我正在尝试实现使用shpere失真滤波器的应用程序。我正在使用here中的算法,该算法通过getPixel()和setpixel()方法更改像素位置。我的问题是,对于Android设备而言,它太慢了,并且有些应用程序比我的方法更快地实现相同的sphere(和其他)过滤器方法。 (例如Picsay Pro应用程序)任何人都可以共享或提供指导,以查找或实现快速失真算法。
实现该算法的实际过滤器:
public boolean sphereFilter(Bitmap b, boolean bSmoothing)
{
int nWidth = b.getWidth();
int nHeight = b.getHeight();
Point [][] pt = new Point[nWidth][nHeight];
Point mid = new Point();
mid.x = nWidth/2;
mid.y = nHeight/2;
double theta, radius;
double newX, newY;
for (int x = 0; x < nWidth; ++x)
for (int y = 0; y < nHeight; ++y)
{
pt[x][y]= new Point();
}
for (int x = 0; x < nWidth; ++x)
for (int y = 0; y < nHeight; ++y)
{
int trueX = x - mid.x;
int trueY = y - mid.y;
theta = Math.atan2((trueY),(trueX));
radius = Math.sqrt(trueX*trueX + trueY*trueY);
double newRadius = radius * radius/(Math.max(mid.x, mid.y));
newX = mid.x + (newRadius * Math.cos(theta));
if (newX > 0 && newX < nWidth)
{
pt[x][y].x = (int) newX;
}
else
{
pt[x][y].x = 0;
pt[x][y].y = 0;
}
newY = mid.y + (newRadius * Math.sin(theta));
if (newY > 0 && newY < nHeight && newX > 0 && newX < nWidth)
{
pt[x][ y].y = (int) newY;
}
else
{
pt[x][y].x = pt[x][y].y = 0;
}
}
offsetFilterAbs(b, pt);
return true;
}
替换计算出的像素位置的代码。
public boolean offsetFilterAbs(Bitmap b, Point[][] offset )
{
int nWidth = b.getWidth();
int nHeight = b.getHeight();
int xOffset, yOffset;
for(int y=0;y < nHeight;++y)
{
for(int x=0; x < nWidth; ++x )
{
xOffset = offset[x][y].x;
yOffset = offset[x][y].y;
if (yOffset >= 0 && yOffset < nHeight && xOffset >= 0 && xOffset < nWidth)
{
b.setPixel(x, y, b.getPixel(xOffset, yOffset));
}
}
}
return true;
}
最佳答案
从我的link in the comments above:
给定
r = Sqrt((x-0.5)^ 2 +(y-0.5)^ 2)
a = ArcTan2(y-0.5,x-0.5)
n =膨胀系数(默认= 1)
放
x'= r ^ n * Cos(a)+ 0.5
y'= r ^ n * Sin(a)+ 0.5
(请记住,在此等式中,x
和y
的范围从0到1。如果尺寸范围从0到w
,则将0.5
替换为w/2
)
使用a bit of math,我们可以看到
Cos(a)= Cos(ArcTan2(y-0.5,x-0.5))
=(x-0.5)/r
Sin(a)= Sin(ArcTan2(y-0.5,x-0.5))
=(y-0.5)/r
这样就形成了最终的方程式
r =(x-0.5)^ 2 +(y-0.5)^ 2
n =膨胀系数(默认= 0)
放
x'= r ^ n *(x-0.5)+ 0.5
y'= r ^ n *(y-0.5)+ 0.5
(我删除了平方根,因为无论如何我们都将结果取为有幂数。因此,为了真正实现等效,我们应该使用n/2
而不是n
,但是由于我们定义的是“膨胀因子”,所以我们可以离开除去额外的划分)
仅需少量的乘法运算和一个实数幂运算,这可能是您希望获得的最快速度。