当前位置： >>
高斯模糊图像的复原处理与研究
2010 年 6 月 第 7 卷 第 2 期 : 理工 长江大学学报 ( 自然科学版 ) Journal of Yangtze University ( Nat Sci Edit) Jun 2010, Vo l 7 N o 2: Sci & Eng? 77 ?高斯模糊图像的复原处理与研究付青青 张春海( 长江大学电子信息学院 , 湖北 荆州 434023 ) ( 辽河油田裕隆实业集团检波器厂 , 辽宁 盘锦 1 2401 0 )[ 摘要 ] 分析了几种经典 图像 复原算 法 , 在已 知图 像退化 函数 的情况 下 , 对高 斯模 糊图像 分别 使用 逆滤 波 、维纳 滤波 、有 约束的最小二乘方滤波算法进行了复原 , 在这 几种算 法的 参数选 取上 得到了 丰富 的经 验数据 。 仿真结果表明 , 在高噪声环境下 , 维纳滤波 抑制噪 声的能 力较强 , 有 约束最 小二乘 方滤波 复原 方法保持细节效果最好 。 [ 关键词 ] 图像复原 ; 逆滤波 ; 维纳滤波 ; 有约束的最小二乘方滤波 [ 中图分类号 ] T P 751 [ 文献标识码 ] A [ 文章编号 ]
( 2010) 02 N 077 04在图像的形成、传输、存贮、记录和显示过程中, 光学系统的像差、成像系统的非线性、大气扰 动、运动、散焦和系统噪声等因素都会造成图像模糊和变形 。因此 , 要得到高质量的数字图像, 需要 对图像进行复原 , 使其与原图像尽可能逼近。但大多数情况下退化过程是不可知的 , 在图像模糊的同 时, 噪声和干扰也会同时存在 , 这为复原过程带来了困难。经典图像复原在图像处理中占有重要的地 位, 其复原的前提条件是需要知道点扩展函数和噪声分布, 其中一些算法被广泛使用[ 2] , 但如何对其进 行改进, 使之适合不同的复原情况, 是一个值得研究的课题。笔者在对经典图像复原算法分析的基础 上, 针对高斯模糊图像, 对 3 种经典图像复原算法进行了仿真实验 , 为不同应用场合及不同图像数据条 件下选择相应的复原算法以及系统参数提供了一定的依据。[ 1]1图像退化模型在获取数字图像过程中经常发生图像质量下降或者退化, 由于导致图像退化的原因很多 , 所以通常用统一的数学模型对图像的退化过程进行描述。 如果一幅原始图像 f ( x , y) 在 1 个退化函数和 1 个加性噪 声项的作用下生成观测图像 g( x , y ) , 退化函数可以认为是线性、 位置不变的, 且噪声也与位置和当前像素 值无关, 则退化过程可以被模型化为[ 3, 4] : g( x , y ) = f ( x , y ) * h( x , y ) + n( x , y ) ( 1) 式中, h( x , y ) 表示退化函数的空间描述 , 也称为点扩散函数 ( Po int Spread F unct ion, PSF ) ; * 表示空间卷 积, n( x , y ) 为加性噪声。 可以用向量矩阵的形式将式 ( 1) 的退化模型表示为 [ 4] : g = Hf + n ( 2) 式中, g 是观测图像; f 是原始图像; n 是噪声, 假设 g( x, y ) 的大小是 N ! N, 则可以用 g( x, y ) 的第 1 行的图 像元素形成向量 g 的前 N 个元素 , 用第 2 行的图像元素形成向量 g 的下 N 个元素, 依次类推, 最终的向量维 数为 N 2 ! 1。 因为这些向量是用同样的方法构建的, 所以 g 、 f 和 n 尺寸相同, 都是 N 2 ! 1 的列向量, 因而 H 是 N 2 ! N 2 的 PSF 参数矩阵。从模型中估计 f 的问题称为线性反转问题, 其是经典图像复原研究的基础[ 2] 。2逆滤波复原技术逆滤波法是最早使用的一种无约束复原方法 , 通常用来处理从航天器传来的退化图像[ 5] 。其算法如下: 对于式 ( 2) 的图像退化模型 , 当对 n 的统计特性不确定时 , 需要寻找 1 个 f 的估计 f ^ , 使得 H f ^ 在最 小均方误差的意义下最接近 g, 即让 n 的模或范数最小:[ 收稿日期 ]
[ 基金项目 ] 国家 863 计划重点项目 ( 2006A A 060103) 。 [ 作者简介 ] 付青青 ( 1977 ) , 女 , 2001 年大学毕业 , 硕士 , 讲师 , 现主要从事信号处理与电子技术基础课方面的教学与研究工作。? 78 ?长江大学学报 ( 自然科学版 )2010 年 6 月#n # 2 = nT n = #g - H f ^ #2 = ( g - H f ^ )T (g- H f ^) 根据式( 3) , 可把恢复问题看作对 f ^ 求下式的最小值: 2 L( f^ ) = #g - Hf^ # 将 L 对 f^ 求微分并将结果设为零, 再设 M = N 和 HT -1 T -1 T -1 T - 1( 3) ( 4) ( 5) ( 6)存在, 可得到无约束恢复公式:f^ = ( H H ) H g = H ( H ) H g = H g 根据循环矩阵对角化的讨论, 式( 5 ) 可以写成如下形式的估计 : F ^ ( u, v) = G( u, v) H ( u, v ) 表示 : f^ ( x , y) = F - 1 [ F ^ ( u, v) ] = F - 1 G( u, v) H ( u, v )-1然后采用 F ^ ( u, v) 的傅里叶逆变换得到图像的相应估计, 这种方法称为逆滤波, 恢复后的图像可以用下式( 7)由式 ( 7) 可知, 如果 H ( u, v ) 在 uv 平面上取零或很小, 会带来计算上的困难。 另一方面, 噪声还会带来 更严重的问题, 若加入噪声则得到 : F ^ ( u, v) = F( u, v ) + N ( u, v) ( 8) H ( u, v ) 由式( 8) 可以看出, 如果 H ( u, v) 在 uv 平面上取零或很小, N( u, v) / H ( u, v) 就会使恢复结果与预期结果 有很大差距。 实际上 H ( u, v) 随 u, v 与原点距离的增加而迅速减小, 而噪声 N( u, v) 一般变化却缓慢。 在此情 况下, 恢复只能在与原点较近 ( 接近频域中心 ) 的范围内进行, 所以一般情况下逆滤波器并不正好是 1/ H ( u, v) , 而是 u 和 v 的某个函数, 可记为 M( u, v) , 常被称为恢复转移函数。 一种改进方法是取 M( u, v) 为 : 1/ H ( u, v) 其他 其中 , t 和 d 均为小于 1 的常数 , 而且 d 选得较小为好。 M( u, v) = t H ( u, v ) ? d ( 9)3维纳滤波复原技术维纳滤波是一种最早为人们熟知的线性图像复原方法 , 维纳解卷是在假定图像信号可近似看作是平 稳随机过程的前提下, 按照 f ( x , y ) 和 f^ ( x , y ) 之间的统计误差 e2 达到最小的准则来实现图像恢复[ 4] , 即 : e2 = minE { [ f ( x , y ) - f^ ( x , y ) ] 2 } ( 10) 式中 , E 表示期望值操作符 ; f ( x , y ) 表示未退化的图像; f^ ( x , y ) 表示恢复的图像。 如果把恢复看作在满足式 ( 3) 条件下选取 f ^ 的 1 个线性操作符 Q( 变换矩阵) , 使得 # Qf ^ # 2 最小。 通 常可以用拉格朗日乘数法解决此问题, 设 a 为拉格朗日乘数, 要找到能使下列准则函数最小化的 f ^: L( f^ ) = #Qf ^ # + a( # g - H f ^ # - #n # ) 与解式( 4 ) 相同, 可得有约束恢复公式 ( 令 s = 1/ a) :2 2 2( 11) ( 12)f^ = [ H T H + sQ T Q] - 1 H T g当选用图像 f 和噪声 n 的自相关矩 阵 R f 和 R n 表示 Q, 即可得到维纳滤波复原方法。 定义 Rf = T T T - 1 E{ f f } , R n = E{ nn } , 定义 Q Q = R f R n 并将其代入式 ( 12) 得到频域表达式 ( 其中 s = 1) : F ^ ( u, v) = 1 | H ( u, v) | 2 G( u, v) H ( u, v) | H ( u, v) | 2 + S n ( u, v ) / S f ( u, v) ( 13)式中, H ( u, v) 表示图像的退化函数; S n ( u, v) / S f ( u, v) 称为噪信功率比; | H ( u, v) | 2 = H * ( u, v) H ( u, v) , H * ( u, v) 表示 H ( u, v) 的复共轭; S n ( u, v) = | N ( u, v) | 2 表示噪声的功率谱 ; S f ( u, v) = | F( u, v) | 2 表示 未退化图像的功率谱。 只要对 F ^ ( u, v) 求傅立叶反变换就得到恢复后的图像 f^ ( x , y ) , 可以看出, 维纳滤波器不存在极点, 即 使当 H ( u, v) 等于 0 时, 维纳滤波器的分母至少等于噪信功率比 , 所以对噪声有抑制作用。 通常并不知道信 号和噪声的功率 , 一般情况下用一个常量数组 K 来代替 S n ( u, v) / S f ( u, v ) 。 则式( 13) 用下式来近似 : F ^ ( u, v) = 1 | H ( u, v) | H ( u, v) | H ( u, v) | 2 + K G ( u, v)2( 14)第 7 卷 第 2 期: 理 工付青青等 : 高斯模糊图 像的复原处理与研究? 79 ?由此可以看到, 当 K 为 0 时, 维纳滤波器就转化为标准的逆滤波器, 而逆滤波器是从退化模型严格反 推出来的 , 所以当 K 不等于 0 时, 虽然能抑制噪声的扩大, 但复原的模型没有去卷积滤波器精确, 容易造成 复原的失真。 K 越大, 抑制噪声效果越好 , 但复原不准确 , 图像会比较模糊 ; K 越小 , 复原越准确, 然而噪 声抑制效果不好。4有约束的最小二乘方滤波复原技术约束最小二乘方滤波式从式 ( 12) 出发来确定变换矩阵 Q。 为了减小振荡, 可以建立基于平滑测度的最优准则[ 4] , 例如 , 可使某些二阶微分的函数最小化 , f ( x , y ) 在( x , y ) 处的二阶微分可用下式近似 :2f + 2 x2f % 4 f ( x , y ) - [ f ( x + 1, y ) + f ( x - 1, y ) + f ( x , y + 1 ) + f ( x , y - 1) ] 2 y( 15)上述二阶微分可以用 f ( x , y ) 与下列算子卷积得到 : 0 - 1 0 p(x, y) = - 1 4 - 1 0 - 1 0 基于这种二阶微分的最优准则是:2minf22x+2f y22该函数的约束条件为 : #g - H f ^ # = #n # 其最优化问题的频域解决办法由下式给出:2( 16)F ^ ( u, v) =H * ( u, v) G( u, v) | H ( u, v ) | 2 + s | P ( u, v) | 2( 17)其中 , s 是一个必须加以调整的参量, 以便约束条件得到满足; P ( u, v) 是函数 p ( x , y ) 的傅立叶变换。5试验结果及分析根据上述复原算法原理, 笔者利用 m at lab 编程 实现了 3 种 图像 的复原算法。图 1 是对高斯模糊并 有加性噪声方差为 2 的退化图像利 用 3 种算法复原的结果。图 1 ( a) 是分辨率为 328 ! 180 的 8 位 BM P 原始灰度图; 图 1 ( b) 是计算机模 拟出的高斯模糊并有加性噪声影响 的退化图像 , 模糊函数是均值为 0、 均方差为 6、滤波尺寸为 7 的高斯 函数 , 添加 的高斯 噪声 均值 为 0, 方差为 2; 图 1 ( c) 是逆滤波复原 图像, 式 ( 9 ) 中 t 取 0 9, d 取 0 07; 图 1 ( d) 是维纳滤波复原图 像, 式 ( 14) 中 K 取 0 005; 图 1 ( e) 是有约束的最小二乘滤波复原 图像 , 式 ( 17) 中 s 取 10 。可以 看出 , 逆滤波和有约束的最小二乘 方技术抑制噪声的能力虽然不如维 纳滤波, 但由于噪声方差较小, 因图1 噪声方差为 2 时 3 种算法的复原结果- 3? 80 ?长江大学学报 ( 自然科学版 )2010 年 6 月而 3 种方法复原的结果区别不大, 细节保持能力均较好。 图 2 是对高斯模糊并有加性噪 声方差为 20 的退化图像利用 3 种 算法复原的结果。图 2 ( a) 是在图 1 ( b) 的基础上将高斯噪声方差增 加到 20 的退化图 像; 图 2 ( b) 是 逆滤波复原的图像, 式 ( 9) 中 t 取 0 07, d 取 0 13; 图 2 ( c) 是维纳 滤波 复原图 像, 式 ( 14) 中 K 取 0 021; 图 2 ( d) 是有约 束的最小 二乘滤波复原图 像, 式 ( 17) 中 s 取 10- 2 1。可以看出 , 在加大噪声方差的情况下 , 逆滤波和有约束的 最小二乘方复原图像受噪声的影响 较明显, 图像中噪声颗粒偏大, 维图 2 噪声方差为 20 时 3 种算法的复原结果纳滤波复原技术抑制噪声能力要好于其他 2 种方法, 但其模糊程度较大, 而有约束的最小二乘方复原技 术的细节保持能力最强。 图像复原质量既可以从主观上评价 , 也可以从客观上定量描述, 常用的图像复原客观评价标准是均 方误差 MS E[ 6]( M ean Square Erro r) 。 假设 f ( x , y ) 的尺寸为 M ! N , MS E 可用下式计算: 1 M! NM- 1 N- 1 x= 0 y= 0MSE =! !( f ( x , y ) - f^ ( x , y ) )2( 18)表 1 3 种方法对不同噪声的退化图像复原结果的 MSE噪声方差 2 20 逆滤波 115 27 205 37 M SE 维纳滤波 约束最小二乘方滤波 103 66 101 34 196 91 178 52表 1 列出了 3 种复原算法对不同退化图像复 原结果的 MSE , 各个参数的取值为文中所述的数 值。 图像的 MSE 越小, 说明复原之后的图像与原 始图像越接近, 复原效果越好。 从表中数据可以看出, 在噪声方差较小时 , 3 种方法的 MSE 均较小 且相差不大, 当噪声方差为 20 时, 3 种方法的 MSE 也随着变大, 有约束的最小二乘方复原的均方误差最 小, 因而其复原效果最好。6结语通过对上述 3 种算法的研究并对计算机模拟出的高斯模糊并有不同加性噪声影响的 2 幅退化图像进 行复原处理, 在寻找较好视觉效果上取得了丰富的经验数据。从复原图像质量以及客观评价标准来看 , 在噪声方差较小时, 3 种方法的复原效果均较好 ; 在加大噪声方差时, 维纳滤波复原技术抑制噪声的能 力最好, 有约束的最小二乘方复原技术的细节保持能力最强。所以在高噪声环境下 , 可以选择有约束的 最小二乘方复原技术来达到更好的视觉效果。当然, 在实际应用中 , 要根据经验来选择最佳参数进行图 像复原。对于今后图像复原算法的研究 , 应以提高复原算法的有效性和效率为主要研究方向 , 不断提高 复原图像的质量和速度, 并降低算法的复杂度。 [ 参考文献][ 1] 明文华 [ 2] 杨彦 运动模糊图像复原算法研究 [ D] 图像复原算法研究 [ D ] 合肥 : 安徽大学 , 2004 微计算机信息, 2009, 25 ( 5) : 279~ 280 成都 : 四川大学 , 2004 阮秋琦译 北京 : 电子工业出版社 , 2007 计算机工程与应用 , 2008, 44 ( 14) : 187~ 189[ 3] 钟金辉 , 彭荫荣 , 王万迎 , 等 基于 Lucy 算法的散焦图像复原 [ J] [ 4] R af ael C, Richard E 数字图像处理 [ M ] [ 5] 何蕾 数字图像复原算法研究 [ D] [ 6] 蒋伟 , 胡学刚 合肥 : 合肥工业大学 , 2007一种基于偏微分方程的图像复原新模型 [ J ][ 编辑 ]李启栋Abstract: Oil/ g as w ell cem ent at ion in Bur ma in shallow reservoirs w it h hig h pressure g as and low t em perature ult ra hig h high densit y w as im plemented, on the basis of g rain co mpo sit ion t heor y o f clo se accumulat ion conception, t he model of clo se accum ulat ion part icle size distr ibut io n w as est ab lished Increasing so lid phase part icle inner per unit vo lum e slurry and decreasing w at er/ cement rat io realize hig h densit y slurry and improve slurry per for mance Wit h part icle size dist ribut io n mo de, by using vari size gr ained hemat it e par ticle of w eig ht ing ag ent , t he g rading w eight ing exper im ent w as optim ized Wit h t he w eig hting ag ent , the high densit y close accumulat io n slurry sy st em perf orm ance is good F ield cement at io n quality is good, w hich v er if ies t he dependabilit y of clo se accumulat io n model Simult aneously , t he addit ive system suit s t o high densit y slurry is opt imized, w e complet ed t he f irst 2 8g / cm 3 ult rahig h hig h densit y slurry syst em is dev elo ped in dom est ically By adding f ibre, t he high density slur ry syst em has goo d perfo rmance in leak resist ance and sealing Key words:
ult rahigh
fibre sealing 74 Research on Recognition of Shoeprints Combining Outline and Textural FeaturesGUAN Ya n LI Yua n jin( L i anyung ang N ormal Col l ege , L i anyung ang 222006) ( Chuz hou Uni v er sit y , Chuz hou 239000)Abstract: T he paper pr opo ses a met hod o f sho eprint r et rieval based on out side co nt our and inside t ex tural features centering on shape f eat ur es of shoeprint s Aspect rat ion and special point s o f subareas are used to describe t he o ut side cont our of sho eprint s, and F ourier descript or s and t he chain code ar e applied t o represent t he inside t ex t ur al f eat ures of shoeprint s T he ex perim ent al r esul t sho w s t hat t he pro po sed method of shoeprint f eat ur es is f ast , ex act and pract ical Key words: imag e recog nit ion 77 Process and Research on Restoration of Gaussian burred ImageFU Qing qing( Yang tz e Univ e rsi ty , J ing z hou 434023)Abstract: Several classical im ag e r esto ratio n algo rithm s are analyzed, in t he case of know n funct ion o f t he im ag e degradat ion, the Gaussian blurr ed images ar e r est ored by using inv erse filt ering , w iener filt ering , const rained least squar es filt er ing alg orit hm , a w ealt h o f empirical dat a o n t he param et er se lect io n of t he abov e algorit hms w as obt ained Mat lab sim ulat ion result s show that in high noise envi ronment , t he Wiener filt ering has the bet ter abilit y o f suppressing no ise, constr ained least squar es fil tering has t he best ef f ect t o r em ain t he image details Keywords: constr ained least squares 85 Research and Realization of 3D Virtual Campus Based on VrMapHUANG Cha ng jun , HU Li min , ZHO U Qing sha n, CAO Yua n zhi( H unan Cit y Univ er sit y , Yi yang 413000)Abstract: On t he basis o f full absor pt ion in relevant r esearch result s, it put s fo rw ar d a B/ S fr am e w ork const ruct ed v irt ual campus of H unan Cit y Universit y According t o it s act ual sit uation and t he need, it desig ned t he dat abases and f unctio nal modules VRM ap IM S is used t o release 3D scene o n 3D so ft w are plat for m VRM ap, VRMap SDK is used in t he developm ent , t he syst em can achiev e br ow sing o f three dim ensio nal environment , quer ying and lo cat ing , m easuring the dist ance and ot her funct ions T he virt ual cam pus syst em provides a scient if ic, sim ple and visual w ay f or t he m anagement of t he campus Key words: VrM 3D spat ial analysis? &?
赞助商链接
利用 MATLAB 软件对图像添加噪声及进行人为模糊处理;用滤波方法对退化图像进行复原, 其中噪声类型包括高斯噪声、椒盐噪声和均匀噪声;模糊类型包括运动模糊和高斯模糊。 ...所以对这类图像复原方法的研究是就有非常重要的现实...而自然图像的模糊类型主要有运动模糊、高斯模糊、散焦...这种方法说明了如 1 何处理噪声,但是需要知道图像...毕业设计(论文)题目: 高斯模糊图像的复原处理与研究 2. 毕业设计(论文)起止时间: 2011 年 12 月 10 日～2012 年 6 月 10 日 3.毕业设计(论文)所需资料...图像的各种退化处理,并能编程实现 退化图像的复原。...为了研究的需要,通常情 况下都把退化简化为化为一...其中模糊退化可选高斯模糊、大气湍流模糊或运动模糊(...图像去噪处理 44页 4下载券 高斯模糊噪声图像的图像...了解图像复原的 Matlab 实现方法 2 实验内容 A) ...休闲农庄项目可行性研究报告 2014年建筑幕墙建筑装饰行业...3. 图像降质的数学模型 图像复原处理的关键问题在于...进行高斯模糊后的图片,代码如下: D1 = imnoise(B...数字图像复原算法研究 47页 1下载券 数字图像复原技术...北大医学数字图像处理6... 16页 2下载券 数字图像复原算法研究 47页 1下载...(2) 理解数字图像运动模糊,高斯模糊以及其他噪声引起模糊(图像降质 现象)的物理...引言图像复原是数字图像处理领域中的最重要、最 基本的研究课题之一,具有重要的...4.1 高斯模糊和运动模糊图像复原 (8) 采用高斯模糊和运动模糊后的图像(图 4)...运动模糊图像复原技术的研... 63页 免费 高斯模糊图像的盲复原附带... 39页...针对复杂成像情况下的运动模糊图像复原工作,着重解决了含噪运动模糊图像和局部运 ...二、实验原理此实验是对数字图像处理课程的一个高级操作。在深入理解与掌握数字...图像的退化与复原 实验日期:2014 年 1 月日 成绩: 原图 运动模糊 高斯模糊...
All rights reserved Powered by
www.tceic.com
copyright &copyright 。文档资料库内容来自网络，如有侵犯请联系客服。您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
　【PR】常用快捷键.doc 81页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
你可能关注的文档：
··········
··········
【ae】0预览
Timeline时间线上操作ctrl+a ： 全选 ctrl+c ：拷贝 ctrl+v ： 粘贴 ctrl+shift+v：将拷贝的剪辑适合粘贴到其它剪辑中 ctrl+alt+v：将拷贝的剪辑中的某一属性粘贴到其它剪辑中 +、- ：时间单位缩放 ：恢复上次时间单位 v: 移动剪辑工具 ：剪切 、多层剪切 n ：剪切掉出入点{、}工具 z：时间单位放大镜工具 按alt缩小 h:平移观看时间线。 空格键: 播放 或 停止 j: 倒放 ctrl+r持续时间 ctrl+shift+r：速度 按住shift在导航器中移动鼠标可实时找到某一剪辑。 m： 选择并移动、虚拟剪接、单层全部位移、多层位移 home end 到全部剪接的开头与结尾 page up page down或是ctrl+shift+左右键 ：时间线到每一个剪接的开头与结尾 ctrl+t：修整模式可在monitor(监视器）中实时修整剪辑的出入点并带涟漪模式（随着剪辑的缩放这个剪辑后面的文件跟着后移或前移）。 左右键 ：向前向后一帧 shift+左右键：向前向后五帧 ctrl+点击片断 ：多重选择 按住ctrl+shift+alt :带标示百分量的视、音频减弱工具 按住ctrl+alt移动视、音频锁定变为暂时解锁 shift+alt移动解锁的视、音频剪辑后出现链式图标，点击鼠标重新编组锁定视、音频。 ctrl+shift+alt+左右键：以五帧的变量改变剪辑的出入点但剪辑长度不变。 alt+退格键：涟漪模式删除剪辑 按住alt：在剪辑层前后出现代箭头的E在监视器中出现涟漪模式的外划帧 tab:隐藏 转场之类的。。。。。 t:打开剪辑 i o:设出入点 q w :到出入点 d f g: 清除出入点 标记：（选中剪辑）ctrl+alt+(0-9) ctrl+左右键或ctrl+(0-9):寻找标记点 ctrl+shift+alt+c:清除选中剪辑全部标记点。 在ab轨中将时间线拖到两层之间ctrl+d键出现默认转场（淡出淡入） 双击转场击入设置按住shift移动鼠标客将转场出入点定格为同一转场画面方式  ctrl+tab出现monitor(监视器）栏 ，将剪辑以涟漪模式插入timeline轨道 .将剪辑覆盖插入timeline轨道。  字幕快捷键f9:字幕快捷键 ctrl+a ： 全选 shift+左右键：在插入光标前后一个一个字选择 shift+上下键：向上下一行一行选择 alt+上下键：行距一个单位调整。 shift+alt+左右键：字距五个单位调整 alt+左右键：字距一个单位调整。 shift+alt+上下键：字距五个单位调整。 ctrl+alt+左右键：字体以小单位数量缩放 ctrl+shift+alt+左右键：字体以大单位数量缩放。 w:白背景 b:黑背景 文件操作f3导入 f5 f6 采集 与 批量采集
f8 输出影片
关于影视后期编辑的一些常见问题
（一）画中画效果的制作？
画中画是一种很常见的制作技巧，在电视节目中我们可以看到很多场景都是使用的这个效果。使用Premiere就可以很轻松的制作出来，在premiere中我们主要使用3种方法可以达到这个效果。
第一：最简单的方法，使用转场效果之zoom特效。
具体步骤：
1． 选择2段素材，然后一段素材放到video1A，一段素材放到video1B上，素材自选。
2． 在2个轨道之间的tranisiton之间选择zoom-zoom这个转场特效
3． 把zoom这个特效放到video1A和video1B轨道中间，然后调整zoom里面的一个属性即可，把start和end的百分比调整成一样就可以了，具体的数值根据自己需要。另外，用鼠标点击视频较小的视频中间位置，可以任意移动这个视频的位置。如图所示是在右上角。Border的颜色自己可以选择。
4． 然后点击ok，回到时间轴，按着alt键就可以预栏了。看看效果如何，其中画中画的位置是可以调整的。
第二：使用motion方法
1． 选择2段素材，放置到任意的轨道上，然后在右键点击最上面的轨道，在弹出的菜单里选择video option—motion，这个选项
2． 在这个移动属性设置里面，设置如下一下几个选项就可以了：zoom设置成小于100％，因为只有小于100％，下面的画面才可能显示出来。然后把移动画面的start和end设置到一个位置就可以
第三：使用蒙版的方法
1．首先制作蒙版这个素材，在photoshop里选择椭圆工具，然后羽化20象素，选择油漆桶工具填充黑色，填充，然后保存成ps
正在加载中，请稍后...
102页189页33页69页35页58页39页62页55页106页&nbsp>&nbsp
&nbsp>&nbsp
&nbsp>&nbsp
高斯模糊效果实现方案及性能对比
摘要：高斯模糊实现方案探究现在越来越多的app在背景图中使用高斯模糊效果,如yahoo天气,效果做得很炫。这里就用一个demo来谈谈它的不同实现方式及各自的优缺点。1.RenderScript谈到高斯模糊,第一个想到的就是RenderScript。RenderScript是由Android3.0引入,用来在Android上编写高性能代码的一种语言(使用C99标准)。引用官方文档的描述:RenderScriptruntimewillparallelizeworkacrossallpr
高斯模糊实现方案探究
现在越来越多的app在背景图中使用高斯模糊效果,如yahoo天气,效果做得很炫。 这里就用一个demo来谈谈它的不同实现方式及各自的优缺点。
1. RenderScript
谈到高斯模糊,第一个想到的就是RenderScript。RenderScript是由Android3.0引入,用来在Android上编写高性能代码的一种语言(使用C99标准)。 引用官方文档的描述:
RenderScript runtime will parallelize work across all processors available on a device, such as multi-core CPUs, GPUs, or DSPs, allowing you to focus on expressing algorithms rather than scheduling work or load balancing.
为了在Android中使用RenderScript,我们需要(直接贴官方文档,比直译更通俗易懂):
High-performance compute kernels are written in a C99-derived language.
A Java API is used for managing the lifetime of RenderScript resources and controlling kernel execution.
学习文档:http://developer.android.com/guide/topics/renderscript/compute.html
上面两点总结成一句话为:我们需要一组compute kernels(.rs文件中编写),及一组用于控制renderScript相关的java api(.rs文件自动生成为java类)。 由于compute kernels的编写需要一定的学习成本,从JELLY_BEAN_MR1开始,Androied内置了一些compute kernels用于常用的操作,其中就包括了Gaussian blur。
下面,通过实操来讲解一下RenderScript来实现高斯模糊,最终实现效果(讲文字背景进行模糊处理):
[html] view plaincopy
&?xml&version=&1.0&&encoding=&utf-8&?&&&
&FrameLayout&xmlns:android=&http://schemas.android.com/apk/res/android&&&
android:layout_width=&match_parent&&&
android:layout_height=&match_parent&&&&&
&&&&&ImageView&&&
&&&&&&&&android:id=&@+id/picture&&&&
&&&&&&&&android:layout_width=&match_parent&&&&
&&&&&&&&android:layout_height=&match_parent&&&&
&&&&&&&&android:src=&@drawable/splash&&&&
&&&&&&&&android:scaleType=&centerCrop&&/&&&
&&&&&TextView&&&
&&&&&&&&android:id=&@+id/text&&&
&&&&&&&&android:gravity=&center_horizontal&&&&
&&&&&&&&android:layout_width=&match_parent&&&
&&&&&&&&android:layout_height=&wrap_content&&&
&&&&&&&&android:text=&Gaussian&Blur&&&
&&&&&&&&android:textColor=&@android:color/black&&&
&&&&&&&&android:layout_gravity=&center_vertical&&&
&&&&&&&&android:textStyle=&bold&&&
&&&&&&&&android:textSize=&48sp&&/&&&
&&&&&LinearLayout&&&
&&&&&&&&android:id=&@+id/controls&&&&
&&&&&&&&android:layout_width=&match_parent&&&&
&&&&&&&&android:layout_height=&wrap_content&&&&
&&&&&&&&android:background=&#7f000000&&&&
&&&&&&&&android:orientation=&vertical&&&
&&&&&&&&android:layout_gravity=&bottom&&/&&&
&/FrameLayout&&&
[java]%20view%20plaincopy
private&void&applyBlur()&{&&
&&&&image.getViewTreeObserver().addOnPreDrawListener(new&ViewTreeObserver.OnPreDrawListener()&{&&
&&&&&&&&@Override&&
&&&&&&&&public&boolean&onPreDraw()&{&&
&&&&&&&&&&&&image.getViewTreeObserver().removeOnPreDrawListener(this);&&
&&&&&&&&&&&&image.buildDrawingCache();&&
&&&&&&&&&&&&Bitmap&bmp&=&image.getDrawingCache();&&
&&&&&&&&&&&&blur(bmp,&text,&true);&&
&&&&&&&&&&&&return&&&
&&&&&&&&}&&
@TargetApi(Build.VERSION_CODES.JELLY_BEAN_MR1)&&
private&void&blur(Bitmap&bkg,&View&view)&{&&
&&&&long&startMs&=&System.currentTimeMillis();&&
&&&&float&radius&=&20;&&
&&&&Bitmap&overlay&=&Bitmap.createBitmap((int)(view.getMeasuredWidth()),&(int)(view.getMeasuredHeight()),&Bitmap.Config.ARGB_8888);&&
&&&&Canvas&canvas&=&new&Canvas(overlay);&&
&&&&canvas.translate(-view.getLeft(),&-view.getTop());&&
&&&&canvas.drawBitmap(bkg,&0,&0,&null);&&
&&&&RenderScript&rs&=&RenderScript.create(SecondActivity.this);&&
&&&&Allocation&overlayAlloc&=&Allocation.createFromBitmap(rs,&overlay);&&
&&&&ScriptIntrinsicBlur&blur&=&ScriptIntrinsicBlur.create(rs,&overlayAlloc.getElement());&&
&&&&blur.setInput(overlayAlloc);&&
&&&&blur.setRadius(radius);&&
&&&&blur.forEach(overlayAlloc);&&
&&&&overlayAlloc.copyTo(overlay);&&
&&&&view.setBackground(new&BitmapDrawable(getResources(),&overlay));&&
&&&&rs.destroy();&&
&&&&statusText.setText(&cost&&&+&(System.currentTimeMillis()&-&startMs)&+&&ms&);&&
当ImageView开始加载背景图时,取出它的drawableCache,进行blur处理,Gaussian%20blur的主要逻辑在blur函数中。对于在Java中使用RenderScript,文档中也有详细描述,对应到我们的代码,步骤为:
初始化一个RenderScript%20Context.
至少创建一个Allocation对象用于存储需要处理的数据.
创建compute%20kernel的实例,本例中是内置的ScriptIntrinsicBlur对象.
设置ScriptIntrinsicBlur实例的相关属性,包括Allocation,%20radius等.
开始blur操作,对应(forEach).
将blur后的结果拷贝回bitmap中。
此时,我们便得到了一个经过高斯模糊的bitmap。%20
从上图可以看到,模糊处理花费了38ms(测试机为小米2s),由于Android假设每一帧的处理时间不能超过16ms(屏幕刷新频率60fps),因此,若在主线程里执行RenderScript操作,可能会造成卡顿现象。最好的方式是将其放入AsyncTask中执行。
此外,RenderScript在3.0引入,而一些内置的compute kernel在JELLY_BEAN_MR1中引入,为了在低版本手机中使用这些特性,我们不得不引入renderscript_v8兼容包,对于手Q安装包增量的硬性指标,貌似只能放弃JELLY_BEAN_MR1以下的用户?
有点不甘心,想想别的解决方案吧。
2. FastBlur
由于高斯模糊归根结底是像素点的操作,也许在java层可以直接操作像素点来进行模糊化处理。google一下,果不其然,一个名为stackblur的开源项目提供了名为fastBlur的方法在java层直接进行高斯模糊处理。
项目地址请猛戳: stackblur
ok,现在来改造我们的程序.
[java] view plaincopy
private&void&blur(Bitmap&bkg,&View&view)&{&&
&&&&long&startMs&=&System.currentTimeMillis();&&
&&&&float&radius&=&20;&&
&&&&Bitmap&overlay&=&Bitmap.createBitmap((int)(view.getMeasuredWidth()),&(int)(view.getMeasuredHeight()),&Bitmap.Config.ARGB_8888);&&
&&&&Canvas&canvas&=&new&Canvas(overlay);&&
&&&&canvas.translate(-view.getLeft(),&-view.getTop());&&
&&&&canvas.drawBitmap(bkg,&0,&0,&null);&&
&&&&overlay&=&FastBlur.doBlur(overlay,&(int)radius,&true);&&
&&&&view.setBackground(new&BitmapDrawable(getResources(),&overlay));&&
&&&&statusText.setText(&cost&&&+&(System.currentTimeMillis()&-&startMs)&+&&ms&);&&
这里,仅仅是把RenderScript相关的操作换成了FastBlur提供的api。效果图如下:%20
效果还不错,与RenderScript的实现差不多,但花费的时间却整整多了2倍多,这完全是无法接受的。好吧,只能继续探究。
3. AdvancedFastBlur
stackOverflow对于程序员来说永远是最大的宝藏。http://stackoverflow.com/questions/2067955/fast-bitmap-blur-for-android-sdk这篇提问帖终于提供了新的解决思路:
This is a shot in the dark, but you might try shrinking the image and then enlarging it again. This can be done with Bitmap.createScaledBitmap(Bitmap src, int dstWidth, int dstHeight, boolean filter). Make sure and set the filter parameter to true. It'll run in native code so it might be faster.
它所表述的原理为先通过缩小图片,使其丢失一些像素点,接着进行模糊化处理,然后再放大到原来尺寸。由于图片缩小后再进行模糊处理,需要处理的像素点和半径都变小,从而使得模糊处理速度加快。 了解原理,继续改善:
[java] view plaincopy
private&void&blur(Bitmap&bkg,&View&view)&{&&
&&&&long&startMs&=&System.currentTimeMillis();&&
&&&&float&radius&=&2;&&
&&&&float&scaleFactor&=&8;&&
&&&&Bitmap&overlay&=&Bitmap.createBitmap((int)(view.getMeasuredWidth()/scaleFactor),&(int)(view.getMeasuredHeight()/scaleFactor),&Bitmap.Config.ARGB_8888);&&
&&&&Canvas&canvas&=&new&Canvas(overlay);&&
&&&&canvas.translate(-view.getLeft()/scaleFactor,&-view.getTop()/scaleFactor);&&
&&&&canvas.scale(1&/&scaleFactor,&1&/&scaleFactor);&&
&&&&Paint&paint&=&new&Paint();&&
&&&&paint.setFlags(Paint.FILTER_BITMAP_FLAG);&&
&&&&canvas.drawBitmap(bkg,&0,&0,&paint);&&
&&&&overlay&=&FastBlur.doBlur(overlay,&(int)radius,&true);&&
&&&&view.setBackground(new&BitmapDrawable(getResources(),&overlay));&&
&&&&statusText.setText(&cost&&&+&(System.currentTimeMillis()&-&startMs)&+&&ms&);&&
最新的代码所创建的bitmap为原图的1/8大小,接着,同样使用fastBlur来进行模糊化处理,最后再为textview设置背景,此时,背景图会自动放大到初始大小。注意,由于这里进行了缩放,radius的取值也要比之前小得多(这里将原始取值除以8得到近似值2)。下面是效果图:
惊呆了有木有!!效果一样,处理速度却快得惊人。它相对于renderScript方案来说,节省了拷贝bitmap到Allocation中,处理完后再拷贝回来的时间开销。
4. Warning
由于FastBlur是将整个bitmap拷贝到一个临时的buffer中进行像素点操作,因此,它不适合处理一些过大的背景图(很容导致OOM有木有~)。对于开发者来说,RenderScript方案和FastBlur方案的选择,需要你根据具体业务来衡量!版权声明:本文为博主原创文章,未经博主允许不得转载
以上是的内容，更多
的内容，请您使用右上方搜索功能获取相关信息。
若你要投稿、删除文章请联系邮箱：zixun-group@service.aliyun.com,工作人员会在五个工作日内给你回复。
云服务器 ECS
可弹性伸缩、安全稳定、简单易用
&40.8元/月起
预测未发生的攻击
&24元/月起
为您提供0门槛上云实践机会
你可能还喜欢
你可能感兴趣
阿里云教程中心为您免费提供
高斯模糊效果实现方案及性能对比相关信息，包括
的信息，所有高斯模糊效果实现方案及性能对比相关内容均不代表阿里云的意见！投稿删除文章请联系邮箱：zixun-group@service.aliyun.com，工作人员会在五个工作日内答复
售前咨询热线
支持与服务
资源和社区
关注阿里云
International}