RGB与Gray

RGB:是一种色彩模式,即工业界的一种颜色标准。

     是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一。

Gray:灰度图 (只有0和255)


RGB转化为灰度图:

注:下面转化计算公式来自网络)

一、基础

  对于彩色转灰度,有一个很著名的心理学公式:

Gray = R*0.299 + G*0.587 + B*0.114

二、整数算法

  而实际应用时,希望避免低速的浮点运算,所以需要整数算法。

  注意到系数都是3位精度的没有,我们可以将它们缩放1000倍来实现整数运算算法:

Gray = (R*299 + G*587 + B*114 + 500) / 1000

  RGB一般是8位精度,现在缩放1000倍,所以上面的运算是32位整型的运算。注意后面那个除法是整数除法,所以需要加上500来实现四舍五入。

  就是由于该算法需要32位运算,所以该公式的另一个变种很流行:

Gray = (R*30 + G*59 + B*11 + 50) / 100

  但是,虽说上一个公式是32位整数运算,但是根据80x86体系的整数乘除指令的特点,是可以用16位整数乘除指令来运算的。而且现在32位早普及了(AMD64都出来了),所以推荐使用上一个公式。

三、整数移位算法

  上面的整数算法已经很快了,但是有一点仍制约速度,就是最后的那个除法。移位比除法快多了,所以可以将系数缩放成 2的整数幂。

  习惯上使用16位精度,2的16次幂是65536,所以这样计算系数:

0.299 * 65536 = 19595.264 ≈ 19595

0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469

0.114 * 65536 + (0.896) = 7471.104 + 0.896 = 7472

  可能很多人看见了,我所使用的舍入方式不是四舍五入。四舍五入会有较大的误差,应该将以前的计算结果的误差一起计算进去,舍入方式是去尾法:

  写成表达式是:

Gray = (R*19595 + G*38469 + B*7472) >> 16

  2至20位精度的系数:

Gray = (R*1 + G*2 + B*1) >> 2

Gray = (R*2 + G*5 + B*1) >> 3

Gray = (R*4 + G*10 + B*2) >> 4

Gray = (R*9 + G*19 + B*4) >> 5

Gray = (R*19 + G*37 + B*8) >> 6

Gray = (R*38 + G*75 + B*15) >> 7

Gray = (R*76 + G*150 + B*30) >> 8

Gray = (R*153 + G*300 + B*59) >> 9

Gray = (R*306 + G*601 + B*117) >> 10

Gray = (R*612 + G*1202 + B*234) >> 11

Gray = (R*1224 + G*2405 + B*467) >> 12

Gray = (R*2449 + G*4809 + B*934) >> 13

Gray = (R*4898 + G*9618 + B*1868) >> 14

Gray = (R*9797 + G*19235 + B*3736) >> 15

Gray = (R*19595 + G*38469 + B*7472) >> 16

Gray = (R*39190 + G*76939 + B*14943) >> 17

Gray = (R*78381 + G*153878 + B*29885) >> 18

Gray = (R*156762 + G*307757 + B*59769) >> 19

Gray = (R*313524 + G*615514 + B*119538) >> 20

仔细观察上面的表格,这些精度实际上是一样的:3与4、7与8、10与11、13与14、19与20

所以16位运算下最好的计算公式是使用7位精度,比先前那个系数缩放100倍的精度高,而且速度快:

      Gray = (R*38 + G*75 + B*15) >> 7

其实最有意思的还是那个2位精度的,完全可以移位优化:

     Gray = (R + (WORD)G<<1 + B) >> 2

  由于误差很大,所以做图像处理绝不用该公式(最常用的是16位精度)。但对于游戏编程,场景经常变化,用户一般不可能观察到颜色的细微差别,所以最常用的是2位精度。 


c#代码

    /// <summary>

        /// 彩色图片转换成灰度图片代码

        /// </summary>

        /// <param name="img">源图片</param>

        /// <returns></returns>

        public Bitmap BitmapConvetGray(Bitmap img)

        {

            int h = img.Height;

            int w = img.Width;

            int gray = 0;    //灰度值

            Bitmap bmpOut = new Bitmap(w, h, PixelFormat. Format24bppRgb);    //每像素3字节

            BitmapData dataIn = img.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);

            BitmapData dataOut = bmpOut.LockBits(new Rectangle(0, 0, w, h), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);

            unsafe

            {

                byte* pIn = (byte*)(dataIn.Scan0.ToPointer());      //指向源文件首地址

                byte* pOut = (byte*)(dataOut.Scan0.ToPointer());  //指向目标文件首地址

                for (int y = 0; y < dataIn.Height; y++)  //列扫描

                {

                    for (int x = 0; x < dataIn.Width; x++)   //行扫描

                    {

                        gray = (pIn[0] * 19595 + pIn[1] * 38469 + pIn[2] * 7472) >> 16;  //灰度计算公式

                        pOut[0] = (byte)gray;     //R分量

                        pOut[1] = (byte)gray;     //G分量

                        pOut[2] = (byte)gray;     //B分量

                        pIn += 3; pOut += 3;      //指针后移3个分量位置

                    }

                    pIn += dataIn.Stride - dataIn.Width * 3;

                    pOut += dataOut.Stride - dataOut.Width * 3;

                }

            }

            bmpOut.UnlockBits(dataOut);

            img.UnlockBits(dataIn);

            return bmpOut;

        }



注:

理解Stride:假设有一张图片宽度为6,因为是Format24bppRgb格式(每像素3字节。否则Bitmap默认24位RGB)的,显然,每一行需要6*3=18个字节存储。对于Bitmap就是如此。但对于C# BitmapData,虽然BitmapData.Width还是等于Bitmap.Width,但大概是出于显示性能的考虑,每行的实际的字节数将变成大于等于它的那个离它最近的4的整倍数,此时的实际字节数就是Stride.就此例而言,18不是4的整倍数,而比18大的离18最近的4的倍数是20,所以这个BitmapData.Stride = 20.显然,当宽度本身就是4的倍数时,BitmapData.Stride = Bitmap.Width * 3.画个图可能更好理解。R、G、B 分别代表3个原色分量字节,BGR就表示一个像素。为了看起来方便在每个像素之间插了个空格,实际上是没有的。X表示补足4的倍数而自动插入的字节。为了符合人类的阅读习惯分行了,其实在计算机内存中应该看成连续的一大段。

该代码在VS2008中编译通过,当使用unsafe关键字时,项目的属性-->生成-->勾选"允许使用不安全代码"


  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: matlabrgb2gray是Matlab中的一个函数,用于将RGB彩色图像转换为灰度图像。它的语法如下: grayImage = rgb2gray(rgbImage) 其中,rgbImage是RGB彩色图像,grayImage是转换后的灰度图像。函数将RGB图像的三个通道进行加权平均,然后将结果保存到grayImage中。这个函数在图像处理和计算机视觉领域经常被使用。 ### 回答2: matlab中的rgb2gray是一个函数,用于将RGB(红绿蓝)图像转换为灰度图像。在图像处理和计算机视觉领域,灰度图像是一种只包含灰度值的图像,灰度值范围从0到255。与彩色图像相比,灰度图像通常更容易处理和分析。 在使用rgb2gray函数时,我们首先需要将RGB图像作为输入。RGB图像由3个颜色通道组成,即红色通道、绿色通道和蓝色通道。每个通道中的像素值介于0到255之间。通过对这三个通道进行适当的加权平均,可以将RGB图像转换为灰度图像。 具体而言,rgb2gray函数对于每个像素点,将红色通道的像素值乘以0.2989,将绿色通道的像素值乘以0.5870,将蓝色通道的像素值乘以0.1140,然后将三个结果相加,得到灰度值。 这样,一个RGB图像中的每个像素点将由一个灰度值替代,从而形成一个灰度图像。对于灰度图像中的每个像素,其灰度值表示了该像素的亮度,灰度值越大代表像素越亮,而灰度值越小代表像素越暗。因此,我们可以通过分析灰度图像来处理图像的亮度、对比度、边缘等特征。 总而言之,matlab的rgb2gray函数是用于将RGB图像转换为灰度图像的函数。通过对RGB图像中的红色、绿色和蓝色通道进行加权平均,得到每个像素点的灰度值,从而形成一个只包含灰度值的图像,方便后续的图像处理和分析。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值