如何实现最快的高斯模糊算法？

我将用Java实现它，因此排除了GPU解决方案。我的应用程序planetGenesis是跨平台的，所以我不需要JNI。

解决方案

我们可能希望框模糊，这要快得多。请参阅此链接，获取出色的教程以及一些复制和粘贴C代码的信息。

我会考虑为此使用CUDA或者其他一些GPU编程工具包，特别是如果我们想使用更大的内核。如果不这样做，总会在组装中手动调整循环。

数学笑话很可能知道这一点，但对于其他人来说。

由于高斯的数学性质很好，我们可以通过首先在图像的每一行上运行一维高斯模糊，然后在每一列上运行一维模糊，来快速对2D图像进行模糊。

• 步骤1：SIMD一维高斯模糊
• 步骤2：移调
• 步骤3：重复步骤1

最好在小块上完成，因为全图像转置比较慢，而小块转置可以使用一连串的PUNPCK(PUNPCKHBW，PUNPCKHDQ，PUNPCKHWD，PUNPCKLBW，PUNPCKLDQ，PUNPCKLWD)来完成。

我们应该使用一个事实，即高斯核是可分离的，即。 e。我们可以将2D卷积表示为两个1D卷积的组合。

如果滤波器很大，则使用空间域中的卷积等效于频率(傅里叶)域中的乘法这一事实也很有意义。这意味着我们可以对图像和滤镜进行傅立叶变换，将(复杂)结果相乘，然后进行傅立叶逆变换。 FFT(快速傅立叶变换)的复杂度为O(n log n)，而卷积的复杂度为O(n ^ 2)。同样，如果我们需要使用同一滤镜模糊许多图像，则只需对滤镜进行一次FFT。

如果我们决定继续使用FFT，则FFTW库是一个不错的选择。

• 我找到了Quasimondo：孵化器：处理：快速高斯模糊。此方法包含许多近似值，例如使用整数和查找表，而不是浮点数和浮点除法。我不知道现代Java代码中有多少加速。
• 矩形上的快速阴影具有使用B样条的近似算法。
• C＃中的快速高斯模糊算法声称具有一些很酷的优化。
• 而且，David Everly的Fast Gaussian Blur(PDF)具有一种用于Gaussian模糊处理的快速方法。

我将尝试各种方法，对其进行基准测试，然后将结果发布在此处。

出于我的目的，我从Internet复制并实现了基本(独立处理X-Y轴)方法和David Everly的Fast Gaussian Blur方法。它们的参数不同，所以我无法直接比较它们。但是，对于较大的模糊半径，后者经过的迭代次数要少得多。同样，后者是一种近似算法。

对于较大的模糊半径，请尝试应用三次框模糊。这将很好地近似高斯模糊，并且比真正的高斯模糊快得多。

在1D中：

反复使用几乎所有内核进行模糊处理都倾向于使用高斯内核。这就是高斯分布的奇妙之处，也是统计学家喜欢它的原因。因此，请选择易于模糊的内容并将其应用多次。

例如，使用盒形内核很容易模糊。首先计算一个累计和：

y(i) = y(i-1) + x(i)

然后：

blurred(i) = y(i+radius) - y(i-radius)

重复几次。

或者我们可能会使用各种IIR滤波器来回移动几次，这些速度同样快。

在2D或者更高版本中：

正如DarenW所说，每个维度都一个接一个地模糊。

我在研究过程中为这个问题而苦苦挣扎，并尝试了一种有趣的快速高斯模糊方法。首先，如前所述，最好将模糊分为两个一维模糊，但是根据实际用于像素值计算的硬件，我们实际上可以预先计算所有可能的值并将它们存储在查找表中。

换句话说，预先计算"高斯系数" *"输入像素值"的每个组合。当然，我们需要谨慎考虑系数，但是我只是想添加此解决方案。如果我们具有IEEE订阅，则可以使用"查找表"进行实时特征提取，以获取快速图像模糊中的更多内容。

最终，我最终还是使用了CUDA :)