图像水波纹特效原理分析和实现
前段时间注意到一些软件上有图像的水波纹特效,似乎很炫,想深入了解下该效果的具体原理与实现方式,上网搜了不少些资料,都讲得不清不楚,没办法只能靠自己了。花了一整个下午先去复习了高中物理的波的知识,试着自己来推导原理并实现了下。下面的推导是我根据一些资料以及自己分析出的,如有错误,望请指出。上张效果图先:
基本原理
水波效果反映到图像上,则是像素点的偏移。因此对图像的处理就如同图像缩放一样,对于输出图像的每个点,计算其对应于原始输入图像的像素点,通过插值的方法即可计算其颜色值。
先说下关于水波的基础知识。波的传播方向与质点振动方向垂直的为横波,相同则为纵波,水波是横波和纵波的叠加,因此水波在传播时,每个质点存在水平运动和上下运动,合起来就是一个椭圆的圆周运动,如下图的蓝色椭圆。
如图,红轴表示水面,对于图像来讲,只有在垂直于成像视线的方向(图中蓝色线段)产生的运动才会引起像素的偏移,而平行于实现方向则可以忽略。那么对于某个点x,其运动轨迹上的每个点都可以分解为与视线平行和垂直的2个方向上的位移,我们只要计算出垂直视线的位移y即可计算出水波导致像素点的偏移位移。
假定水波是平面简谐波,则能得到其波动方程
式中,A是振幅,v是波速,t是时间,lamda是波长, x为距离波源的距离,phi为初始相位。但是随着时间的推移和波的传播,其能量会衰减,即其振幅会随着时间和位置衰减,则上面的公式需修改为:
函数表征了水波能量的衰减情况,因此该函数必须是关于x和t的单调递减函数,实际水波的递减是什么规律我不清楚,但这里自行设定一个即可,一般的衰减函数有线性衰减和指数衰减,具体好坏只要实验结果才具有说服力。
一个波源可以由波长,波速,初始相位和振幅唯一确定,因此对于某个时刻的某个点,我们可以计算出其位移。另一方面,水波是向四面八分同时传播的,对图像坐标系来看,每个点的位移都可以分解为水平与垂直位移,从而就可以确定像素点的精确偏移了。当然,对于多个波源,可以分别考虑,每个点的位移是所有波源引起的位移和。
水波纹特效具体实现
下面就是具体实现了,这个效果实现应该比较简单的。首先有一个波源对象。
1 typedef unsigned char BYTE; 2 #define PI 3.1415926 3 //一个波源 4 class CWaveSource 5 { 6 public: 7 CWaveSource(float f32Cx = 100.0f, float f32Cy = 100.0f, 8 float f32MaxAmp = 20.0f, float f32Phase = -PI/2, 9 float f32WaveLen = 10.0f, float f32V = 1.0f); 10 ~CWaveSource(); 11 12 //该波源在当前时刻,x,y位置处的振幅 13 void GetAmplitude(int x, int y, float &f32ax, float &f32ay); 14 15 //波传播到下一时刻,需修改相应的波的状态 16 bool Propagate(); 17 18 private: 19 float m_f32Cx; //波源中心点坐标 20 float m_f32Cy; 21 float m_f32MaxAmp; //t时刻中心点最大振幅,t=0最大 22 float m_f32InitPhase; //初始相位 23 float m_f32WaveLen; //波长 24 float m_f32Velocity; //波速 25 int m_nTime; //时间 26 27 bool m_bDisappear; //该波源是否可以消失,随着时间变化,其能量衰减到很小的时候可以认为其消失了 28 float m_f32CurRadius; //当前时刻波的半径,用于节约计算量的变量 29 };
这里面注释比较清楚,就不多说了。该对象对应的实现为:
1 CWaveSource::CWaveSource(float f32Cx, float f32Cy, 2 float f32MaxAmp, float f32Phase, 3 float f32WaveLen, float f32V) 4 { 5 m_f32Cx = f32Cx; 6 m_f32Cy = f32Cy; 7 m_f32MaxAmp = f32MaxAmp; 8 m_f32InitPhase = f32Phase; 9 m_f32WaveLen = f32WaveLen; 10 m_f32Velocity = f32V; 11 m_nTime = 0; 12 m_bDisappear = false; 13 m_f32CurRadius = 1e-12; 14 } 15 CWaveSource::~CWaveSource() 16 { 17 18 } 19 20 bool CWaveSource::Propagate() 21 { 22 //下一个时刻 23 m_nTime++; 24 m_f32CurRadius += m_f32Velocity; 25 //考虑最大振幅随时间的衰减,这里的衰减函数可以自己设定 26 //只要振幅随着时间递减即可,最好能做到比较自然 27 m_f32MaxAmp /= 1.01f; 28 29 //能量衰减到一定程度后,可以认为该波源已消失,通过返回让外面把它删掉 30 if(m_f32MaxAmp < 1e-3) 31 { 32 m_bDisappear = true; 33 } 34 return m_bDisappear; 35 } 36 37 void CWaveSource::GetAmplitude(int x, int y, float &f32ax, float &f32ay) 38 { 39 f32ax = f32ay = 0.0f; 40 //波源已消失,防止上层未删掉,耗计算量 41 if(m_bDisappear) return; 42 //注:这里可以建一个表,图像区域每个点相对波源中心点位置是固定的,即是f32Dist固定 43 //那么位置对应的衰减系数就应该是固定的 44 //这样对于一个波源只需计算一次f32Dist和衰减系数r了 45 //此处为了代码的可读性,暂时不那样实现 46 float f32Radius = m_f32CurRadius; 47 float f32Dx = (m_f32Cx - x); 48 float f32Dy = (m_f32Cy - y); 49 50 float f32Dist = f32Dx * f32Dx + f32Dy * f32Dy; 51 if(f32Dist > f32Radius * f32Radius) return; 52 53 f32Dist = sqrt(f32Dist); 54 //考虑当前点最大振幅随位置的衰减,这里的衰减函数也可以自己设定 55 float r = 1 - f32Dist / 1000.0f;//exp(-f32Dist/10); 56 float f32MaxAmp = m_f32MaxAmp * r; 57 58 //计算当前点的振幅,每个点的相位在不停变化的 y = Acos(2*pi*(vt-x)/wavelen + phase) 59 float f32Temp = 2 * PI * (m_f32Velocity * m_nTime - f32Dist) / m_f32WaveLen + m_f32InitPhase; 60 float f32CurAmp = f32MaxAmp * sin(f32Temp); 61 62 f32ax = f32CurAmp * ABS(f32Dx)/f32Dist; 63 f32ax = f32CurAmp * ABS(f32Dy)/f32Dist; 64 }
好了,这样一个波源就已经构造好了。对图像的水波特效处理对象如下:
1 class CRippling 2 { 3 public: 4 CRippling(); 5 ~CRippling(); 6 7 //增加一个波源,该函数最好能重载一个直接输波源参数的,这里暂时忽略 8 void AddSource(CWaveSource &WaveSource); 9 10 //当前已有的波源对图像进行处理 11 void Process(BYTE *pu8Dst, BYTE *pu8Src, int nWidth, int nHeight, int nChannels = 1); 12 13 //所有波源传播 14 void Propagate(); 15 16 private: 17 //获取当前时刻所有波源作用下,像素点x,y对应于原始图像的像素位置,返回到x,y中 18 void GetPos(float &x, float &y); 19 20 //获取图像亚像素值,采用双线性插值 21 void GetSubPixel(BYTE *pu8Dst, BYTE *pu8Src, int nWidth, int nHeight, int nChannels, float x, float y); 22 23 //波源相关信息,因为需要插入和删除故采用list管理,也可以使用数组或者其他数据结构 24 list<CWaveSource> m_lWaveSrc; 25 }; 26 27 CRippling::CRippling() 28 { 29 } 30 31 CRippling::~CRippling() 32 { 33 } 34 35 void CRippling::AddSource(CWaveSource &WaveSource) 36 { 37 m_lWaveSrc.push_back(WaveSource); 38 } 39 40 void CRippling::Process(BYTE *pu8Dst, BYTE *pu8Src, int nWidth, int nHeight, int nChannels) 41 { 42 int nRow, nCol; 43 float x,y; 44 for(nRow = 0; nRow < nHeight; nRow++) 45 { 46 for(nCol = 0; nCol < nWidth; nCol++) 47 { 48 x = nCol; 49 y = nRow; 50 GetPos(x, y); 51 GetSubPixel(pu8Dst, pu8Src, nWidth, nHeight, nChannels, x, y); 52 pu8Dst += nChannels; 53 } 54 } 55 } 56 57 void CRippling::Propagate() 58 { 59 //每个波源都需要传播 60 list<CWaveSource>::iterator It = m_lWaveSrc.begin(); 61 while(It != m_lWaveSrc.end()) 62 { 63 bool bDisappear = It->Propagate(); 64 //波源可以消失,则删掉 65 if(bDisappear) It = m_lWaveSrc.erase(It); 66 else It++; 67 } 68 } 69 70 void CRippling::GetPos(float &x, float &y) 71 { 72 //根据平面简谐波的特性,某个点的位移是所有波位移和 73 float f32AmpX = 0; 74 float f32AmpY = 0; 75 list<CWaveSource>::iterator It = m_lWaveSrc.begin(); 76 while(It != m_lWaveSrc.end()) 77 { 78 It->GetAmplitude(x, y, f32AmpX, f32AmpY); 79 x += f32AmpX; 80 y += f32AmpY; 81 It++; 82 } 83 } 84 85 void CRippling::GetSubPixel(BYTE *pu8Dst, BYTE *pu8Src, int nWidth, int nHeight, int nChannels, float x, float y) 86 { 87 //采用双线性插值,就实际效果来看,最近邻插值也可以的 88 int x0 = x; 89 int y0 = y; 90 int x1 = x0 + 1; 91 int y1 = y0 + 1; 92 93 float wx1 = x - x0; 94 float wy1 = y - y0; 95 float wx0 = 1.0f - wx1; 96 float wy0 = 1.0f - wy1; 97 98 x0 = MAX(x0, 0); 99 x1 = MAX(x1, 0); 100 y0 = MAX(y0, 0); 101 y1 = MAX(y1, 0); 102 103 x0 = MIN(x0, nWidth-1); 104 x1 = MIN(x1, nWidth-1); 105 y0 = MIN(y0, nHeight-1); 106 y1 = MIN(y1, nHeight-1); 107 for(int i = 0; i < nChannels; i++) 108 { 109 u8 * pu8Y0 = pu8Src + y0 * nWidth * nChannels; 110 u8 * pu8Y1 = pu8Src + y1 * nWidth * nChannels; 111 112 float sum_y0 = (pu8Y0[x0 * nChannels + i] * wx0 + pu8Y0[x1 * nChannels + i] * wx1); 113 float sum_y1 = (pu8Y1[x0 * nChannels + i] * wx0 + pu8Y1[x1 * nChannels + i] * wx1); 114 pu8Dst[i] = (BYTE)(sum_y0 * wy0 + sum_y1 * wy1); 115 } 116 }
测试代码采用隔一定时间增加一个波源,可以产生动态效果。其中调用了opencv读写和显示图像,相关的头文件和库自己加上即可。
1 void test_rippling() 2 { 3 Mat mImg = imread("C:/test2.jpg"); 4 imshow("org", mImg); 5 CRippling rippling; 6 for(int t = 0; t < 10000; t++) 7 { 8 if(t % 20 == 0) 9 { 10 CWaveSource wavesource(50 + rand() % 800, 50 + rand() % 300); 11 rippling.AddSource(wavesource); 12 } 13 14 printf("\rtimes: %d", t); 15 Mat mSrc = mImg.clone(); 16 Mat mDst = mImg.clone(); 17 18 rippling.Process(mDst.data, mSrc.data, mSrc.cols, mSrc.rows, 3); 19 rippling.Propagate(); 20 imshow("pro", mDst); 21 waitKey(1); 22 } 23 waitKey(0); 24 }
这样基本就完成了,可以实现最开始那张图的效果了。
总结
上面的分析与实现只是按照原始的产生与传播过程来做的,可以想象,随着波源数的增加,算法的耗时会不断增加,当然在代码注释中也在有的地方说明了可以优化的点。另外,如果我们仅仅是实现这样一个效果,很多波源参数给固定下来,那么可以在算法上进一步推导,从而简化运算。比如,固定波速与波长,让波的周期是4个或2个单位之间,那么应该可以推导出后一时刻位移为前面几个时刻位移的关系,这样就不用每次计算sin函数了。
当然上面的推导只考虑了简单情况,特别地,成像一般会近大远小,因此在图像上下方波的扩张速度和质点偏移都是不一样的,对于完整的模型这些都是应该要考虑的因素。