图像滤镜处理算法：灰度、黑白、底片、浮雕
图片类应用，免不了对图片的处理，常见的滤镜效果，如灰度、底片、浮雕、柔化、光照等效果，更有意思的有各种如哈哈镜一般的变型特效，当然，也有其他的人物面部美化、图片合成等高级功能，这些功能组合在一起便能够提供十分新奇的体验。
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; } } 本文只介绍一下图像处理的算法原理，暂不提供详细的代码。