前言
通常，圖像處理軟體會提供"模糊"(blur)濾鏡，使圖檔産生模糊的效果。
“模糊”的算法不隻一種，高斯模糊隻是其中一種，甚至它隻是其中效率很差的一種。
在Android中使用高斯模糊，需要使用到 JNI 技術，Android Studio開發之 JNI 篇已具體讨論JNI的用法等。本文主要講述高斯模糊原理及編碼等。
高斯模糊原理
所謂"模糊"，可以了解成每一個像素都取周邊像素的平均值。
如圖所示，2是中間點，周圍點都是1。中間點取周圍點平均值，就會變成1。在數值上，這是一種"平滑化"。在圖形上，就相當于産生"模糊"效果，"中間點"失去細節。
顯然，計算平均值時，取值範圍越大，"模糊效果"越強烈。
如果使用簡單平均，顯然不是很合理，因為圖像都是連續的，越靠近的點關系越密切，越遠離的點關系越疏遠。是以，權重平均更合理，距離越近的點權重越大，距離越遠的點權重越小。
高斯模糊根據正态分布，決定周圍點的權重值。
正态分布是一種鐘形曲線，越接近中心，取值越大，越遠離中心，取值越小。
計算平均值的時候，我們隻需要将"中心點"作為原點，其他點按照其在正态曲線上的位置，配置設定權重，就可以得到一個權重平均值。
正态分布的一維公式為：
由于每次計算都是以中間點為原點，是以u為标準差，即為0。是以公式進一步進化為：
由于圖像是二維的，需要根據二維正态分布函數來計算權重值，它的公式以及曲線如下：
不過為了代碼效率問題，不會采用二維正态分布的計算方式，而是分别對 X 軸和 Y 軸進行兩次高斯模糊，也能達到效果(即通過一維正态分布計算權重)。
高斯模糊代碼
先分别計算正态分布各參數，sigma與高斯模糊半徑有關系，2.57既是1除以根号2 PI得來。
float sigma = 1.0 * radius / 2.57;
float deno = 1.0 / sigma * sqrt(2.0 * PI);
float nume = -1.0 / (2.0 * sigma * sigma);
因為對于每一個像素點來說，周圍點在正态分布中所占的權重值都是一樣的，是以正态分布計算一次即可。
float *gaussMatrix = (float *) malloc(sizeof(float) * (radius + radius + 1));
float gaussSum = 0.0;
for (int i = 0, x = -radius; x <= radius; ++x, ++i) {
float g = deno * exp(1.0 * nume * x * x);
gaussMatrix[i] = g;
gaussSum += g;
}
因為是以中間點自身為原點，是以 x 的取值範圍是從 -radius 到 radius，計算結果存儲的數組中。請注意周圍點權重值與數組的對應關系，x 等于 -radius 時，而 i 等于0，後文會用到。
由于并沒有計算所有的周圍點，是以權重總合必然不為1，是以需要歸一化，設法使權重值為一。
int len = radius + radius + 1;
for (int i = 0; i < len; ++i) {
gaussMatrix[i] /= gaussSum;
}
先進行 x 軸的模糊。
for (int y = 0; y < h; ++y) {
//取一行像素資料，注意像素總數組的通路方式是 x + y * w
memcpy(rowData, pix + y * w, sizeof(int) * w);
for (int x = 0; x < w; ++x) {
float r = 0, g = 0, b = 0;
gaussSum = 0;
//以目前坐标點 x、y 為中心，檢視前後一個模糊半徑的周圍點，根據正态分布
//重新計算像素點的顔色值
for (int i = -radius; i <= radius; ++i) {
// k 表示周圍點的真實坐标
int k = x + i;
// 邊界上的像素點，它的周圍點隻有正常的一半，是以要保證 k 的取值範圍
if (k >= 0 && k <= w) {
// 取到周圍點的像素，并根據 argb 的排列方式，計算 r、g、b分量
int color = rowData[k];
int cr = (color & 0x00ff0000) >> 16;
int cg = (color & 0x0000ff00) >> 8;
int cb = (color & 0x000000ff);
//真實點坐标為 k，與它對應的權重數組下标是 i + radius
//前文中計算正态分布權重時已經說明相關的對應關系。
//根據正态分布的權重關系，計算中心點的 r g b各分量
int index = i + radius;
r += cr * gaussMatrix[index];
g += cg * gaussMatrix[index];
b += cb * gaussMatrix[index];
gaussSum += gaussMatrix[index];
}
}
//因為邊界點的存在，gaussSum值不一定為1，是以需要除以gaussSum，歸一化。
int cr = (int) (r / gaussSum);
int cg = (int) (g / gaussSum);
int cb = (int) (b / gaussSum);
//根據權重值與各周圍點像素相乘之和，得到新的中間點像素。
pix[y * w + x] = cr << 16 | cg << 8 | cb | 0xff000000;
}
}
y軸的模糊原理和x軸基本一樣，這裡就不再重複說明了。
JNI圖檔接口
JNI中處理圖檔，需要引用 bitmap.h，頭檔案中主要定義三個方法。
int AndroidBitmap_getInfo(JNIEnv* env, jobject jbitmap,
AndroidBitmapInfo* info);
int AndroidBitmap_lockPixels(JNIEnv* env, jobject jbitmap, void** addrPtr);
int AndroidBitmap_unlockPixels(JNIEnv* env, jobject jbitmap);
AndroidBitmap_getInfo：擷取圖檔資訊，比如寬、高、圖檔格式等
AndroidBitmap_lockPixels：顧名思義，鎖定像素
AndroidBitmap_unlockPixels：解鎖。
AndroidBitmap_lockPixels 和 AndroidBitmap_unlockPixels 成對調用，在兩個方法之間可對圖檔像素進行相應處理，解鎖像素以後，對圖檔的調整效果可以立即看到，并不需要再重新生成圖檔了。
ps：有時并不知道 JNI 有哪些接口可以調用，最好的方式就是看源碼，有哪些接口，一目了然。
其它模糊方法
除了高斯模糊之外，還有其它模糊方法，比如說 fastblur，不過這個算法還沒看明白，此處不再詳述，具體代碼本人的github上都有，歡迎通路。