zoukankan      html  css  js  c++  java
  • [转]J2ME开发中彩色转灰度算法的应用

          

    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 = 19595.26419595
     
    0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.89638469
     
    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。

    public static int[] Turngrey(Image image) {
        int rgx[];
        rgx = new int[image.getWidth() * image.getHeight()];
        image.getRGB(rgx, 0, image.getWidth(), 0, 0, image.getWidth(),
                     image.getHeight()); //获得图片的ARGB值
        int r, g, b;
        for (int j = 0; j < rgx.length; j++) {
            r = (rgx[j] & 0x00ff0000) >> 16;
            g = (rgx[j] & 0x0000ff00) >> 8;
            b = rgx[j] & 0x000000ff;
            if ((rgx[j] == 0x00FFFFFF)) {
                continue;
            }
            r = g;
            b = g;
     
            rgx[j] = ((r << 16) | (g << 8) | b) | 0xff000000;
        }
        return rgx;
    }

    以上是别人写的算法,我把这个算法用到游戏中处理角色死亡的画面,整个屏幕变灰,刷新也变慢,这个效果是很COOL的~~

    在我的项目中我自己写了个函数,一便于我的游戏引擎调度:

    /**
     * @todo 灰度处理
     */
    public static int[] Turngrey(Image image) {
        int rgx[];
        rgx = new int[image.getWidth() * image.getHeight()];
        image.getRGB(rgx, 0, image.getWidth(), 0, 0, image.getWidth(),
                     image.getHeight()); //获得图片的ARGB值
        int r, g, b;
        for (int j = 0; j < rgx.length; j++) {
            r = (rgx[j] & 0x00ff0000) >> 16;
            g = (rgx[j] & 0x0000ff00) >> 8;
            b = rgx[j] & 0x000000ff;
            if ((rgx[j] == 0x00FFFFFF)) {
                continue;
            }
            r = g;
            b = g;
     
            //r = g*3/10;
            //r = (g << 1 + r) >> 3 + (g << 1 + r);
            //b = g * 6 / 10;
            //b = ((g << 1) << 1 + (g << 1)) >> 3 + ((g << 1) << 1 + (g << 1));
     
            //g = g >> 3 + g;
     
            rgx[j] = ((r << 16) | (g << 8) | b) | 0xff000000;
        }
        return rgx;
    }

    游戏中的效果在下面(当然引擎可以随时控制颜色恢复彩色):

     


     

  • 相关阅读:
    夜生活
    LOST
    TMD
    玩AJAX要先知道这些
    水漫金陵
    家装
    JAVA里面的小名堂
    朋友值多少钱
    猪八戒
    冬枣
  • 原文地址:https://www.cnblogs.com/jacktu/p/1490892.html
Copyright © 2011-2022 走看看