文章摘要
这篇文章介绍了四种图像处理技术：灰度化、二值化、底片化和浮雕效果，通过简要描述每种技术的原理、算法及其应用，帮助读者快速理解其核心内容。
1. **灰度化**：将彩色图像转换为灰度图像，常用方法包括最大值法（保留最大RGB值）、平均值法（RGB平均值）和加权平均值法（考虑人眼对不同颜色的敏感度）。加权平均值法使用W_r=30%，W_g=59%，W_b=11%的权重，结合Ruby代码实现了这一过程。
2. **二值化**：通过设定阈值将图像转换为黑白效果，大于阈值的像素设为255，否则设为0。该技术常用于字符识别等场景，代码实现了基于全局阈值的二值化处理。
3. **底片化**：将RGB通道取反，即用255减去当前值，实现图像反转效果，代码展示了这一简单的变换操作。
4. **浮雕效果**：通过当前点与相邻点的RGB值差值生成浮雕效果，结合128的偏移，代码实现了这一效果，并提到后续灰度处理以增强效果。
总结而言，文章通过具体算法和代码示例，详细介绍了四种图像处理技术，适合需要了解或实现这些图像效果的读者。
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。
