人物圖片和風景圖片時具有比較好的效果。
OilPaintFilter的源碼如下：
import com.cv4j.core.datamodel.ColorProcessor;
import com.cv4j.core.datamodel.ImageProcessor;
/**
* Created by Tony Shen on 2017/5/7.
*/
public class OilPaintFilter extends BaseFilter {
private int radius = 15; // default value
private int intensity = 40; // default value
public OilPaintFilter() {
this(15, 40);
}
public OilPaintFilter(int radius, int graylevel) {
this.radius = radius;
this.intensity = graylevel;
}
public int getRadius() {
return radius;
}
public void setRadius(int radius) {
this.radius = radius;
}
public int getIntensity() {
return intensity;
}
public void setIntensity(int intensity) {
this.intensity = intensity;
}
@Override
public ImageProcessor doFilter(ImageProcessor src) {
byte[][] output = new byte[3][R.length];
int index = 0;
int subradius = this.radius / 2;
int[] intensityCount = new int[intensity+1];
int[] ravg = new int[intensity+1];
int[] gavg = new int[intensity+1];
int[] bavg = new int[intensity+1];
for(int i=0; i<=intensity; i++) {
intensityCount[i] = 0;
ravg[i] = 0;
gavg[i] = 0;
bavg[i] = 0;
}
for(int row=0; row<height; row++) {
int ta = 0, tr = 0, tg = 0, tb = 0;
for(int col=0; col<width; col++) {
for(int subRow = -subradius; subRow <= subradius; subRow++)
{
for(int subCol = -subradius; subCol <= subradius; subCol++)
{
int nrow = row + subRow;
int ncol = col + subCol;
if(nrow >=height || nrow < 0)
{
nrow = 0;
}
if(ncol >= width || ncol < 0)
{
ncol = 0;
}
index = nrow * width + ncol;
tr = R[index] & 0xff;
tg = G[index] & 0xff;
tb = B[index] & 0xff;
int curIntensity = (int)(((double)((tr+tg+tb)/3)*intensity)/255.0f);
intensityCount[curIntensity]++;
ravg[curIntensity] += tr;
gavg[curIntensity] += tg;
bavg[curIntensity] += tb;
}
}
// find the max number of same gray level pixel
int maxCount = 0, maxIndex = 0;
for(int m=0; m<intensityCount.length; m++)
{
if(intensityCount[m] > maxCount)
{
maxCount = intensityCount[m];
maxIndex = m;
}
}
// get average value of the pixel
int nr = ravg[maxIndex] / maxCount;
int ng = gavg[maxIndex] / maxCount;
int nb = bavg[maxIndex] / maxCount;
index = row * width + col;
output[0][index] = (byte) nr;
output[1][index] = (byte) ng;
output[2][index] = (byte) nb;
// post clear values for next pixel
for(int i=0; i<=intensity; i++)
{
intensityCount[i] = 0;
ravg[i] = 0;
gavg[i] = 0;
bavg[i] = 0;
}
}
}
((ColorProcessor) src).putRGB(output[0], output[1], output[2]);
output = null;
return src;
}
}
其原理是使用邊緣保留濾波，邊緣保留濾波有很多種，可以參考之前的一篇文章基于邊緣保留濾波實現人臉磨皮的算法。這里主要用的是Mean shift算法，修改局部的像素權重從而實現圖像的像素模糊，以達到近似油畫的效果。
鉛筆畫效果
我們還開發了另一款濾鏡StrokeAreaFilter，用于模擬鉛筆畫的效果。
RxImageData.bitmap(bitmap).addFilter(new StrokeAreaFilter()).into(image);
看下效果
鉛筆畫效果.png
對于鉛筆畫而言可能有點牽強，那再組合一個隨機噪聲的濾鏡試試。
RxImageData.bitmap(bitmap)
.addFilter(new StrokeAreaFilter())
.addFilter(new GaussianNoiseFilter())
.into(image);
鉛筆畫效果2.png
效果也不是特別好，那再換一個USMFilter試試。
RxImageData.bitmap(bitmap)
.addFilter(new StrokeAreaFilter())
.addFilter(new USMFilter())
.into(image);
終于，這次效果比前面兩幅效果更好了。
鉛筆畫效果3.png
但是，由于是兩個濾鏡的疊加，速度會慢很多。再者，USMFilter它是繼承高斯濾鏡的。所以，在實際使用中只需單獨使用StrokeAreaFilter即可，細節多少可以根據參數來調節。
總結
本文所使用的兩款濾鏡OilPaintFilter和StrokeAreaFilter都在cv4j中。
cv4j 是gloomyfish和我一起開發的圖像處理庫，純java實現，目前還處于早期的版本，目前已經更新了濾鏡的文檔。
上周末我們做了兩款濾鏡，效果還算是蠻酷的，但是速度在移動端還不夠理想，未來會想辦法對算法做一些改進，以便更好地滿足移動端的體驗。
該系列先前的文章：
二值圖像分析之輪廓分析
基于邊緣保留濾波實現人臉磨皮的算法
二值圖像分析:案例實戰(文本分離+硬幣計數)
Java實現高斯模糊和圖像的空間卷積
Java實現圖片濾鏡的高級玩法
Java實現圖片的濾鏡效果
