4.1 Bloom算法

一、Bloom算法介绍

1.具体效果

2.实现思路

• 先将原图按照一定阈值提取较亮的区域
• 模糊提取出的图像
• 将模糊过的图像与原图混合

3.HDR与LDR

• LDR（Low Dynamic Range，低动态范围）

• • JPG、PNG格式图片
  • RGB范围在[0,1]之间

• HDR（High Dynamic Rnage，高动态范围）

• • HDR、EXR格式图片
  • RGB范围可在[0,1]之外
  • 实现Bloom过程中提取一亮部的部分阈值更高，能让更亮的区域产生Bloom效果

4.高斯模糊

高斯模娜，它是实现图像模翎的一种方式，它的本质是通过高斯函数去定义一个卷积核，这个卷积被叫做高斯核，再利用这个商斯核对图像进行卷积运算，得到“平消”后的图像，也就是俗称的摸锵

• 高斯模糊（Gaussian Blur）

• • 一种图像模糊
  • 减少图像噪声、降低细节层次

5.卷积

• 一种图像操作
• 需要有一个卷积核

6.计算高斯核

• 高斯核

• • 核中心：（0,0）
  • 核大小：3x3
  • 标准方差σ：1.5

归一化是指让每个权重除以所有权重的和。

7.二维高斯核特点

• 计算量大，N*N*W（图片像素宽）*H（图片像素高）
• 可分离性，可查成两个一维高斯核

• • 可以使那两个一维的高斯核先后对比图像进行卷积，卷积结果与使用二维高斯核进行卷积是一样的，但计算主交力2NVWPH，同时，一雄南斯被中包含了很秒重复的5里。换铜话说。它其有的称余性，对于一个大小为的一维国率节权重值就可以了

---

二、Bloom算法应用