書上講到比特平面分層的時候講的很模糊，我不太能夠理解如何分離出每個bit平面的圖像，以及具體的計算方法，查閱資料后發現有兩類說法，其中一類是典型的錯誤說法。
說法一（經典錯誤）：
private int bitLevel(int color, int level) {
int color_lev1 = color & 1; //00000001
int color_lev2 = color & 0x2; //00000010
int color_lev3 = color & 0x4; //00000100
int color_lev4 = color & 0x8; //00001000
int color_lev5 = color & 0x10;//00010000
int color_lev6 = color & 0x20;//00100000
int color_lev7 = color & 0x40;//01000000
int color_lev8 = color & 0x80;//10000000
int color_lev;// = color & 0x80;
color_lev = color & (1 << level)//level取值為0到7
return (255 << 24) + (color_lev << 16) + (color_lev << 8) + color_lev;
}
這個算法的作用就是簡單的提取每一層的比特，但我忽略了“突出該層比特”的要義。實際結果也證明是錯誤的，例如第一層，值不是0就是1，這樣的色值顯示出來就是純黑，根本顯現不了第一層比特的貢獻。突出分層的最好做法就是二值化，因為每個像素點每層比特的值只有1（有貢獻）和0（無貢獻），我們要做的就是突出1值。
真正的分層算法如下：
第一層：
第一層位置上的值只能是0和1，所以值為0時，可令其轉換值為255
private int bitLevelOne(int color){
int gray = color >> 8 & 0xFF;
int color_lev;
if(gray == 1)color_lev = 255;
else color_lev = 0;
return (255 << 24) + (color_lev << 16) + (color_lev << 8) + color_lev;
}
（實驗是以《數字圖像處理》書中提供的樣圖作處理的，該圖本身就是8比特的灰度圖，傳給函數的參數值是argb像素點值，該值a=r=g=b，所以取出右邊的8位即得到它的灰度圖，同樣為了“突出”考慮，alpha通道取255）
書中原話：“顯示一幅8比特圖像的第8個比特平面並不困難，它可以用閾值灰度變換函數處理輸入圖像得到二值函數，該函數將0-127之間的所有灰度映射為0，128-255之間的所有灰度值映射為1.”
原圖：（500x1192像素的灰度圖）
第一層平面圖：
其它層級的分層算法如上依次類推，如果該層級的比特值為1，則二值化為255，如果為0，則二值化為0。比如第六層分層算法如下
private int bitLevelSixth(int color) {
int gray = color >> 8 & 0xFF;
int color_lev6 = gray & 0x20;// 00100000
int color_lev;
if (color_lev6 == 0x20)
color_lev = 255;
else
color_lev = 0;
return (255 << 24) + (color_lev << 16) + (color_lev << 8) + color_lev;
}
注意：上述算法涉及到各種移位等操作，實際結果效率比較低，這里暫不考慮這一點，只說明實際的比特平面分層算法的原理。
第6,7,8層結果如下：
比特平面分層的另一個應用是在圖像壓縮中，從上面的分層圖結果來看，我們只需要使用高階的幾層便能重建原圖，這也就意味着可以使用比原來更少的比特層來構建原圖（比如4層，這樣就減少了50%的存儲量）。
使用6，7，8三個平面重建的算法和結果如下：
private int combine678(int color){
int gray = color >> 8 & 0xFF;
int colors = gray & 0xE0;//11100000
return (255 << 24) + (colors << 16) + (colors << 8) + colors;
}
