如何在android中优化卷积矩阵

时间:2013-01-12 08:06:01

标签: android convolution

我使用Convolution Matrix为我的Android应用程序制作图像浮雕。 我已经将它定义为:

public class ConvolutionMatrix {
public static final int SIZE = 3;

public double[][] Matrix;
public double Factor = 1;
public double Offset = 1;

public ConvolutionMatrix(int size) {
    Matrix = new double[size][size];
}

public void setAll(double value) {
    for (int x = 0; x < SIZE; ++x) {
        for (int y = 0; y < SIZE; ++y) {
            Matrix[x][y] = value;
        }
    }
}

public void applyConfig(double[][] config) {
    for (int x = 0; x < SIZE; ++x) {
        for (int y = 0; y < SIZE; ++y) {
            Matrix[x][y] = config[x][y];
        }
    }
}

public static Bitmap computeConvolution3x3(Bitmap src,
        ConvolutionMatrix matrix) {
    int width = src.getWidth();
    int height = src.getHeight();
    Bitmap result = Bitmap.createBitmap(width, height, src.getConfig());

    int A, R, G, B;
    int sumR, sumG, sumB;
    int[][] pixels = new int[SIZE][SIZE];

    for (int y = 0; y < height - 2; ++y) {
        for (int x = 0; x < width - 2; ++x) {

            // get pixel matrix
            for (int i = 0; i < SIZE; ++i) {
                for (int j = 0; j < SIZE; ++j) {
                    pixels[i][j] = src.getPixel(x + i, y + j);
                }
            }

            // get alpha of center pixel
            A = Color.alpha(pixels[1][1]);

            // init color sum
            sumR = sumG = sumB = 0;

            // get sum of RGB on matrix
            for (int i = 0; i < SIZE; ++i) {
                for (int j = 0; j < SIZE; ++j) {
                    sumR += (Color.red(pixels[i][j]) * matrix.Matrix[i][j]);
                    sumG += (Color.green(pixels[i][j]) * matrix.Matrix[i][j]);
                    sumB += (Color.blue(pixels[i][j]) * matrix.Matrix[i][j]);
                }
            }

            // get final Red
            R = (int) (sumR / matrix.Factor + matrix.Offset);
            if (R < 0) {
                R = 0;
            } else if (R > 255) {
                R = 255;
            }

            // get final Green
            G = (int) (sumG / matrix.Factor + matrix.Offset);
            if (G < 0) {
                G = 0;
            } else if (G > 255) {
                G = 255;
            }

            // get final Blue
            B = (int) (sumB / matrix.Factor + matrix.Offset);
            if (B < 0) {
                B = 0;
            } else if (B > 255) {
                B = 255;
            }

            // apply new pixel
            result.setPixel(x + 1, y + 1, Color.argb(A, R, G, B));
        }
    }

    // final image
    return result;
}

}

它给了我正确的结果,但计算结果需要太多时间。有没有办法让计算更快,更有效率?

2 个答案:

答案 0 :(得分:2)

减速的核心是:

    // apply new pixel
    result.setPixel(x + 1, y + 1, Color.argb(A, R, G, B));

每次迭代逐像素地设置每个像素是合理的工作量,它们在位图​​类中不是空闲的。最好调用getPixels()例程并弄乱原始像素,然后将它们放回原处,只需完成一次。

你也可以对浮雕进行硬编码(大多数情况下你要抓取一堆数据并将其与内核相乘,你很容易欺骗并抓住你关心的三个像素。

private static int hardEmboss(int[] pixels, int stride, int index, int[][] matrix, int parts) {
        //ignoring the matrix
        int p1 = pixels[index];
        int p2 = pixels[index + stride + 1];
        int p3 = pixels[index + stride + stride + 2];
        int r = 2 * ((p1 >> 16) & 0xFF) - ((p2 >> 16) & 0xFF) - ((p3 >> 16) & 0xFF);
        int g = 2 * ((p1 >> 8) & 0xFF) - ((p2 >> 8) & 0xFF) - ((p3 >> 8) & 0xFF);
        int b = 2 * ((p1) & 0xFF) - ((p2) & 0xFF) - ((p3) & 0xFF);
        return 0xFF000000 | ((crimp(r) << 16) | (crimp(g) << 8) | (crimp(b)));
    }

假设您的浮雕内核是:

   int[][] matrix = new int[][]{
            {2, 0, 0},
            {0, -1, 0},
            {0, 0, -1}
    };

此外,大多数人都不知道标准卷积算法存在严重缺陷,其中结果像素返回中心是错误的。如果将其返回到左上角,则可以简单地处理扫描线操作中从左到右,从上到下的相同内存占用中的所有数据。

    public static int crimp(int v) { return (v > 255)?255:((v < 0)?0:v); }
    public static void applyEmboss(int[] pixels, int stride) { 
        //stride should be equal to width here, and pixels.length == bitmap.height * bitmap.width;
        int pos;
        pos = 0;
        try {
            while (true) {
                int p1 = pixels[pos];
                int p2 = pixels[pos + stride + 1];
                int p3 = pixels[pos + stride + stride + 2];
                int r = 2 * ((p1 >> 16) & 0xFF) - ((p2 >> 16) & 0xFF) - ((p3 >> 16) & 0xFF);
                int g = 2 * ((p1 >> 8) & 0xFF) - ((p2 >> 8) & 0xFF) - ((p3 >> 8) & 0xFF);
                int b = 2 * ((p1) & 0xFF) - ((p2) & 0xFF) - ((p3) & 0xFF);
                pixels[pos++] = 0xFF000000 | ((crimp(r) << 16) | (crimp(g) << 8) | (crimp(b)));
            }
        }
        catch (ArrayIndexOutOfBoundsException e) { }
    }

缺点是像素似乎向左和向上移动了1个像素。但是,如果你做另一个扫描线向后填充,你可以将它们移回。而这里的所有垃圾最终将在右侧和底部两排(其中一些将填充浮雕废话,因为我没有放慢速度来检查那些地方)。这意味着如果您想在读取像素时将其剪切,请将高度和宽度减小2,并使步幅保持原始宽度的大小。由于所有好的数据都位于最高位,因此您无需根据偏移量进行操作。

另外,只需使用renderscript。

答案 1 :(得分:1)

看看:Convolution Demo。它是一个App,用于比较 Java C ++ 中完成的卷积实现。 毋庸置疑,C ++变体的运行速度超过 10x

所以如果你想要速度要么通过NDK或Shaders实现它。