内容简介:将颜色的RGB设置为相同的值即可使得图片为灰色,一般处理方法有: 1、取三种颜色的平均值 2、取三种颜色的最大值(最小值) 3、加权平均值:0.3顾名思义,就是图片的颜色只有黑色和白色,可以计算rgb的平均值arg,arg>=100,r=g=b=255,否则均为0就是RGB三种颜色分别取255的差值。
将颜色的RGB设置为相同的值即可使得图片为灰色,一般处理方法有: 1、取三种颜色的平均值 2、取三种颜色的最大值(最小值) 3、加权平均值:0.3 R + 0.59 G + 0.11*B
for(var i = 0; i < data.length; i+=4) { var grey = (data[i] + data[i+1] + data[i+2]) / 3; data[i] = data[i+1] = data[i+2] = grey; } 复制代码
黑白滤镜
顾名思义,就是图片的颜色只有黑色和白色,可以计算rgb的平均值arg,arg>=100,r=g=b=255,否则均为0
for(var i = 0; i < data.length; i += 4) { var avg = (data[i] + data[i+1] + data[i+2]) / 3; data[i] = data[i+1] = data[i+2] = avg >= 100 ? 255 : 0; } 复制代码
反向滤镜
就是RGB三种颜色分别取255的差值。
for(var i = 0; i < data.length; i+= 4) { data[i] = 255 - data[i]; data[i + 1] = 255 - data[i + 1]; data[i + 2] = 255 - data[i + 2]; } 复制代码
去色滤镜
rgb三种颜色取三种颜色的最值的平均值。
for(var i = 0; i < data.length; i++) { var avg = Math.floor((Math.min(data[i], data[i+1], data[i+2]) + Math.max(data[i], data[i+1], data[i+2])) / 2 ); data[i] = data[i+1] = data[i+2] = avg; } 复制代码
单色滤镜
就是只保留一种颜色,其他颜色设为0
for(var i = 0; i < canvas.height * canvas.width; i++) { data[i*4 + 2] = 0; data[i*4 + 1] = 0; } 复制代码
高斯模糊滤镜
高斯模糊的原理就是根据正态分布使得每个像素点周围的像素点的权重不一致,将各个权重(各个权重值和为1)与对应的色值相乘,所得结果求和为中心像素点新的色值。我们需要了解的高斯模糊的公式:
function gaussBlur(imgData, radius, sigma) { var pixes = imgData.data, height = imgData.height, width = imgData.width, radius = radius || 5; sigma = sigma || radius / 3; var gaussEdge = radius * 2 + 1; var gaussMatrix = [], gaussSum = 0, a = 1 / (2 * sigma * sigma * Math.PI), b = -a * Math.PI; for(var i = -radius; i <= radius; i++) { for(var j = -radius; j <= radius; j++) { var gxy = a * Math.exp((i * i + j * j) * b); gaussMatrix.push(gxy); gaussSum += gxy; } } var gaussNum = (radius + 1) * (radius + 1); for(var i = 0; i < gaussNum; i++) { gaussMatrix[i] /= gaussSum; } for(var x = 0; x < width; x++) { for(var y = 0; y < height; y++) { var r = g = b = 0; for(var i = -radius; i<=radius; i++) { var m = handleEdge(i, x, width); for(var j = -radius; j <= radius; j++) { var mm = handleEdge(j, y, height); var currentPixId = (mm * width + m) * 4; var jj = j + radius; var ii = i + radius; r += pixes[currentPixId] * gaussMatrix[jj * gaussEdge + ii]; g += pixes[currentPixId + 1] * gaussMatrix[jj * gaussEdge + ii]; b += pixes[currentPixId + 2] * gaussMatrix[jj * gaussEdge + ii]; } } var pixId = (y * width + x) * 4; pixes[pixId] = ~~r; pixes[pixId + 1] = ~~g; pixes[pixId + 2] = ~~b; } } imgData.data = pixes; return imgData; } function handleEdge(i, x, w) { var m = x + i; if(m < 0) { m = -m; } else if(m >= w) { m = w + i -x; } return m; } 复制代码
怀旧滤镜
怀旧滤镜公式
for(var i = 0; i < imgData.height * imgData.width; i++) { var r = imgData.data[i*4], g = imgData.data[i*4+1], b = imgData.data[i*4+2]; var newR = (0.393 * r + 0.769 * g + 0.189 * b); var newG = (0.349 * r + 0.686 * g + 0.168 * b); var newB = (0.272 * r + 0.534 * g + 0.131 * b); var rgbArr = [newR, newG, newB].map((e) => { return e < 0 ? 0 : e > 255 ? 255 : e; }); [imgData.data[i*4], imgData.data[i*4+1], imgData.data[i*4+2]] = rgbArr; } 复制代码
熔铸滤镜
公式: r = r 128/(g+b +1); g = g 128/(r+b +1); b = b*128/(g+r +1);
for(var i = 0; i < imgData.height * imgData.width; i++) { var r = imgData.data[i*4], g = imgData.data[i*4+1], b = imgData.data[i*4+2]; var newR = r * 128 / (g + b + 1); var newG = g * 128 / (r + b + 1); var newB = b * 128 / (g + r + 1); var rgbArr = [newR, newG, newB].map((e) => { return e < 0 ? 0 : e > 255 ? 255 : e; }); [imgData.data[i*4], imgData.data[i*4+1], imgData.data[i*4+2]] = rgbArr; } 复制代码
冰冻滤镜
公式: r = (r-g-b)*3/2; g = (g-r-b)*3/2; b = (b-g-r)*3/2;
for(var i = 0; i < imgData.height * imgData.width; i++) { var r = imgData.data[i*4], g = imgData.data[i*4+1], b = imgData.data[i*4+2]; var newR = (r - g -b) * 3 /2; var newG = (g - r -b) * 3 /2; var newB = (b - g -r) * 3 /2; var rgbArr = [newR, newG, newB].map((e) => { return e < 0 ? 0 : e > 255 ? 255 : e; }); [imgData.data[i*4], imgData.data[i*4+1], imgData.data[i*4+2]] = rgbArr; } 复制代码
连环画滤镜
公式: R = |g – b + g + r| * r / 256
G = |b – g + b + r| * r / 256;
B = |b – g + b + r| * g / 256;
for(var i = 0; i < imgData.height * imgData.width; i++) { var r = imgData.data[i*4], g = imgData.data[i*4+1], b = imgData.data[i*4+2]; var newR = Math.abs(g - b + g + r) * r / 256; var newG = Math.abs(b -g + b + r) * r / 256; var newB = Math.abs(b -g + b + r) * g / 256; var rgbArr = [newR, newG, newB]; [imgData.data[i*4], imgData.data[i*4+1], imgData.data[i*4+2]] = rgbArr; } 复制代码
褐色滤镜
公式: r = r * 0.393 + g * 0.769 + b * 0.189; g = r * 0.349 + g * 0.686 + b * 0.168; b = r * 0.272 + g * 0.534 + b * 0.131;
for (var i = 0; i < imgData.height * imgData.width; i++) { var r = imgData.data[i * 4], g = imgData.data[i * 4 + 1], b = imgData.data[i * 4 + 2]; var newR = r * 0.393 + g * 0.769 + b * 0.189; var newG = r * 0.349 + g * 0.686 + b * 0.168; var newB = r * 0.272 + g * 0.534 + b * 0.131; var rgbArr = [newR, newG, newB]; [imgData.data[i * 4], imgData.data[i * 4 + 1], imgData.data[i * 4 + 2]] = rgbArr; } 复制代码
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Opencv图像处理系列(六)—— 图像梯度
- Opencv图像处理系列(九)—— 图像轮廓
- Python 图像处理 OpenCV (15):图像轮廓
- Opencv图像处理系列(三)——图像二值化
- Opencv图像处理系列(八)—— 图像金字塔
- 数字图像处理-前端实现
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Java遗传算法编程
Lee Jacobson、Burak Kanber / 王海鹏 / 人民邮电出版社 / 2016-12-6 / 49元
本书简单、直接地介绍了遗传算法,并且针对所讨论的示例问题,给出了Java代码的算法实现。全书共分灾6章。第1章简单介绍了人工智能和生物进化的知识背景,这也是遗传算法的历史知识背景。第2章给出了一个基本遗传算法的实现;第4章和第5章,分别针对机器人控制器、旅行商问题、排课问题展开分析和讨论,并给出了算法实现。在这些章的末尾,还给出了一些练习供读者深入学习和实践。第6章专门讨论了各种算法的优化问题。 ......一起来看看 《Java遗传算法编程》 这本书的介绍吧!