【android opencv学习笔记】Day 26: 滤波算法之低通滤波与图像缩放插值

低通滤波与图像缩放插值

低通滤波是图像处理中最基础的平滑手段，而图像缩放与插值则是实际工程中高频使用的预处理操作。

本文将从原理讲解、API解析、Android完整源码实现三个维度，带你系统掌握均值滤波、高斯滤波、图像缩放与插值的工程落地。

---

核心原理

1. 低通滤波：平滑与去噪

低通滤波的核心作用是抑制图像高频成分（边缘、噪声），保留低频成分（大面积平坦区域），从而实现图像平滑、去噪效果。

（1）均值滤波（Box Filter）

• 原理：用像素邻域内所有像素的平均值替代当前像素值，邻域内每个像素权重相同。
• 以3×3邻域为例，内核为：
  K=19111111111 K = \frac{1}{9} \begin{bmatrix} 1 & 1 & 1 \\ 1 & 1 & 1 \\ 1 & 1 & 1 \end{bmatrix} K=91 111111111
• 特点：实现简单、速度快，但边缘会被过度模糊，抗噪性一般。

（2）高斯滤波（Gaussian Blur）

• 原理：用高斯函数生成邻域权重，离中心越近的像素权重越高，是加权平均的一种。
• 一维高斯函数公式：
  G(x)=Ae−x2/2σ2 G(x) = A e^{-x^2/2\sigma^2} G(x)=Ae−x2/2σ2
  其中σ控制曲线的宽窄，σ越大，权重分布越平缓，模糊效果越强。
• 特点：边缘过渡更平滑，保留细节的同时有效去噪，是最常用的平滑滤波。

---

2. 图像缩放与插值

图像缩放会引入新的像素位置，插值算法决定这些新像素的值，直接影响图像质量。

（1）空间假频问题

直接下采样（如每4个像素取1个）会丢失高频细节，导致锯齿、伪影。因此下采样前必须用低通滤波去除高频成分，再进行缩放。

（2）常用插值算法

算法	原理	特点
INTER_NEAREST（最近邻）	直接取最近邻像素值	速度最快，效果最差，有明显锯齿
INTER_LINEAR（双线性）	用周围4个像素线性插值	效果较好，速度适中，是默认算法
INTER_CUBIC（双三次）	用周围16个像素三次插值	效果最好，细节保留好，速度最慢

---

OpenCV 核心 API 解析

1. 低通滤波相关函数

（1）均值滤波

void blur(
    InputArray src,        // 输入图像
    OutputArray dst,       // 输出图像
    Size ksize,            // 滤波核大小（如Size(5,5)）
    Point anchor = Point(-1,-1) // 锚点，默认中心
);

（2）高斯滤波

void GaussianBlur(
    InputArray src,        // 输入图像
    OutputArray dst,       // 输出图像
    Size ksize,            // 滤波核大小（必须为奇数）
    double sigmaX,         // X方向σ，控制模糊程度
    double sigmaY = 0      // Y方向σ，默认与X相同
);

• 若 ksize 为 Size(0,0)，则核大小由 sigmaX 自动计算。

（3）获取高斯核

Mat getGaussianKernel(
    int ksize,              // 核大小（奇数）
    double sigma,           // σ值
    int ktype = CV_64F      // 数据类型
);

---

2. 图像缩放与金字塔

（1）通用缩放函数 resize

void resize(
    InputArray src,
    OutputArray dst,
    Size dsize,            // 目标尺寸
    double fx = 0,         // 水平缩放因子
    double fy = 0,         // 垂直缩放因子
    int interpolation = INTER_LINEAR // 插值算法
);

（2）图像金字塔（下采样/上采样）

// 下采样：尺寸缩小一半，内部先做高斯滤波再降采样
void pyrDown(InputArray src, OutputArray dst);

// 上采样：尺寸放大一半，内部先插值再高斯滤波
void pyrUp(InputArray src, OutputArray dst);

---

Android 完整项目实现

1. 布局文件：activity_main.xml

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="8dp">

    <!-- 原图 -->
    <ImageView
        android:id="@+id/iv_original"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 均值滤波结果 -->
    <ImageView
        android:id="@+id/iv_blur"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 高斯滤波结果 -->
    <ImageView
        android:id="@+id/iv_gaussian"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

    <!-- 缩放插值结果 -->
    <ImageView
        android:id="@+id/iv_resized"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:layout_marginTop="4dp"
        android:scaleType="fitCenter"
        android:adjustViewBounds="true"/>

</LinearLayout>

---

2. Kotlin 上层代码：MainActivity.kt

package com.nicoli.lowpassdemo

import android.graphics.Bitmap
import android.graphics.BitmapFactory
import android.os.Bundle
import android.widget.ImageView
import androidx.appcompat.app.AppCompatActivity

class MainActivity : AppCompatActivity() {
    companion object {
        init {
            System.loadLibrary("native-lib")
        }
    }

    // JNI 接口声明
    private external fun processImage(src: Bitmap, outBlur: Bitmap, outGaussian: Bitmap, outResized: Bitmap)

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 加载原图
        val originalBitmap = BitmapFactory.decodeResource(resources, R.drawable.castle)

        // 创建输出位图
        val blurBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val gaussianBitmap = Bitmap.createBitmap(originalBitmap.width, originalBitmap.height, Bitmap.Config.ARGB_8888)
        val resizedBitmap = Bitmap.createBitmap(originalBitmap.width/4, originalBitmap.height/4, Bitmap.Config.ARGB_8888)

        // 执行处理
        processImage(originalBitmap, blurBitmap, gaussianBitmap, resizedBitmap)

        // 显示结果
        findViewById<ImageView>(R.id.iv_original).setImageBitmap(originalBitmap)
        findViewById<ImageView>(R.id.iv_blur).setImageBitmap(blurBitmap)
        findViewById<ImageView>(R.id.iv_gaussian).setImageBitmap(gaussianBitmap)
        findViewById<ImageView>(R.id.iv_resized).setImageBitmap(resizedBitmap)
    }
}

---

3. C++ 核心算法：native-lib.cpp（逐行注释）

#include <jni.h>
#include <opencv2/opencv.hpp>
#include <android/bitmap.h>

using namespace cv;
using namespace std;

// ====================== 工具函数：Bitmap ↔ Mat 转换 ======================
Mat bitmapToMat(JNIEnv *env, jobject bitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, bitmap, &info);
    AndroidBitmap_lockPixels(env, bitmap, &pixels);

    Mat rgba(info.height, info.width, CV_8UC4, pixels);
    Mat bgr;
    cvtColor(rgba, bgr, COLOR_RGBA2BGR);
    AndroidBitmap_unlockPixels(env, bitmap);
    return bgr;
}

void matToBitmap(JNIEnv *env, const Mat& srcMat, jobject dstBitmap) {
    AndroidBitmapInfo info;
    void* pixels;
    AndroidBitmap_getInfo(env, dstBitmap, &info);
    AndroidBitmap_lockPixels(env, dstBitmap, &pixels);

    Mat rgba;
    cvtColor(srcMat, rgba, COLOR_BGR2RGBA);
    memcpy(pixels, rgba.data, info.width * info.height * 4);
    AndroidBitmap_unlockPixels(env, dstBitmap);
}

// ====================== 低通滤波与缩放处理 ======================
void processLowPass(const Mat& srcBgr, Mat& outBlur, Mat& outGaussian, Mat& outResized) {
    // 1. 均值滤波（5×5核）
    blur(srcBgr, outBlur, Size(5,5));

    // 2. 高斯滤波（5×5核，σ=1.5）
    GaussianBlur(srcBgr, outGaussian, Size(5,5), 1.5);

    // 3. 先高斯滤波去高频，再下采样1/4（避免空间假频）
    Mat temp;
    GaussianBlur(srcBgr, temp, Size(11,11), 2.0);
    resize(temp, outResized, Size(srcBgr.cols/4, srcBgr.rows/4), 0, 0, INTER_LINEAR);
}

// ====================== JNI 接口 ======================
extern "C" JNIEXPORT void JNICALL
Java_com_nicoli_lowpassdemo_MainActivity_processImage
(JNIEnv *env, jobject thiz, jobject srcBitmap, jobject outBlur, jobject outGaussian, jobject outResized) {
    // 1. 转换Bitmap为OpenCV Mat
    Mat srcBgr = bitmapToMat(env, srcBitmap);

    // 2. 执行低通滤波与缩放处理
    Mat blurMat, gaussianMat, resizedMat;
    processLowPass(srcBgr, blurMat, gaussianMat, resizedMat);

    // 3. 转换结果回Bitmap
    matToBitmap(env, blurMat, outBlur);
    matToBitmap(env, gaussianMat, outGaussian);
    matToBitmap(env, resizedMat, outResized);
}

---

效果与参数详解

1. 运行效果

• 原图：包含城堡、云朵、水面等细节的灰度图像。
• 均值滤波结果：整体被均匀模糊，边缘细节被平滑。
• 高斯滤波结果：平滑效果更自然，边缘过渡柔和，比均值滤波更清晰。
• 缩放结果：下采样后的图像，无明显锯齿伪影，细节保留良好。

2. 关键参数说明

• 滤波核大小：核越大，模糊效果越强，一般取3、5、7等奇数。
• 高斯σ值：σ越大，权重分布越宽，模糊效果越强；若σ为0，OpenCV会根据核大小自动计算σ。
• 插值算法选择 ：
  • 下采样：优先使用 INTER_LINEAR 或 INTER_CUBIC，避免锯齿。
  • 上采样：INTER_LINEAR 速度快，效果好，是默认选择。

---

扩展应用与优化

1. 不同滤波的选择

• 仅需快速去噪，不追求细节：用均值滤波。
• 需保留边缘，同时平滑图像：用高斯滤波。
• 椒盐噪声去除：优先使用中值滤波（medianBlur）。

2. 图像缩放优化

• 大图像下采样：先降采样到目标尺寸的2倍，再高斯滤波，最后再次降采样，效果更稳定。
• 实时预览场景：优先使用 INTER_NEAREST 或 INTER_LINEAR，保证帧率。

---

总结

低通滤波与图像缩放是图像处理的基础操作，均值滤波简单高效，高斯滤波平滑自然，而缩放插值则直接影响图像质量。核心要点是：下采样前必须用低通滤波去除高频成分，避免空间假频，同时根据场景选择合适的插值算法，在速度与质量之间找到平衡。