圖像濾鏡處理算法：灰度、黑白、底片、浮雕

1 灰度圖片

前文闡述過關於圖片的一些基本知識，彩色照片有RGB_8888、RGB_4444、RGB_565這么幾種，每一個像素的顏色值由紅、綠、藍三種 值混合而成，紅綠藍的取值分別由很多種，於是像素的顏色值也可以有很多種顏色值，這就是彩色圖片的原理，而灰度照片則只有256種顏色，一般的處理方法是 將圖片顏色值的RGB三個通道值設為一樣，這樣原本的256*256*256種顏色就只有256種了，256種顏色值就丟失了圖片的彩色信息，留下的只有 亮度值，視覺上看上去就是灰色的圖片。

灰度處理一般有三種算法：
1 最大值法：即新的顏色值R＝G＝B＝Max(R，G，B)，這種方法處理后的圖片看起來亮度值偏高。
2 平均值法：即新的顏色值R＝G＝B＝(R＋G＋B)／3，這樣處理的圖片十分柔和
3 加權平均值法：即新的顏色值R＝G＝B＝(R ＊ Wr＋G＊Wg＋B＊Wb)，一般由於人眼對不同顏色的敏感度不一樣，所以三種顏色值的權重不一樣，一般來說綠色最高，紅色其次，藍色最低，最合理的取值分別為Wr ＝ 30％，Wg ＝ 59％，Wb ＝ 11％

這是原圖：

下面是處理后的圖片：

有了算法，實現起來就很簡單了，下面是采用加權平均值算法的代碼，代碼運行於Android環境，不過是采用jni編寫的，是C代碼。

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中是原圖片的顏色數組，函數返回結果也是顏色數組， // 需要把顏色數組轉換成Bitmap jint * cbuf; cbuf = (*env)->GetIntArrayElements(env, buf, 0);   int newSize = width * height; jint rbuf[newSize]; // 新圖像像素值   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); // 新建一個jintArray (*env)->SetIntArrayRegion(env, result, 0, newSize, rbuf); // 將rbuf轉存入result (*env)->ReleaseIntArrayElements(env, buf, cbuf, 0); // 釋放int數組元素 return result; }

2 黑白圖片
這里的黑白圖片，跟上面的灰度不一樣。灰度有256種顏色，而黑白則是只保留黑和白這兩種顏色，看了后面的對比處理圖片就能明白了。

黑白圖片的處理算法更簡單：
求RGB平均值Avg ＝ (R + G + B) / 3，如果Avg >= 100，則新的顏色值為R＝G＝B＝255；如果Avg < 100，則新的顏色值為R＝G＝B＝0；255就是白色，0就是黑色；至於為什么用100作比較，這是一個經驗值吧，設置為128也可以，可以根據效果來 調整。

處理后的圖片：

黑白效果處理的代碼：

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：將當前像素點的RGB值分別與255之差后的值作為當前點的RGB值，即
R = 255 – R；G = 255 – G；B = 255 – B；

處理后的圖片：

底片效果實現代碼：

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
浮雕的算法相對復雜一些，用當前點的RGB值減去相鄰點的RGB值並加上128作為新的RGB值。由於圖片中相鄰點的顏色值是比較接近的，因此這樣的算法 處理之后，只有顏色的邊沿區域，也就是相鄰顏色差異較大的部分的結果才會比較明顯，而其他平滑區域則值都接近128左右，也就是灰色，這樣
就具有了浮雕效果。

在實際的效果中，這樣處理后，有些區域可能還是會有”彩色”的一些點或者條狀痕跡，所以最好再對新的RGB值做一個灰度處理。

處理后的效果如下：

浮雕效果實現代碼：

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; } }