简单的图像滤镜运算法则

简单的图像滤镜运算法则

位图文件主要存储的是一个一个的像素，它是一个长乘宽的二维数组，每一个数组元素都是一个RGB

struct，里面有3个Byte（字节），分别存储着RGB（即红绿蓝）三原色的值，从0到255，数字越大颜色越

亮，（0，0，0）代表黑色，（255，255，255）代表白色。

我们假设有一个非常小的位图图像（height=2，width=4），那么它在内存中最重要的部分（也就是像素

存储部分）可以表示为：
（0，0，0） （0，0，0）（0，0，0）
（0，0，0） （0，0，0）（0，0，0）
（0，0，0） （0，0，0）（0，0，0）
如果它存储在数组pixel[2][4]中，改变为灰色的位图很简单只需把它的值改为：
（127，127，127）（127，127，127）（127，127，127）
（127，127，127）（127，127，127）（127，127，127）
（127，127，127）（127，127，127）（127，127，127）

下面说说滤镜（filter）和卷积（convolution），举个例子说明：
有一个4*4的图像存储在G[i][j]（i，j=0~3）中：
 2 2 2 2
 3 2 3 3
 4 6 4 5
 5 6 6 6
有一个3*3的滤镜F[i][j]（i，j=0~2）；
 1 2 1
 1 1 1
 1 1 1
二者如何卷积（convolution）运算呢？假设产生的新图为N[i][j],N*F的卷积为：
N[i][j]=G[i-1][j-1]*F[i-1][j-1]+G[i][j-1]*F[i][j-1]+G[i+1][j-1]*F[i+1][j-1]+G[i-1][j]*F[i-

1][j]+G[i][j]*F[i][j]+G[i+1][j]*F[i+1][j]+G[i+1][j-1]*F[i+1][j-1]+G[i][j+1]*F[i][j+1]+G

[i+1][j+1]*F[i+1][j+1]

例如，要计算N[1][1]等于多少？说的具体点就是将这个滤镜套在旧图G上，将滤镜的中心F[1][1]与G[1]

[1]对齐，然后将重合的地方相乘，再将它们加起来，结果是：
N[1][1]为：
 2    2    2    2
 3   3.2   3    3
 4   4.3  4.5   5
 5    6    6    6
新图的N[1][1]点的值是原来旧图G[1][1]点的四周8个点，和本身加起来求和，又除以9的结果，实际上是

实现了邻域平均，图像编的模糊和柔化了。这里的F[i][j]就是邻域平均的一种滤镜。