油画效果
先上未经任何处理的原图
原图.png
然后使用油画风格的滤镜OilPaintFilter看看效果，OilPaintFilter的使用方式就一句话：）
RxImageData.bitmap(bitmap).addFilter(new OilPaintFilter()).into(image);
油画效果.png
OilPaintFilter在处理人物图片和风景图片时具有比较好的效果。
OilPaintFilter的源码如下：
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;
}
}
其原理是使用边缘保留滤波，边缘保留滤波有很多种，可以参考之前的一篇文章基于边缘保留滤波实现人脸磨皮的算法。这里主要用的是Mean shift算法，修改局部的像素权重从而实现图像的像素模糊，以达到近似油画的效果。
铅笔画效果
我们还开发了另一款滤镜StrokeAreaFilter，用于模拟铅笔画的效果。
RxImageData.bitmap(bitmap).addFilter(new StrokeAreaFilter()).into(image);
看下效果
铅笔画效果.png
对于铅笔画而言可能有点牵强，那再组合一个随机噪声的滤镜试试。
RxImageData.bitmap(bitmap)
.addFilter(new StrokeAreaFilter())
.addFilter(new GaussianNoiseFilter())
.into(image);
铅笔画效果2.png
效果也不是特别好，那再换一个USMFilter试试。
RxImageData.bitmap(bitmap)
.addFilter(new StrokeAreaFilter())
.addFilter(new USMFilter())
.into(image);
终于，这次效果比前面两幅效果更好了。
铅笔画效果3.png
但是，由于是两个滤镜的叠加，速度会慢很多。再者，USMFilter它是继承高斯滤镜的。所以，在实际使用中只需单独使用StrokeAreaFilter即可，细节多少可以根据参数来调节。
总结
本文所使用的两款滤镜OilPaintFilter和StrokeAreaFilter都在cv4j中。
cv4j 是gloomyfish和我一起开发的图像处理库，纯java实现，目前还处于早期的版本，目前已经更新了滤镜的文档。
上周末我们做了两款滤镜，效果还算是蛮酷的，但是速度在移动端还不够理想，未来会想办法对算法做一些改进，以便更好地满足移动端的体验。
该系列先前的文章：
二值图像分析之轮廓分析
基于边缘保留滤波实现人脸磨皮的算法
二值图像分析:案例实战(文本分离+硬币计数)
Java实现高斯模糊和图像的空间卷积
Java实现图片滤镜的高级玩法
Java实现图片的滤镜效果
