Delphi图像处理 图像高斯模糊处理（改进版）

     我在文章《Delphi图像处理 -- 图像卷积及高斯模糊》中，介绍了利用通用的图像卷积过程对图像进行高斯模糊处理，其处理效果还不错，处理小型图像时感觉也还行，但是处理较大图像时的速度还是嫌慢，在我的P4 2.8G、1G内存的机器上对千万像素图像进行Q=3，R=5的高斯模糊处理，不包括图像装载和前期数据转换，耗时达8600ms以上，虽经几次修改，其处理速度始终得不到明显提高，主要原因还是采用通用卷积过程处理的问题：用R=5得到的卷积模板为11*11像素，一个像素有4个分量（32位ARGB），对每个象素必须作11*11*4=484个乘法、484个加法及4个除法，最后还得作4个分量是否超界的判断处理，想不慢都难啦！如果不是采用BASM定点数处理代码，其处理速度更是难以想象。
    我在网上多次查找图像高斯模糊的优化算法，不少算法和处理方式，包括代码优化还不如我的那个高斯模糊处理过程，使我很失望。前天查找其它资料时，在国外某个网站上发现介绍图像高斯模糊处理方法时似乎与常规的算法有所不同，但都没有详细的资料（因为不懂外语，很少上国外网站，但看些公式、伪代码还是行的）， 经过反复琢磨，可以将其处理流程归纳如下：
    1、用给定的确定Q和长度size，计算一个size+1长的高斯分布权数数据weights：
radius = size / 2
// 计算初始数据
for (i = -radius; i <= radius; i ++)
{
x = i / Q;
weights[i+radius] = exp(-x * x / 2)
}
// 求和
sum = 0
for (i = -radius; i <= radius; i ++)
{
sum += weights[i+radius]
}
// 数据归一，即归一后的数据之和等于1
for (i = -radius; i <= radius; i ++)
{
weights[i+radius] /= sum
}

    2、使用weights对原图像作垂直的模糊运算，即以像素(x, y)为中心，对(x, y - radius)和(x, y + radius)的像素点与weights对应的值相乘后求和得到新的像素，并写入到一个临时的图像上相应的点上（因为数据进行了归一处理，乘积和不必再作除法运算）；
    3、使用weights对临时图像作水平的模糊运算，即以像素(x, y)为中心，对(x - radius, y)和(x + radius, y)的像素点与weights对应的相乘后求和得到新的像素，并写入到目标图像上相应的点上。
    处理过程结束。
    由于上面的处理流程只是对图像每个象素作了一个“十&rd