zoukankan      html  css  js  c++  java
  • 彩色转灰度算法

    一、基础

      对于彩色转灰度。有一个非常著名的心理学公式:

    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,所以须要整数算法。

      注意到系数都是3位精度的没有。我们能够将它们缩放1000倍来实现整数运算算法:

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

      RGB通常是8位精度。如今缩放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,所以须要加上500来实现四舍五入。

      就是因为该算法须要32位运算,所以该公式的还有一个变种非常流行:

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

      可是,虽说上一个公式是32位整数运算,可是依据80x86体系的整数乘除指令的特点。是能够用16位整数乘除指令来运算的。并且如今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非常快了,可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,所以能够将系数缩放成 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

      可能非常多人看见了,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,应该将曾经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

      细致观察上面的表格,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,并且速度快:

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

      事实上最有意思的还是那个2位精度的,全然能够移位优化:

    Gray = (R + (WORD)G<<1 + B) >> 2

      因为误差非常大,所以做图像处理绝不用该公式(最经常使用的是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区别。所以最经常使用的是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:如果有一张图片宽度为6,因为是Format24bppRgb格式(每像素3字节。否则Bitmap默认24位RGB)的,显然,每一行须要6*3=18个字节存储。对于Bitmap就是如此。

    但对于C# BitmapData。尽管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近期的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近期的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一个像素之间插了个空格,实际上是没有的。

    X表示补足4的倍数而自己主动插入的字节。

    为了符合人类的阅读习惯分行了。事实上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unsafekeyword时。项目的属性-->生成-->勾选"同意使用不安全代码"

     

     

    delphi7代码 

    procedure Convert2Gray(Cnv: TCanvas);
    var X, Y, jj: Integer;
      Color: LongInt;
      R, G, B, Gr: Byte;
    begin
      with Cnv do
        for X := Cliprect.Left to Cliprect.Right do
          for Y := Cliprect.Top to Cliprect.Bottom do
          begin
            Color := ColorToRGB(Pixels[X, Y]);
            B := (Color and $FF0000) shr 16;
            G := (Color and $FF00) shr 8;
            R := (Color and $FF);
            Gr := HiByte(R * 77 + G * 151 + B * 28);
            jj := gr;
            Gr := Trunc(B * 0.11 + G * 0.59 + R * 0.3);
            Pixels[X, Y] := RGB(Gr, Gr, Gr);
          end;

    end;

    function RGB(R, G, B: Byte): TColor;
    begin
      Result := B shl 16 or G shl 8 or R;
    end;

    procedure TfrmDemo.Button1Click(Sender: TObject);
    begin
      Screen.Cursor := crHourGlass;
      Convert2Gray(Image1.Picture.Bitmap.Canvas);
      Screen.Cursor := crDefault;
    end;

  • 相关阅读:
    Redis 在 分布式项目中 的小应用--分布式锁 模拟session 分布式自增id
    自动生成swagger 前后端分离 对接文档
    利用IDEA 把maven工程中spring-boot的某个模块打成jar包
    利用SQL语句,把本地Excel文件批量导入mysql数据库,做测试数据使用
    Java常用API-String类
    网络编程模型及TCP、UDP编程设计
    计算机网络模型构架分析
    多线程程序的设计详解
    多进程、进程间通讯设计
    Linux 文件编程、时间编程基本函数
  • 原文地址:https://www.cnblogs.com/wzzkaifa/p/7216011.html
Copyright © 2011-2022 走看看