文章摘要
这篇文章介绍了四种常见的图像处理技术：**灰度化**、**二值化**、**底片化**和**浮雕效果**，并详细描述了每种处理方法的原理和实现代码。 1. **灰度化**：通过调整RGB三色值，减少颜色深度，使图像呈现灰度效果。常见的灰度化方法包括最大值法、平均值法和加权平均值法，其中加权平均值法根据人眼对不同颜色的敏感度，使用30%、59%、11%的权重分别处理红、绿、蓝通道值。 2. **二值化**：将图像转换为黑白效果，适用于图像识别等场景。通过设定阈值，将灰度值高于阈值的像素设为白色（255,255,255），低于或等于阈值的设为黑色（0,0,0）。 3. **底片化**：通过将RGB值取反（255-原值），实现图像的反色效果。 4. **浮雕效果**：通过计算当前像素与相邻像素的RGB差值，并加128，生成浮雕效果。此方法强调颜色边界区域，其他平滑区域接近灰色。为提升效果，处理后可再进行灰度化处理。 文章还提到了每种处理方法的代码实现，并附有项目主页链接，供进一步探索。 关键词：图像处理、灰度化、二值化、底片化、浮雕效果、算法。
原图
一、灰度算法
彩色照片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，这样图片的显示效果就会是灰色。
灰度处理一般有三种算法：
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。
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
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％
下面是加权平均值法的Ruby实现：
#灰度化图片
#取RGB三色平均值
def self.grey(bmp)
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
rgb=bmp.getRGB(i, j)
grey=rgb.r.to_f * 0.3+rgb.g.to_f *0.59 +rgb.b.to_f * 0.11.to_i
bmp.setRGB(i, j, RGB.new(grey, grey, grey))
end
end
end
#取RGB三色平均值
def self.grey(bmp)
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
rgb=bmp.getRGB(i, j)
grey=rgb.r.to_f * 0.3+rgb.g.to_f *0.59 +rgb.b.to_f * 0.11.to_i
bmp.setRGB(i, j, RGB.new(grey, grey, grey))
end
end
end
灰度效果：
二、二值化
图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。
图像二值化常常用于破解验证码等图片识别应用上
#二值化图片
#小于一定阈值设为0 0 0，大于设置为255 255 255
def self.binarization(bmp)
imageGreyLevel=bmp.getGreyLevel
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
rgb=bmp.getRGB(i, j)
if rgb.getGreyLevel<imageGreyLevel
bmp.setRGB(i, j, RGB.new(0, 0, 0))
else
bmp.setRGB(i, j, RGB.new(255, 255, 255))
end
end
#小于一定阈值设为0 0 0，大于设置为255 255 255
def self.binarization(bmp)
imageGreyLevel=bmp.getGreyLevel
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
rgb=bmp.getRGB(i, j)
if rgb.getGreyLevel<imageGreyLevel
bmp.setRGB(i, j, RGB.new(0, 0, 0))
else
bmp.setRGB(i, j, RGB.new(255, 255, 255))
end
end
end
end
二值化效果
三、底片
底片效果的实现很简单，就是将RGB的每一个通道值取反，就是用255去减
#底片化图片
#RGB取反色255-
def self.contraryColor(bmp)
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
rgb=bmp.getRGB(i, j)
bmp.setRGB(i, j, rgb.getContrary)
end
end
end
#RGB取反色255-
def self.contraryColor(bmp)
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
rgb=bmp.getRGB(i, j)
bmp.setRGB(i, j, rgb.getContrary)
end
end
end
底片效果
四、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。
#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。
def self.emboss(bmp)
#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。
def self.emboss(bmp)
preRGB=RGB.new(128, 128, 128)
for i in 0 .. bmp.height – 1
for j in 0 .. bmp.width – 1
currentRGB=bmp.getRGB(i, j)
r=(currentRGB.r-preRGB.r)*1+128
g=(currentRGB.g – preRGB.g)*1+128
b=(currentRGB.b-preRGB.b)*1+128
bmp.setRGB(i, j, RGB.new(r,g,b).getGreyRGB)
preRGB=currentRGB
end
end
end
浮雕效果
项目主页
geekeren/RubyImageProcess
您可能感兴趣的文章:Ruby实现的各种排序算法ruby实现的插入排序和冒泡排序算法Ruby实现的矩阵连乘算法Ruby实现二分搜索(二分查找)算法的简单示例Ruby实现的3种快速排序算法Ruby实现的合并排序算法Ruby实现的最优二叉查找树算法
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
