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;
}
}
|