行走的Coder

俱怀逸兴壮思飞,欲上青天览明月。

导航

图像滤镜处理算法:灰度、黑白、底片、浮雕

1 灰度图片

前文阐述过关于图片的一些基本知识,彩色照片有RGB_8888、RGB_4444、RGB_565这么几种,每一个像素的颜色值由红、绿、蓝三种 值混合而成,红绿蓝的取值分别由很多种,于是像素的颜色值也可以有很多种颜色值,这就是彩色图片的原理,而灰度照片则只有256种颜色,一般的处理方法是 将图片颜色值的RGB三个通道值设为一样,这样原本的256*256*256种颜色就只有256种了,256种颜色值就丢失了图片的彩色信息,留下的只有 亮度值,视觉上看上去就是灰色的图片。

灰度处理一般有三种算法:
1 最大值法:即新的颜色值R=G=B=Max(R,G,B),这种方法处理后的图片看起来亮度值偏高。
2 平均值法:即新的颜色值R=G=B=(R+G+B)/3,这样处理的图片十分柔和
3 加权平均值法:即新的颜色值R=G=B=(R * Wr+G*Wg+B*Wb),一般由于人眼对不同颜色的敏感度不一样,所以三种颜色值的权重不一样,一般来说绿色最高,红色其次,蓝色最低,最合理的取值分别为Wr = 30%,Wg = 59%,Wb = 11%

这是原图:

下面是处理后的图片:

有了算法,实现起来就很简单了,下面是采用加权平均值算法的代码,代码运行于Android环境,不过是采用jni编写的,是C代码。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
jintArray Java_com_spore_meitu_jni_ImageUtilEngine_toGray(JNIEnv* env,
		jobject thiz, jintArray buf, jint width, jint height)
{
	// buf中是原图片的颜色数组,函数返回结果也是颜色数组,
	// 需要把颜色数组转换成Bitmap
	jint * cbuf;
	cbuf = (*env)->GetIntArrayElements(env, buf, 0);
 
	int newSize = width * height;
	jint rbuf[newSize]; // 新图像像素值
 
	int count = 0;
	int preColor = 0;
	int prepreColor = 0;
	int color = 0;
	preColor = cbuf[0];
 
	int i = 0;
	int j = 0;
	for (i = 0; i < width; i++)
	{
		for (j = 0; j < height; j++)
		{
			int curr_color = cbuf[j * width + i];
			int r = red(curr_color);
			int g = green(curr_color);
			int b = blue(curr_color);
			int modif_color = (int)(r * 0.3 + g * 0.59 + b * 0.11);
			rbuf[j * width + i] = ARGB(alpha(curr_color),modif_color,modif_color,modif_color);
		}
	}
	jintArray result = (*env)->NewIntArray(env, newSize); // 新建一个jintArray
	(*env)->SetIntArrayRegion(env, result, 0, newSize, rbuf); // 将rbuf转存入result
	(*env)->ReleaseIntArrayElements(env, buf, cbuf, 0); // 释放int数组元素
	return result;
}

2 黑白图片
这里的黑白图片,跟上面的灰度不一样。灰度有256种颜色,而黑白则是只保留黑和白这两种颜色,看了后面的对比处理图片就能明白了。

黑白图片的处理算法更简单:
求RGB平均值Avg = (R + G + B) / 3,如果Avg >= 100,则新的颜色值为R=G=B=255;如果Avg < 100,则新的颜色值为R=G=B=0;255就是白色,0就是黑色;至于为什么用100作比较,这是一个经验值吧,设置为128也可以,可以根据效果来 调整。

处理后的图片:

黑白效果处理的代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
        int i = 0;
	int j = 0;
	int iPixel = 0;
	for (i = 0; i < width; i++)
        {
		for (j = 0; j < height; j++)
                {
			int curr_color = cbuf[j * width + i];
 
			int avg = (red(curr_color) + green(curr_color) + blue(curr_color)) / 3;
			if (avg >= 100) 
                        {
				iPixel = 255;
			} 
                        else 
                        {
				iPixel = 0;
			}
			int modif_color = ARGB(255, iPixel, iPixel, iPixel);
			rbuf[j * width + i] = modif_color;
		}
	}

3 底片效果
算法原理:将当前像素点的RGB值分别与255之差后的值作为当前点的RGB值,即
R = 255 – R;G = 255 – G;B = 255 – B;

处理后的图片:

底片效果实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
        int i = 0;
	int j = 0;
	int iPixel = 0;
	for (i = 0; i < width; i++) 
        {
		for (j = 0; j < height; j++) 
                {
			int curr_color = cbuf[j * width + i];
 
			int r = 255 - red(curr_color);
			int g = 255 - green(curr_color);
			int b = 255 - blue(curr_color);
			int a = alpha(curr_color);
			int modif_color = ARGB(a, r, g, b);
			rbuf[j * width + i] = modif_color;
		}
	}

4 浮雕效果
浮雕的算法相对复杂一些,用当前点的RGB值减去相邻点的RGB值并加上128作为新的RGB值。由于图片中相邻点的颜色值是比较接近的,因此这样的算法 处理之后,只有颜色的边沿区域,也就是相邻颜色差异较大的部分的结果才会比较明显,而其他平滑区域则值都接近128左右,也就是灰色,这样
就具有了浮雕效果。

在实际的效果中,这样处理后,有些区域可能还是会有”彩色”的一些点或者条状痕迹,所以最好再对新的RGB值做一个灰度处理。

处理后的效果如下:

浮雕效果实现代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
        int preColor = 0;
        int prepreColor = 0;
        preColor = cbuf[0];
 
	int i = 0;
	int j = 0;
	for (i = 0; i < width; i++)
	{
		for (j = 0; j < height; j++)
		{
			int curr_color = cbuf[j * width + i];
			int r = red(curr_color) - red(prepreColor) + 128;
			int g = green(curr_color) - red(prepreColor) + 128;
			int b = green(curr_color) - blue(prepreColor) + 128;
			int a = alpha(curr_color);
 
			int newcolor = (int)(r * 0.3 + g * 0.59 + b * 0.11);
 
			int modif_color = ARGB(a, newcolor, newcolor, newcolor);
			rbuf[j * width + i] = modif_color;
			prepreColor = preColor;
			preColor = curr_color;
		}
	}

posted on 2016-09-08 11:24  行走的coder  阅读(6021)  评论(0编辑  收藏  举报