影像模糊 Kernel (Image Blur)

重點總覽 (Overview)

影像模糊的概念 (Image Blurring Concept)

• 目的：平滑像素值的劇烈變化，同時保留辨識特徵所需的邊緣。
• 應用：降噪 / 去顆粒、讓 edge detection 與物件辨識聚焦主體、刻意模糊背景以凸顯重點。
• 本章簡化：取 patch 的簡單平均 (simple average)，不依距離加權。
  • 真實做法（如 Gaussian blur）會依距離給權重 → 屬於完整 convolution。

BLUR_SIZE 與 Patch 幾何 (Radius & Patch Geometry)

• BLUR_SIZE = patch 每一邊的像素數 (radius)。
• patch 一維寬度 = 2*BLUR_SIZE + 1（含中心像素）。

patch 以 (row, col) 為中心，列範圍 row-BLUR_SIZE … row+BLUR_SIZE，行範圍 col-BLUR_SIZE … col+BLUR_SIZE。

            col-1   col   col+1            (BLUR_SIZE = 1 → 3x3 patch)
          +-------+-------+-------+
   row-1  | r-1   | r-1   | r-1   |
          | c-1   | c     | c+1   |
          +-------+-------+-------+
   row    | r     | (row, | r     |   <-- 中心 = 要計算的 output pixel
          | c-1   |  col) | c+1   |
          +-------+-------+-------+
   row+1  | r+1   | r+1   | r+1   |
          | c-1   | c     | c+1   |
          +-------+-------+-------+

  output[row][col] = average(以上所有「合法」像素)

Blur Kernel 程式碼 (The blurKernel)

__global__ void blurKernel(unsigned char *in, unsigned char *out, int w, int h) {
    int col = blockIdx.x * blockDim.x + threadIdx.x;   // 行索引 (line 03)
    int row = blockIdx.y * blockDim.y + threadIdx.y;   // 列索引 (line 04)

    if (col < w && row < h) {                          // 外層邊界檢查 (line 05)
        int pixVal = 0;
        int pixels = 0;

        // 掃過 (2*BLUR_SIZE+1) x (2*BLUR_SIZE+1) 的 patch
        for (int blurRow = -BLUR_SIZE; blurRow < BLUR_SIZE+1; ++blurRow) {     // line 10
            for (int blurCol = -BLUR_SIZE; blurCol < BLUR_SIZE+1; ++blurCol) { // line 11
                int curRow = row + blurRow;
                int curCol = col + blurCol;

                // 內層邊界檢查：patch 可能超出影像範圍 (line 15)
                if (curRow >= 0 && curRow < h && curCol >= 0 && curCol < w) {
                    pixVal += in[curRow * w + curCol];  // 累加合法像素 (line 16)
                    ++pixels;                            // 計數 (line 17)
                }
            }
        }
        out[row * w + col] = (unsigned char)(pixVal / pixels);  // 寫回平均 (line 22)
    }
}

兩層 if 的分工（這是本 kernel 的關鍵）：

• 記憶體用 row-major linearization：in[curRow*w + curCol]、out[row*w + col]。詳見 03-Multidimensional-Grids-And-Data/02-Mapping-Threads-to-Multidimensional-Data。

邊界條件處理 (Boundary Conditions)

當 output pixel 靠近影像邊緣，patch 會延伸到影像外，內層 if 把這些不存在的像素直接略過，並讓 pixels 只計入合法像素。

3×3 (BLUR_SIZE=1) 三種情形：

  角落 (corner)            邊緣 (edge)              內部 (interior)
  patch 中心=(0,0)         patch 中心=(0,c)         patch 中心=(r,c)

  X X X                    X X X                    o o o
  X o o   合法=4           o o o   合法=6           o o o   合法=9
  X o o                    o o o                    o o o

  X = 出界(被 if 跳過)      o = 合法像素累加

與其他 Kernel 的對照 (Comparison)

考試/面試重點 (Exam / Test Patterns)

Related Notes

• 03-Multidimensional-Grids-And-Data/02-Mapping-Threads-to-Multidimensional-Data
• 03-Multidimensional-Grids-And-Data/04-Matrix-Multiplication-Kernel
• 03-Multidimensional-Grids-And-Data/01-Multidimensional-Grid-Organization
• 07-Convolution/01-Convolution-Fundamentals-and-Basic-Kernel
• 07-Convolution/03-Tiled-Convolution-and-Halo-Handling
• 04-Compute-Architecture-And-Scheduling/02-Warps-SIMD-and-Control-Divergence