圖像濾鏡處理算法：灰度、黑白、底片、浮雕
圖片類應用，免不了對圖片的處理，常見的濾鏡效果，如灰度、底片、浮雕、柔化、光照等效果，更有意思的有各種如哈哈鏡一般的變型特效，當然，也有其他的人物面部美化、圖片合成等高級功能，這些功能組合在一起便能夠提供十分新奇的體驗。
下面介紹幾種簡單的圖片處理算法，通過這幾種算法，也能大致明白濾鏡處理的算法原理。
1 灰度圖片
前文闡述過關于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，于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)，一般由于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，代碼運行于Android環境，不過是采用jni編寫的，是C代碼。
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;
}</pre>
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；至于為什么用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：
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：
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值并加上128作為新的RGB值。由于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：
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;
}
} 本文只介紹一下圖像處理的算法原理，暫不提供詳細的代碼。