|
|
#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;
|
|
|
} |
