10.1国庆后,知名博主:laviewpbt http://www.cnblogs.com/Imageshop/
发起了一个优化3x3中值模糊的小活动。
俺也参加其中,今天博主laviewpbt 共享了一份不错的CLAHE代码。
free精神,真心为其点赞。
故俺也分享这份最快的3x3中值模糊的代码。
/// 编写者: laviewpbt, 编写时间: 2015.10.16, 联系QQ: 33184777 /// <summary>
/// 快速的实现3*3大小的中值模糊,边缘1像素未做处理。(2015.10.12日)
/// </summary>
/// <param name="Src">原始数据。</param>
/// <param name="Dest">目标数据。</param>
/// 百度: Fast median search_ an ANSI C implementation.html
/// 优化版本: 落羽の殇 联系QQ:200759103 static unsigned int* pixGreater = NULL;
static unsigned int* pixLess = NULL;
static unsigned int cmpTable[256 * 256 * 2] = { 0 };
class autoCmpTable
{
public:
autoCmpTable() {
unsigned int x, y, p;
unsigned int tableLength = 256 * 256;
pixGreater = cmpTable;
pixLess = cmpTable + tableLength;
for (x = 0; x < 256; x++) {
for (y = 0; y < 256; y++) {
p = x + y * 256;
if (x > y)
{
pixLess[p] = x;
pixGreater[p] = y;
}
else
{
pixGreater[p] = x;
pixLess[p] = y;
}
}
}
}
};
static autoCmpTable initCmpTable; IS_RET __stdcall Fastest33MedianBlur(TMatrix *Src, TMatrix *Dest)
{
if (Src == NULL || Dest == NULL) return IS_RET_ERR_NULLREFERENCE;
if (Src->Data == NULL || Dest->Data == NULL) return IS_RET_ERR_NULLREFERENCE;
if (Src->Width != Dest->Width || Src->Height != Dest->Height || Src->Channel != Dest->Channel || Src->Depth != Dest->Depth || Src->WidthStep != Dest->WidthStep) return IS_RET_ERR_PARAMISMATCH;
if (Src->Depth != IS_DEPTH_8U || Dest->Depth != IS_DEPTH_8U) return IS_RET_ERR_NOTSUPPORTED;
IS_RET Ret = IS_RET_OK; if (!pixGreater&&!pixLess)
{
return IS_RET_ERR_NOTSUPPORTED;
}
if (Src->Data == Dest->Data)
{
TMatrix *Clone = NULL;
Ret = IS_CloneMatrix(Src, &Clone);
if (Ret != IS_RET_OK) return Ret;
Ret = Fastest33MedianBlur(Clone, Dest);
IS_FreeMatrix(&Clone);
return Ret;
}
unsigned int X, Y, Width = Src->Width, Height = Src->Height;
unsigned char *LineP0, *LineP1, *LineP2, *LinePD;
unsigned int srcWidthStep = Src->WidthStep;
unsigned int dstWidthStep = Dest->WidthStep;
unsigned int srcChannel = Src->Channel;
unsigned int dstChannel = Dest->Channel;
unsigned char* SrcData = Src->Data;
unsigned char* DstData = Dest->Data; if (srcChannel == 1)
{
unsigned int Gray0, Gray1, Gray2, Gray3, Gray4, Gray5, Gray6, Gray7, Gray8, pos;
for (Y = 1; Y < Height - 1; Y++)
{
LineP0 = SrcData + (Y - 1) * srcWidthStep + 1;
LineP1 = LineP0 + srcWidthStep;
LineP2 = LineP1 + srcWidthStep;
LinePD = DstData + Y *dstWidthStep + 1;
for (X = 1; X < Width - 1; X++)
{
Gray0 = LineP0[X - 1];
Gray1 = LineP0[X];
Gray2 = LineP0[X + 1];
Gray3 = LineP1[X - 1];
Gray4 = LineP1[X];
Gray5 = LineP2[X + 1];
Gray6 = LineP2[X - 1];
Gray7 = LineP2[X];
Gray8 = LineP2[X + 1];
/* if (Gray1 > Gray2) Swap(Gray1, Gray2);*/
pos = Gray1 + Gray2 * 256;
Gray2 = pixLess[pos];
Gray1 = pixGreater[pos];
/* if (Gray4 > Gray5) Swap(Gray4, Gray5);*/
pos = Gray4 + Gray5 * 256;
Gray5 = pixLess[pos];
Gray4 = pixGreater[pos];
/* if (Gray7 > Gray8) Swap(Gray7, Gray8);*/
pos = Gray7 + Gray8 * 256;
Gray8 = pixLess[pos];
Gray7 = pixGreater[pos];
/* if (Gray0 > Gray1) Swap(Gray0, Gray1);*/
pos = Gray0 + Gray1 * 256;
Gray1 = pixLess[pos];
Gray0 = pixGreater[pos];
/* if (Gray3 > Gray4) Swap(Gray3, Gray4);*/
pos = Gray3 + Gray4 * 256;
Gray4 = pixLess[pos];
Gray3 = pixGreater[pos];
/* if (Gray6 > Gray7) Swap(Gray6, Gray7);*/
pos = Gray6 + Gray7 * 256;
Gray7 = pixLess[pos];
Gray6 = pixGreater[pos];
/* if (Gray1 > Gray2) Swap(Gray1, Gray2);*/
pos = Gray1 + Gray2 * 256;
Gray2 = pixLess[pos];
Gray1 = pixGreater[pos];
/* if (Gray4 > Gray5) Swap(Gray4, Gray5);*/
pos = Gray4 + Gray5 * 256;
Gray5 = pixLess[pos];
Gray4 = pixGreater[pos];
/* if (Gray7 > Gray8) Swap(Gray7, Gray8);*/
pos = Gray7 + Gray8 * 256;
Gray8 = pixLess[pos];
Gray7 = pixGreater[pos];
/* if (Gray0 > Gray3) Swap(Gray0, Gray3);*/
pos = Gray0 + Gray3 * 256;
Gray3 = pixLess[pos];
Gray0 = pixGreater[pos];
/* if (Gray5 > Gray8) Swap(Gray5, Gray8);*/
pos = Gray5 + Gray8 * 256;
Gray8 = pixLess[pos];
Gray5 = pixGreater[pos];
/* if (Gray4 > Gray7) Swap(Gray4, Gray7);*/
pos = Gray4 + Gray7 * 256;
Gray7 = pixLess[pos];
Gray4 = pixGreater[pos];
/* if (Gray3 > Gray6) Swap(Gray3, Gray6);*/
pos = Gray3 + Gray6 * 256;
Gray6 = pixLess[pos];
Gray3 = pixGreater[pos];
/* if (Gray1 > Gray4) Swap(Gray1, Gray4);*/
pos = Gray1 + Gray4 * 256;
Gray4 = pixLess[pos];
Gray1 = pixGreater[pos];
/* if (Gray2 > Gray5) Swap(Gray2, Gray5);*/
pos = Gray2 + Gray5 * 256;
Gray5 = pixLess[pos];
Gray2 = pixGreater[pos];
/* if (Gray4 > Gray7) Swap(Gray4, Gray7);*/
pos = Gray4 + Gray7 * 256;
Gray7 = pixLess[pos];
Gray4 = pixGreater[pos];
/* if (Gray4 > Gray2) Swap(Gray4, Gray2);*/
pos = Gray4 + Gray2 * 256;
Gray2 = pixLess[pos];
Gray4 = pixGreater[pos];
/* if (Gray6 > Gray4) Swap(Gray6, Gray4);*/
pos = Gray6 + Gray4 * 256;
Gray4 = pixLess[pos];
Gray6 = pixGreater[pos];
/* if (Gray4 > Gray2) Swap(Gray4, Gray2); */
pos = Gray4 + Gray2 * 256;
Gray2 = pixLess[pos];
Gray4 = pixGreater[pos]; LinePD[1] = Gray4;
LinePD++;
}
}
return Ret;
}
else
{
TMatrix *Blue = NULL, *Green = NULL, *Red = NULL, *Alpha = NULL; // 由于C变量如果不初始化,其值是随机值,可能会导致释放时的错误。
IS_RET Ret = SplitRGBA(Src, &Blue, &Green, &Red, &Alpha);
if (Ret != IS_RET_OK) goto Done24;
#pragma omp parallel num_threads(3)
{
#pragma omp sections
{
#pragma omp section
{
Ret = Fastest33MedianBlur(Blue, Blue);
}
#pragma omp section
{
Ret = Fastest33MedianBlur(Green, Green);
}
#pragma omp section
{
Ret = Fastest33MedianBlur(Red, Red);
} }
}
Ret = CombineRGBA(Dest, Blue, Green, Red, Alpha);
Done24:
IS_FreeMatrix(&Blue);
IS_FreeMatrix(&Green);
IS_FreeMatrix(&Red);
IS_FreeMatrix(&Alpha);
return Ret;
} return Ret;
}
关于交换法短值快速排序的参考资料见:https://github.com/afniHQ/AFNI/blob/ab8ca253b784ae71401927df88da2bc6e16d07c1/src/cs_qsort_small.h
最快的3x3中值模糊的更多相关文章
-
【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。
在本人的博客里,分享了有关中值模糊的O(1)算法,详见: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 ,这里的算法的执行时间和参数是无关的.整体来说,虽然速度也很快, ...
-
Emgu-WPF学习使用-中值模糊
原文:Emgu-WPF学习使用-中值模糊 实现效果: 实现途径: 前提:Image File-> System.Drawing.Bitmap->Image<Bgr, byte> ...
-
OpenCV笔记(1)(图片读取与现实、色彩空间、基础运算、均值方差、逻辑运算、泛洪填充、均值中值及自定义平滑)
一.图片读取和显示 import cv2 as cv # 图片读取cv.imread(img_path) car_img = cv.imread("car1.png") # 图片显 ...
-
opencv-11-中值滤波及自适应中值滤波
开始之前 在上一篇我们实现了读取噪声图像, 然后 进行三种形式的均值滤波得到结果, 由于我们自己写的均值滤波未作边缘处理, 所以效果有一定的下降, 但是总体来说, 我们得到的结果能够说明我们的算法执行 ...
-
OpenCV计算机视觉学习(4)——图像平滑处理(均值滤波,高斯滤波,中值滤波,双边滤波)
如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice &q ...
-
Atitit &#160;&#160;图像处理&#160;平滑&#160;也称&#160;模糊,&#160;归一化块滤波、高斯滤波、中值滤波、双边滤波)
Atitit 图像处理 平滑 也称 模糊, 归一化块滤波.高斯滤波.中值滤波.双边滤波) 是一项简单且使用频率很高的图像处理方法 用途 去噪 去雾 各种线性滤波器对图像进行平滑处理,相关OpenC ...
-
opencv3 图片模糊操作-均值滤波 高斯滤波 中值滤波 双边滤波
#include <iostream>#include <opencv2/opencv.hpp> using namespace std;using namespace cv; ...
-
学习 opencv---(8)非线性滤波:中值滤波,双边滤波
正如我们上一篇文章中讲到的,线性滤波可以实现很多种不同的图像变换.然而非线性滤波,如中值滤波器和双边滤波器,有时可以达到更好的实现效果. 邻域算子的其他一些例子还有对 二值图像进行操作的形态学算子,用 ...
-
基于FPGA的中值滤波算法实现
在这一篇开篇之前,我需要解决一个问题,上一篇我们实现了基于FPGA的均值滤波算法的实现,最后的显示效果图上发现有一些黑白色的斑点,我以为是椒盐噪声,然后在做基于FPGA的中值滤波算法的实验时,我发现黑 ...
随机推荐
-
[LeetCode] Palindrome Partitioning II 拆分回文串之二
Given a string s, partition s such that every substring of the partition is a palindrome. Return the ...
-
jQuery 2.0.3 源码分析Sizzle引擎 - 高效查询
为什么Sizzle很高效? 首先,从处理流程上理解,它总是先使用最高效的原生方法来做处理 HTML文档一共有这么四个API: getElementById 上下文只能是HTML文档 浏览器支持情况:I ...
-
centos6.5 lamp 环境 使用yum安装方法
从网上找了一些 最后整理了下 1.安装Apache yum -y install httpd # 开机自启动 chkconfig httpd on # 启动httpd 服务 service httpd ...
-
如何让你的App适配iOS7?
随着苹果在2013年9月18日发布iOS7最新的系统以来,iOS各种设备升级到iOS7的数字就已经不断刷新记录.目前据外界统计iOS7设备装机量已经达到2.5亿部,已占iOS设备的64%.由此可见让自 ...
-
鸟哥的linux私房菜学习记录之档案与目录管理
绝对路径和相对路径 绝对路径就是从根目录到某个目录下的路径,从根目录写起,也就是/ 相对路径就是从用户当前目录的路径写起 目录相关操作 cd 切换路径 例如:cd /var/www 切换到/var/w ...
-
处理日期时间NSDate
获取当前日期时间的代码如下: NSDate *dateToDay = [NSDate date]; NSDateFormatter *df = [[NSDateFormatter alloc] ini ...
-
C++ 四则运算简单设计
如果说要用C++写一个简单的四则运算的程序,相信难不到人,这还不简单吗?然后用不了五分钟,三下五除二,就出了下面的代码,一调试,没问题..... #include <iostream> u ...
-
BZOJ_1610_[Usaco2008_Feb]_Line连线游戏_(计算几何基础+暴力)
描述 http://www.lydsy.com/JudgeOnline/problem.php?id=1610 给出n个点,问两两确定的直线中,斜率不同的共有多少条. 分析 暴力枚举直线,算出来斜率放 ...
-
知名互联网公司校招 Java 开发岗面试知识点解析
天之道,损有余而补不足,是故虚胜实,不足胜有余. 本文作者在一年之内参加过多场面试,应聘岗位均为 Java 开发方向.在不断的面试中,分类总结了 Java 开发岗位面试中的一些知识点. 主要包括以下几 ...
-
谈谈当代大学生学习IT技术的必要性。
21世纪,人类社会已经从工业时代全面进入信息化时代,IT技术的发展正在影响人类的日常生活.比如,外卖平台给人们的用餐提供了更多的选择,移动支付颠覆了传统的支付方式.网购使得人们的购物更加方便,真正做到 ...