原文地址：http://blog.csdn.net/markl22222/article/details/10313565
进行了修正和变量优化。原来作者的函数只支持2次方图片，这次做了修正（windows 的 bitmap 行宽是 4 字节对齐的）。

（ 基本完善了，但是在某些条件下，Y方向的底边还是会出现偏差，一时找不到原因，暂且发表，希望有人能提醒一下。）

今天检查了一下代码，发现了一个低级的技术性错误，Y方向底边的颜色偏差已经修正，这个函数趋于完美，收工。

函数结构我规整了一下，很清晰，很好阅读。

int gauss_blur(
    byte_t* image,    //位图数据
    int linebytes,    //位图行字节数，BMP数据在windows中是4字节对齐的。否则在处理非二次幂的图像时会有偏差
    int width,        //位图宽度
    int height,        //位图高度
    int cbyte,        //颜色通道数量
    float sigma        //高斯系数
    )
{
    int x = 0, y = 0, n = 0;
    int channel = 0;
    int srcline = 0, dstline = 0;
    int channelsize = width*height;
    int bufsize = width > height ? width + 4 : height + 4;
    float *w1 = NULL, *w2 = NULL, *imgbuf = NULL;
    int time = 0;
 
    #if defined(_INC_WINDOWS)
        time = GetTickCount();
    #elif defined(_CLOCK_T)
        time  = clock();
    #endif
 
    w1 = (float*)malloc(bufsize * sizeof(float));
    if(!w1)
    {
        return -1;
    }
    w2 = (float*)malloc(bufsize * sizeof(float));
    if(!w2)
    {
        free(w1);
        return -1;
    }
    imgbuf = (float*)malloc(channelsize * sizeof(float));
    if(!imgbuf)
    {
        free(w1);
        free(w2);
        return -1;
    }
 
//----------------计算高斯核---------------------------------------//
    float q  = 0;
    float q2 = 0, q3 = 0;
    float b0 = 0, b1 = 0, b2 = 0, b3 = 0;
    float B  = 0;
 
    if (sigma >= 2.5f)
    {
        q = 0.98711f * sigma - 0.96330f;
    }
    else if ((sigma >= 0.5f) && (sigma < 2.5f))
    {
        q = 3.97156f - 4.14554f * (float) sqrt (1.0f - 0.26891f * sigma);
    }
    else
    {
        q = 0.1147705018520355224609375f;
    }
 
    q2 = q * q;
    q3 = q * q2;
    b0 = (1.57825+ (2.44413f*q)+(1.4281f *q2)+(0.422205f*q3));
    b1 = (         (2.44413f*q)+(2.85619f*q2)+(1.26661f* q3));
    b2 = (                     -((1.4281f*q2)+(1.26661f* q3)));
    b3 = (                                    (0.422205f*q3));
    B = 1.0-((b1+b2+b3)/b0);
 
    b1 /= b0;
    b2 /= b0;
    b3 /= b0;
//----------------计算高斯核结束---------------------------------------//
 
    // 处理图像的多个通道
    for (channel = 0; channel < cbyte; ++channel)
    {
        // 获取一个通道的所有像素值，并预处理
        for(y=0; y<height; ++y)
        {
            srcline = y*linebytes;
            dstline = y*width;
            for(x=0, n=channel; x<width; ++x, n+=cbyte)
            {
                (imgbuf+dstline)[x] = float((image+srcline)[n]);
            }
        }
 
 
        for (int x=0; x<width; ++x)
        {//横向处理
 
            w1[0] = (imgbuf + x)[0];
            w1[1] = (imgbuf + x)[0];
            w1[2] = (imgbuf + x)[0];
 
            for (y=0, n=0; y<height; ++y, n+=width)
            {
                w1[y+3] = B*(imgbuf + x)[n] + (b1*w1[y+2] + b2*w1[y+1] + b3*w1[y+0]);
            }
 
            w2[height+0]= w1[height+2];
            w2[height+1]= w1[height+1];
            w2[height+2]= w1[height+0];
 
            for (int y=height-1, n=y*width; y>=0; --y, n-=width)
            {
                //保存数据到缓存
                (imgbuf + x)[n] = w2[y] = B*w1[y+3] + (b1*w2[y+1] + b2*w2[y+2] + b3*w2[y+3]);
            }
        }//横向处理
 
        for (y=0, srcline=0, dstline=0; y<height; ++y, srcline+=width, dstline+=linebytes)
        {//纵向处理
 
            //取当前行数据
            w1[0] = (imgbuf + srcline)[0];
            w1[1] = (imgbuf + srcline)[0];
            w1[2] = (imgbuf + srcline)[0];
 
            //正方向横向处理3个点的数据
            for (x=0; x<width ; ++x)
            {
                w1[x+3] = B*(imgbuf + srcline)[x] + (b1*w1[x+2] + b2*w1[x+1] + b3*w1[x+0]);
            }
 
            w2[width+0]= w1[width+2];
            w2[width+1]= w1[width+1];
            w2[width+2]= w1[width+0];
 
            //反方向处理
            for (x=width-1, n=x*cbyte+channel; x>=0; --x, n-=cbyte)
            {
                //处理保存数据到缓存
                //(imgbuf + dstline)[x] = w2[x] = B*w1[x+3] + (b1*w2[x+1] + b2*w2[x+2] + b3*w2[x+3]);
 
                //存储返回数据
                (image + dstline)[n] = w2[x] = B*w1[x+3] + (b1*w2[x+1] + b2*w2[x+2] + b3*w2[x+3]);
            }
 
        }//纵向处理
 
        /*
        //存储处理完毕的通道
        for(int y=0; y<height; y++)
        {
            int dstline = y*linebytes;
            int srcline = y*width;
            for (int x=0; x<width; x++)
            {
                (image + dstline)[x * cbyte + channel] = (imgbuf + srcline)[x];
                    //byte_edge((imgbuf + srcline)[x]-1);
            }
        }//存储循环
        //*/
    }//通道循环
 
    free(w1);
    w1=NULL;
    free(w2);
    w2=NULL;
    free(imgbuf);
    imgbuf=NULL;
 
    #if defined(_INC_WINDOWS)
        return GetTickCount() - time;
    #elif defined(_CLOCK_T)
        return clock() - time;
    #else
        return 0;
    #endif
}

 

应用实例：

//打开一个24位BMP图像
HBITMAP hbmp = (HBITMAP)LoadImage(NULL, "a.bmp", IMAGE_BITMAP, 0, 0,
            LR_DEFAULTSIZE|LR_CREATEDIBSECTION|LR_LOADFROMFILE);
BITMAP bm;
if(hbmp)
{
    HDC dc = CreateCompatibleDC(NULL);
    SelectObject(dc, hbmp);
    GetObject(Image1->Picture->Bitmap->Handle, sizeof(bm), &bm);
    //高斯图像处理
    gauss_blur((BYTE*)bm.bmBits, bm.bmWidthBytes, bm.bmWidth, bm.bmHeight, 3, 3.0);
    //复制到你的DC上
    BitBlt(hMyDC, 0, 0, bm.bmWidth, bm.bmHeight, dc, 0, 0, SRCCOPY);
    DeleteObject(hbmp);
    DeleteDC(dc);
}

文章发布于 2014-08-01 02:58:37，现转博客园。