如何基于背景分割模型编程实现图像背景模糊效果？

你之前写的applyBlurEffectToColor无法生效，核心原因是：模糊效果必须基于当前像素周围的邻域像素颜色计算，单独对单个孤立像素做模糊没有任何意义——模糊的本质是让当前像素颜色融合周围像素的颜色信息。

下面是几种Android环境下可行的实现方案：

方案1：先模糊整张图，再结合mask合成（最易实现） #

思路：先对原始图像做全图模糊，再根据分割模型输出的mask，前景区域保留原图像素，背景区域替换为模糊后的图像像素。这种方式无需逐像素做复杂计算，效率较高。

代码示例： #

// 用RenderScript实现快速模糊Bitmap的工具方法
private Bitmap blurBitmap(Bitmap originalBitmap, float blurRadius) {
    RenderScript rs = RenderScript.create(context);
    Allocation input = Allocation.createFromBitmap(rs, originalBitmap);
    Allocation output = Allocation.createTyped(rs, input.getType());
    ScriptIntrinsicBlur script = ScriptIntrinsicBlur.create(rs, Element.U8_4(rs));
    script.setRadius(blurRadius);
    script.setInput(input);
    script.forEach(output);
    output.copyTo(originalBitmap);
    rs.destroy();
    return originalBitmap;
}

// 修改后的背景处理函数
private int[] processBackgroundWithBlur(Bitmap originalBitmap, ByteBuffer maskBuffer) {
    int width = originalBitmap.getWidth();
    int height = originalBitmap.getHeight();
    // 生成模糊后的背景图
    Bitmap blurredBitmap = blurBitmap(originalBitmap.copy(Bitmap.Config.ARGB_8888, true), 15f);
    
    int[] originalPixels = new int[width * height];
    int[] blurredPixels = new int[width * height];
    originalBitmap.getPixels(originalPixels, 0, width, 0, 0, width, height);
    blurredBitmap.getPixels(blurredPixels, 0, width, 0, 0, width, height);
    
    int[] resultPixels = new int[width * height];
    for (int i = 0; i < width * height; i++) {
        float backgroundLikelihood = 1 - maskBuffer.getFloat();
        if (backgroundLikelihood > 0.9) {
            // 背景区域用模糊后的像素
            resultPixels[i] = blurredPixels[i];
        } else {
            // 前景区域用原图像素
            resultPixels[i] = originalPixels[i];
        }
    }
    blurredBitmap.recycle();
    return resultPixels;
}

方案2：用RenderScript结合mask逐区域模糊（更精细） #

如果不想模糊整张图，只想处理背景区域，可以用RenderScript实现带mask的模糊，跳过前景像素的计算，性能更优。

步骤与代码： #

1. 创建RenderScript脚本文件BlurWithMask.rs：

#pragma version(1)
#pragma rs java_package_name(com.your.package)

rs_allocation inputImage;
rs_allocation mask;
float blurRadius;

void root(const uchar4 *v_in, uchar4 *v_out, const void *usrData, uint32_t x, uint32_t y) {
    float backgroundProb = rsGetElementAt_float(mask, x, y);
    if (backgroundProb > 0.9) {
        // 对背景像素执行高斯模糊
        uchar4 blurred = rsBlur(inputImage, x, y, blurRadius);
        *v_out = blurred;
    } else {
        // 前景像素直接保留原图
        *v_out = *v_in;
    }
}

2. Java层调用代码：

private int[] applyMaskedBlur(Bitmap originalBitmap, ByteBuffer maskBuffer) {
    RenderScript rs = RenderScript.create(context);
    ScriptC_BlurWithMask blurScript = new ScriptC_BlurWithMask(rs);
    
    Allocation inputAlloc = Allocation.createFromBitmap(rs, originalBitmap);
    Allocation maskAlloc = Allocation.createTyped(rs, new Type.Builder(rs, Element.F32(rs)).setX(maskWidth).setY(maskHeight).create());
    maskAlloc.copyFrom(maskBuffer);
    
    Allocation outputAlloc = Allocation.createTyped(rs, inputAlloc.getType());
    
    blurScript.set_inputImage(inputAlloc);
    blurScript.set_mask(maskAlloc);
    blurScript.set_blurRadius(15f);
    blurScript.forEach_root(inputAlloc, outputAlloc);
    
    int[] resultPixels = new int[maskWidth * maskHeight];
    outputAlloc.copyTo(resultPixels);
    
    // 释放资源
    inputAlloc.destroy();
    maskAlloc.destroy();
    outputAlloc.destroy();
    rs.destroy();
    return resultPixels;
}

方案3：使用OpenCV实现背景模糊 #

如果项目已集成OpenCV，可利用其成熟的图像处理API实现，灵活性更高。

代码示例： #

private int[] processWithOpenCV(Bitmap originalBitmap, ByteBuffer maskBuffer) {
    // Bitmap转OpenCV Mat
    Mat originalMat = new Mat();
    Utils.bitmapToMat(originalBitmap, originalMat);
    Mat blurredMat = new Mat();
    // 高斯模糊，kernel size建议设为奇数
    Imgproc.GaussianBlur(originalMat, blurredMat, new Size(31, 31), 0);
    
    // 将mask转换为Mat
    Mat maskMat = new Mat(maskHeight, maskWidth, CvType.CV_32F);
    maskBuffer.rewind();
    maskMat.put(0, 0, maskBuffer.array());
    
    // 创建前景掩膜：背景概率<=0.9的区域为前景（白色）
    Mat foregroundMask = new Mat();
    Core.compare(maskMat, new Scalar(0.9), foregroundMask, Core.CMP_LE);
    foregroundMask.convertTo(foregroundMask, CvType.CV_8U);
    Imgproc.cvtColor(foregroundMask, foregroundMask, Imgproc.COLOR_GRAY2BGRA);
    
    // 合并原图和模糊图：前景用原图，背景用模糊图
    Mat resultMat = new Mat();
    originalMat.copyTo(resultMat, foregroundMask);
    blurredMat.copyTo(resultMat, Core.bitwise_not(foregroundMask));
    
    // Mat转Bitmap再转像素数组
    Bitmap resultBitmap = Bitmap.createBitmap(resultMat.cols(), resultMat.rows(), Bitmap.Config.ARGB_8888);
    Utils.matToBitmap(resultMat, resultBitmap);
    int[] resultPixels = new int[maskWidth * maskHeight];
    resultBitmap.getPixels(resultPixels, 0, maskWidth, 0, 0, maskWidth, maskHeight);
    
    // 释放资源
    originalMat.release();
    blurredMat.release();
    maskMat.release();
    foregroundMask.release();
    resultMat.release();
    resultBitmap.recycle();
    return resultPixels;
}

注意事项 #

• 模糊半径：设置10-20之间即可达到类似视频会议的模糊效果，半径越大模糊程度越高，但性能消耗也会增加。
• 性能优化：实时视频处理时，建议将计算放到子线程或HandlerThread，避免阻塞主线程；优先使用RenderScript或OpenCV的硬件加速接口。
• 边缘平滑：如果分割模型输出的mask边缘生硬，可先对mask做一次高斯模糊，再用于合成，让前景背景过渡更自然。

内容的提问来源于stack exchange，提问作者angel_30