#include <stdio.h>
#include <time.h>

// 应用优化后的可分离高斯模糊到给定的二维数组src上，并将结果存到二维数组dst中
void applySeparableGaussianBlur(float src[][5], float dst[][5], int h, int w, float kx[3], float ky[3]) {
    float buf[3][3];  // 提前声明buf数组，符合C89要求
    int i, j;  // 提前声明循环中使用的变量，符合C89要求

    // 初始化buf数组为0
    for (i = 0; i < 3; ++i) {
        for (j = 0; j < 3; ++j) {
            buf[i][j] = 0;
        }
    }

    // 宏定义，用于循环利用buf数组的3个行缓冲区，通过模运算确保索引值在0~2之间
#define IDX(n) ((n) % 3)

    // 循环计算前两行的行内卷积并存储在buf中
    for (i = 0; i < 2; ++i) {
        for (j = 1; j < w - 1; ++j) {
            buf[i][j] = src[i][j - 1] * kx[0] + src[i][j] * kx[1] + src[i][j + 1] * kx[2];
        }
    }

    // 开始进行可分离卷积
    for (i = 1; i < h - 1; ++i) {
        // 计算当前行的行内卷积
        for (j = 1; j < w - 1; ++j) {
            buf[IDX(i)][j] = src[i][j - 1] * kx[0] + src[i][j] * kx[1] + src[i][j + 1] * kx[2];
        }

        // 进行行间的卷积得到最终像素值
        for (j = 1; j < w - 1; ++j) {
            dst[i][j] = buf[IDX(i - 1)][j] * ky[0] + buf[IDX(i)][j] * ky[1] + buf[IDX(i + 1)][j] * ky[2];
        }
    }
#undef IDX
}

// 原始的应用3x3 GaussianBlur函数（与之前代码中的类似，方便对比用时）
void applyGaussianBlur(float src[][5], float dst[][5], int h, int w, float kernel[3][3]) {
    int i, j;  // 提前声明循环变量，符合C89要求
    for (i = 1; i < h - 1; ++i) {
        for (j = 1; j < w - 1; ++j) {
            dst[i][j] = 
                src[i - 1][j - 1] * kernel[0][0] + src[i - 1][j] * kernel[0][1] + src[i - 1][j + 1] * kernel[0][2] +
                src[i][j - 1] * kernel[1][0] + src[i][j] * kernel[1][1] + src[i][j + 1] * kernel[1][2] +
                src[i + 1][j - 1] * kernel[2][0] + src[i + 1][j] * kernel[2][1] + src[i + 1][j + 1] * kernel[2][2];
        }
    }
}

int main() {
    float inputImage[5][5] = {
        {1, 2, 3, 4, 5},
        {6, 7, 8, 9, 10},
        {11, 12, 13, 14, 15},
        {16, 17, 18, 19, 20},
        {21, 22, 23, 24, 25}
    };
    float kernel[3][3] = {
        {1.0f / 16, 2.0f / 16, 1.0f / 16},
        {2.0f / 16, 4.0f / 16, 2.0f / 16},
        {1.0f / 16, 2.0f / 16, 1.0f / 16}
    };
    float kx[3] = { 0.25f, 0.5f, 0.25f };
    float ky[3] = { 0.25f, 0.5f, 0.25f };
    float outputImage1[5][5];  // 存放原始GaussianBlur结果
    float outputImage2[5][5];  // 存放优化后的可分离GaussianBlur结果
    int i, j;  // 提前声明循环变量，符合C89要求

    // 原始GaussianBlur计时开始
    clock_t start_time1 = clock();
    applyGaussianBlur(inputImage, outputImage1, 5, 5, kernel);
    clock_t end_time1 = clock();
    double elapsed_time1 = ((double)(end_time1 - start_time1)) / CLOCKS_PER_SEC;

    // 优化后的可分离GaussianBlur计时开始
    clock_t start_time2 = clock();
    applySeparableGaussianBlur(inputImage, outputImage2, 5, 5, kx, ky);
    clock_t end_time2 = clock();
    double elapsed_time2 = ((double)(end_time2 - start_time2)) / CLOCKS_PER_SEC;

    // 输出原始GaussianBlur结果
    printf("原始GaussianBlur后的图像矩阵：\n");
    for (i = 0; i < 5; ++i) {
        for (j = 0; j < 5; ++j) {
            printf("%.2f ", outputImage1[i][j]);
        }
        printf("\n");
    }
    printf("原始GaussianBlur运行时间：%.6f 秒\n", elapsed_time1);

    // 输出优化后的可分离GaussianBlur结果
    printf("优化后的可分离GaussianBlur后的图像矩阵：\n");
    for (i = 0; i < 5; ++i) {
        for (j = 0; j < 5; ++j) {
            printf("%.2f ", outputImage2[i][j]);
        }
        printf("\n");
    }
    printf("优化后的可分离GaussianBlur运行时间：%.6f 秒\n", elapsed_time2);

    return 0;
}