Android Matrix类以及ColorMatrix类详解

最近在系统学习了android的图像处理（在网上搜集了一些资料并自己编写了测试程序，做了整理），现在这里做一总结：

一、ColorMatrix类

ColorMatrix是一个5x4阶的矩阵 在下面表示为A，第一行表示R红色分量，第二行表示G绿色分量，第三行表示B蓝色分量，第四行表示透明度：

用一维数组的存储方式如下： [ a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t ]，

颜色矩阵和颜色分量相乘之后得到新的颜色如下：

R‘ = a*R + b*G + c*B + d*A + e; //红色分量

G' = f*R + g*G + h*B + i*A + j; //绿色分量

B' = k*R + l*G + m*B + n*A + o; //蓝色分量

A' = p*R + q*G + r*B + s*A + t; //透明度

颜色矩阵的第五列表示各个颜色的偏移量。

下面了解下ColorMatrix的常用API：

public void set(float[] src) 将src数组的值赋给颜色矩阵A

public final float[] getArray() 返回颜色矩阵A的具体数值，以一阶数组形式表示

public void setConcat(ColorMatrix matA,ColorMatrix matB) 将颜色矩阵matA和matB复合，相当与对图片进行matA矩阵处理再进行矩阵matB处理。

public void postConcat (ColorMatrix postmatrix) 若matA.postConcat(postmatrix)等价与 setConcat（postmatrix，matA）。

public void preConcat (ColorMatrix prematrix) 若matA.preConcat(prematrix)等价与 setConcat（matA，prematrix）。

public void setRotate (int axis, float degrees) 设置颜色分量旋转：axis==0旋转红色；axis==1对应绿色；axis==2对应蓝色，

源码如下：

   /**
     * Set the rotation on a color axis by the specified values.
     * axis=0 correspond to a rotation around the RED color
     * axis=1 correspond to a rotation around the GREEN color
     * axis=2 correspond to a rotation around the BLUE color
*/
public void setRotate(int axis, float degrees) {
        reset();
float radians = degrees * (float)Math.PI / 180;
float cosine = FloatMath.cos(radians);
float sine = FloatMath.sin(radians);
switch (axis) {
// Rotation around the red color
        case 0:
            mArray[6] = mArray[12] = cosine;
            mArray[7] = sine;
            mArray[11] = -sine;
break;
// Rotation around the green color
        case 1:
            mArray[0] = mArray[12] = cosine;
            mArray[2] = -sine;
            mArray[10] = sine;
break;
// Rotation around the blue color
        case 2:
            mArray[0] = mArray[6] = cosine;
            mArray[1] = sine;
            mArray[5] = -sine;
break;
default:
throw new RuntimeException();
        }
    }

public void setSaturation (float sat) 通过改变矩阵的值设置图像的饱和度 参数0对应灰×××像，1对应没改变

public void setScale (float rScale, float gScale, float bScale, float aScale) 设置矩阵的R，G，B，A等变量到对应的倍数。

对应的api为setScale（1，2，1，1）；这个函数实际对应设置的是颜色矩阵对角线上的值。

下面的例子作出了对图像的一些处理，比较简单：

    private void useColorMatrix(Canvas canvas,Paint paint) {
// TODO Auto-generated method stub
//清除画笔的颜色过滤
        paint.setColorFilter(null);
        cmatrix = new ColorMatrix();
        cmatrix.set(carrycolor);
//        cmatrix.reset();
//        cmatrix.setSaturation(0F);
//        cmatrix.setRotate(0, 100);
//        cmatrix.setScale(2, 2, 2, 2);
//设置颜色矩阵过滤器
        paint.setColorFilter(new ColorMatrixColorFilter(cmatrix));
        canvas.drawBitmap(bitmap, 0,0, paint);
    }

 

二、Matrix类详解

Matrix类是一个3x3的位置坐标矩阵，该类对矩阵进行初始化必须通过reset函数或者set...等方法，

图形的放大缩小，移动，旋转，透视，扭曲这些效果都可以用该此矩阵来完成。位置矩阵A的第一行控制X坐标，第二行控制y坐标第三行控制Z坐标。


这个矩阵的作用是对坐标x,y进行变换计算结果如下：
x'=a*x+b*y+c
y'=d*x+e*y+f

由上面的公式可以看出c，f分别控制x，和y位置的偏移量，a和e控制X，与y坐标倍数的变化，所以

x放大a倍，y放大b倍，

矩阵就是：，

x方向的平移量为△x，y方向的平移量为△y，那么，点P（x，y）的坐标为：

x = x0 + △x
y = y0 + △y

采用矩阵表达上述如下：

先移动再放大用的是矩阵的乘法如A*B。

图像的旋转稍微复杂：现设点P0（x0， y0）绕原点旋转θ角后的对应点为P（x， y）。通过使用向量，我们得到如下，r为旋转半径：

x0 = r cosα
y0 = r sinα

x = r cos(α+θ) = x0 cosθ - y0 sinθ （三角函数展开然后变量替换）
y = r sin(α+θ) = x0 sinθ + y0 cosθ

于是我们得到矩阵：

图像的镜像，分为2种：水平镜像、垂直镜像。先介绍如何实现垂直镜像，什么是垂直镜像就不详细说明。图像的垂直镜像变化也可以用矩阵变化的表示，

设点P0（x0 ，y0 ）进行镜像后的对应点为P（x ，y ），图像的高度为fHeight，宽度为fWidth，原图像中的P0（x0 ，y0 ）经过垂直镜像后的坐标变为（x0 ，2*fHeight- y0）；
x = x0 垂直镜像后x坐标不变
y = fHeight – y0 垂直镜像后相当与先将图像绕x轴旋转180度，再将图像向下平移两个图像的高度，所以先y=-y0；然后再加2倍高度
推导出相应的矩阵是：

final float f[] = {1.0F,0.0F,0.0F,0.0F,-1.0F,120.0F,0.0F,0.0F,1.0F};
Matrix matrix = new Matrix();
matrix.setValues(f);

代码如下：

@Override
protected void onDraw(Canvas canvas) {
// TODO Auto-generated method stub
        super.onDraw(canvas);
        Paint paint = mPaint;
//        useColorMatrix(canvas,paint);
        
        matrix = new Matrix();
        matrix.setValues(carrypos);
        paint.setColorFilter(null);
        canvas.drawBitmap(bitmap,matrix,paint);       // you can setColorFilter(null); 
        carrypos[5] = 2*bitmap.getHeight();           //设置y坐标移动
        carrypos[4] = -1;                              //设置绕x轴转180度

        matrix.setValues(carrypos);
        canvas.drawBitmap(bitmap, matrix, paint);

    }

 

按照上述方法运行后的结果：

 

实际上，使用下面的方式也可以实现垂直镜像：
Matrix matrix = new Matrix();
matrix.setScale (1.0，-1.0);
matrix.postTraslate(0,2* fHeight);

 

 

Matrix学习——图像的复合变化

如果图像围绕着某个点P(a，b)旋转，则先要将坐标系平移到该点，再进行旋转，然后将旋转后的图像平移回到原来的坐标原点。

我们需要3步：

1. 平移——将坐标系平移到点P(a，b)；

2. 旋转——以原点为中心旋转图像；

3. 平移——将旋转后的图像平移回到原来的坐标原点；

相比较前面说的图像的几何变化（基本的图像几何变化），这里需要平移——旋转——平移，这种需要多种图像的几何变化就叫做图像的复合变化。

设对给定的图像依次进行了基本变化F1、F2、F3…..、Fn，它们的变化矩阵分别为T1、T2、T3…..、Tn，图像复合变化的矩阵T可以表示为：T = TnTn-1…T1。

按照上面的原则，围绕着某个点(a，b)旋转θ的变化矩阵序列是：

按照上面的公式，我们列举一个简单的例子：围绕（100，100）旋转30度(sin 30 = 0.5 ，cos 30 = 0.866)
float f[]= { 0.866F, -0.5F, 63.4F,0.5F, 0.866F,-36.6F,0.0F, 0.0F, 1.0F };
matrix = new Matrix();
matrix.setValues(f);
旋转后的图像如下：

Android为我们提供了更加简单的方法，如下：
Matrix matrix = new Matrix();
matrix.setRotate(30，100，100);
矩阵运行后的实际结果：

与我们前面通过公式获取得到的矩阵完全一样。

在这里我们提供另外一种方法，也可以达到同样的效果：
float a = 100.0F,b = 100.0F;
matrix = new Matrix();
matrix.setTranslate(a,b);
matrix.preRotate(30);
matrix.preTranslate(-a,-b); //等价与matrix=matrix*T(移动相应距离的矩阵) post...（把pre的乘积因子相交换）

 

Matrix学习——错切变换

什么是图像的错切变换（Shear transformation）？我们还是直接看图片错切变换后是的效果：

上图是设置了x向量的第二个参数为0.5F 即x=x0+0.5y0 所以x随y的增大而成斜率为0.5的线性变化。

代码如下：

        private float[]  carrypos2 ={1,0,100,
                                     0,1,100,
                                     0,0,1};    //z no change
        float[] test01 = carrypos2;
        test01[1] = 0.5F;

        matrix.setValues(test01);

        canvas.drawBitmap(bitmap, matrix, paint);

也可以這樣寫：

对图像的错切变换做个总结：

x = x0 + b*y0;

y = d*x0 + y0;

这里再次给大家介绍一个需要注意的地方：

通过以上，我们发现Matrix的setXXXX()函数，在调用时调用了一次reset()，这个在复合变换时需要注意。

Matrix学习——对称变换（反射）

什么是对称变换？具体的理论就不详细说明了，图像的镜像就是对称变换中的一种。

利用上面的总结做个具体的例子，产生与直线y= – x对称的反射图形，代码片段如下：

当前矩阵输出是：

图像变换的效果如下：

 

附：三角函数公式

两角和公式

sin(a+b)=sinacosb+cosasinb

sin(a-b)=sinacosb-sinbcosa 

cos(a+b)=cosacosb-sinasinb

cos(a-b)=cosacosb+sinasinb

tan(a+b)=(tana+tanb)/(1-tanatanb)

tan(a-b)=(tana-tanb)/(1+tanatanb)

cot(a+b)=(cotacotb-1)/(cotb+cota) 

cot(a-b)=(cotacotb+1)/(cotb-cota)

倍角公式

tan2a=2tana/[1-(tana)^2]

cos2a=(cosa)^2-(sina)^2=2(cosa)^2 -1=1-2(sina)^2

sin2a=2sina*cosa

半角公式

sin(a/2)=√((1-cosa)/2) sin(a/2)=-√((1-cosa)/2)

cos(a/2)=√((1+cosa)/2) cos(a/2)=-√((1+cosa)/2)

tan(a/2)=√((1-cosa)/((1+cosa)) tan(a/2)=-√((1-cosa)/((1+cosa))

cot(a/2)=√((1+cosa)/((1-cosa)) cot(a/2)=-√((1+cosa)/((1-cosa)) 

tan(a/2)=(1-cosa)/sina=sina/(1+cosa)

和差化积

2sinacosb=sin(a+b)+sin(a-b)

2cosasinb=sin(a+b)-sin(a-b) )

2cosacosb=cos(a+b)-sin(a-b)

-2sinasinb=cos(a+b)-cos(a-b)

sina+sinb=2sin((a+b)/2)cos((a-b)/2

cosa+cosb=2cos((a+b)/2)sin((a-b)/2)

tana+tanb=sin(a+b)/cosacosb

积化和差公式

sin(a)sin(b)=-1/2*[cos(a+b)-cos(a-b)]

cos(a)cos(b)=1/2*[cos(a+b)+cos(a-b)]

sin(a)cos(b)=1/2*[sin(a+b)+sin(a-b)]

诱导公式

sin(-a)=-sin(a)

cos(-a)=cos(a)

sin(pi/2-a)=cos(a)

cos(pi/2-a)=sin(a)

sin(pi/2+a)=cos(a)

cos(pi/2+a)=-sin(a)

sin(pi-a)=sin(a)

cos(pi-a)=-cos(a)

sin(pi+a)=-sin(a)

cos(pi+a)=-cos(a)

tga=tana=sina/cosa

万能公式

sin(a)= (2tan(a/2))/(1+tan^2(a/2))

cos(a)= (1-tan^2(a/2))/(1+tan^2(a/2))

tan(a)= (2tan(a/2))/(1-tan^2(a/2))

其它公式

a*sin(a)+b*cos(a)=sqrt(a^2+b^2)sin(a+c) [其中，tan(c)=b/a]

a*sin(a)-b*cos(a)=sqrt(a^2+b^2)cos(a-c) [其中，tan(c)=a/b]

1+sin(a)=(sin(a/2)+cos(a/2))^2

1-sin(a)=(sin(a/2)-cos(a/2))^2

其他非重点三角函数

csc(a)=1/sin(a)

sec(a)=1/cos(a)

双曲函数

sinh(a)=(e^a-e^(-a))/2

cosh(a)=(e^a+e^(-a))/2

tgh(a)=sinh(a)/cosh(a)

 

转载于:https://blog.51cto.com/shaojun168/951541