图像滤镜处理算法：灰度、黑白、底片、浮雕

下面介绍几种简单的图片处理算法，通过这几种算法，也能大致明白滤镜处理的算法原理。

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。

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：

 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：

 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：

      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;
		}
	}