Delphi图像处理 -- 图像卷积及高斯模糊
在图像的处理过程中，经常要用到卷积模板，如图像锐化、图像平滑、高斯模糊、Hough变换等，为此，本人使用Delphi编写了图像通用卷积处理过程和高斯模糊过程，代码如下：
因为要进行图像卷积操作，必须拷贝出源图像，本文过程在拷贝源图像时使用ImageGetExpandData过程附带扩展了其边框，这样在卷积图像边界像素时不必再进行坐标范围判断，从而简化了代码和提高了运行速度。
由于本文提供的是通用的卷积过程，尽管使用了BASM代码，但还是比较耗时的，如果对速度有特别要求的卷积操作，建议写专用的处理过程为好，例如Hough变换，其卷积核为1，就没必要在卷积过程中使用耗时的除法运算了。
下面是高斯模糊过程测试代码：
下面是采用不同Q值进行高斯模糊的运行结果图：
左边是原始图像，其后分别是采用Q=1、2、3调用GdipGaussiabBlur过程高斯模糊后的图像，最右边一幅是使用Photoshop8.1cs高斯模糊（Q=3）处理的。
可以看出，本过程处理的图片和Photoshop处理的图片效果基本接近，同等Q值（3）情况下，Photoshop处理的模糊程度似乎稍稍强一些，可能是算法上的差异，我的过程自动计算的Radius是Q+2，我用Q=3，Radius=6，也就是采用13*13卷积矩阵的模糊效果似乎更接近Photoshop的处理效果，难道Photoshop的Radius为Q * 2？这样一来，采用的卷积矩阵会更大，应该不是，不过，上面的高斯模糊过程中Radius可以任意给定而不通过自动计算，可以反复试试，以模仿Photoshop的处理；另外，当Q=3时图像好像已经模糊的很厉害了，其实，对于高分辨率（200-300）图像，Q=3的高斯模糊程度并没有这么明显，我采用的图片分辨率为72，而且这张图片已经是经过Photoshop过滤、模糊处理后合成的。
下面给出一个直接调用GdipConvolution过程进行Hough变换的例子作为本文结束：
运行效果如下图:
左边是原始图像，后面分别为用不同的Hough矩阵的运行效果，见例子代码中的几组Ray数组。作Hough变换，一般应该采用灰度图，本例子只是演示一下，没做图片灰度处理。
文章中所用数据类型及一些过程见《Delphi图像处理 -- 数据类型及内部过程》和《Delphi图像处理 -- 图像像素结构与图像数据转换》。
例子使用GDI+版本下载地址和说明见《GDI+ for VCL基础 -- GDI+ 与 VCL》。
尽管我十分努力，但水平有限，错误在所难免，欢迎指正和指导。邮箱地址：
注：本文已经于2009.10.28重新整理。
本文代码于2010.5.20重新修订过。增加了拷贝形式的调整过程和响应回调函数的调整过程。代码中的ExecuteAbort过程和ExecuteProc过程见《Delphi图像处理 -- 图像像素结构与图像数据转换》。
修订过的卷积过程对于卷积核小于等于1的卷积模板采用了MMX处理，过程速度相当快，当然也要求其模板单个数据项不得超过127，整个模板数据项与255的乘积和不得超过$7fff（一般卷积核小于等于1的卷积模板都远远小于这些值）。对于卷积核大于1的卷积模板，本文代码也作了很大改进，速度比以前有所提高。
另外，高斯模糊处理过程已经另写（见《Delphi图像处理 -- 图像高斯模糊处理（改进版）》），本文的高斯模糊例子就作为遗迹存放吧（代码是有效的，只是处理过程不在本文）！