亮度:按維基百科里的解釋,亮度是人對光的強度的感受。它是一個主觀的量。(相應客觀的量是"光強").
像素亮度和灰度不是等同的概念,但灰度的黑白就如同亮度的明暗,在“色相無關性”方面兩者也是一致的,因此灰度也常被用來表示亮度。
彩色圖本身亮度與色相沒有關系,正如紅與綠你不能認為哪個更亮,但你可把彩色圖轉換為灰度圖來比較。
轉換公式:
一、基礎
對于彩色轉灰度,有一個很著名的心理學公式:
Gray = R*0.299 + G*0.587 + B*0.114
關于公式的代碼實現,可以參考BenBen的<<如何將真彩色圖轉換為各種灰度圖>>.
二、整數算法
而實際應用時,希望避免低速的浮點運算,所以需要整數算法。
注意到系數都是3位精度的沒有,我們可以將它們縮放1000倍來實現整數運算算法:
Gray = (R*299 + G*587 + B*114 + 500) / 1000
RGB一般是8位精度,現在縮放1000倍,所以上面的運算是32位整型的運算。注意后面那個
除法是整數除法,所以需要加上500來實現四舍五入。
就是由于該算法需要32位運算,所以該公式的另一個變種很流行:
Gray = (R*30 + G*59 + B*11 + 50) / 100
但是,雖說上一個公式是32位整數運算,但是根據80x86體系的整數乘除指令的特點,是
可以用16位整數乘除指令來運算的。而且現在32位早普及了(AMD64都出來了),所以推薦使
用上一個公式。
三、整數移位算法
上面的整數算法已經很快了,但是有一點仍制約速度,就是最后的那個除法。移位比除法
快多了,所以可以將系數縮放成 2的整數冪。
習慣上使用16位精度,2的16次冪是65536,所以這樣計算系數:
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
可能很多人看見了,我所使用的舍入方式不是四舍五入。四舍五入會有較大的誤差,應該
將以前的計算結果的誤差一起計算進去,舍入方式是去尾法:
寫成表達式是:
Gray = (R*19595 + G*38469 + B*7472) >> 16
2至20位精度的系數:
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
仔細觀察上面的表格,這些精度實際上是一樣的:3與4、7與8、10與11、13與14、19與20
所以16位運算下最好的計算公式是使用7位精度,比先前那個系數縮放100倍的精度高,而
且速度快:
Gray = (R*38 + G*75 + B*15) >> 7
其實最有意思的還是那個2位精度的,完全可以移位優化:
Gray = (R + (WORD)G<<1 + B) >> 2
由于誤差很大,所以做圖像處理絕不用該公式(最常用的是16位精度)。但對于游戲編程
,場景經常變化,用戶一般不可能觀察到顏色的細微差別,所以最常用的是2位精度。
不知道matlab中是如何實現的.
OpenGL是不存在直接get亮度的函數的.
posted on 2007-04-14 18:04
哈哈 閱讀(3437)
評論(0) 編輯 收藏 引用