摘要：使用灰度算法，算出一個(gè)灰度值。用這個(gè)灰度值代替像素原始的，，值。算法單一通道取紅色通道取綠色通道取藍(lán)色通道圖片變灰更快捷的方法，這個(gè)方法不用做任何計(jì)算，取一個(gè)通道的值直接作為灰度值。

本文轉(zhuǎn)載自blog

轉(zhuǎn)載請(qǐng)注明出處

黑白照片的時(shí)代雖然已經(jīng)過去，但現(xiàn)在看到以前的照片，是不是有一種回到過去的感覺，很cool有木有~
看完這篇文章，就可以把彩色照片變成各種各樣的黑白的照片啦。

本文完整的在線例子圖片灰度算法例子，例子的圖片有點(diǎn)多，可能有些慢。

例子的源碼位于blog/demo里

原色是指不能透過其他顏色的混合調(diào)配而得出的“基本色”。一般來說疊加型的三原色是紅色、綠色、藍(lán)色，以不同比例將原色混合，可以產(chǎn)生出其他的新顏色。這套原色系統(tǒng)常被稱為“RGB色彩空間”，亦即由紅（R）綠（G）藍(lán)（B）所組合出的色彩系統(tǒng)。

當(dāng)這三種原色以等比例疊加在一起時(shí)，會(huì)變成灰色；若將此三原色的強(qiáng)度均調(diào)至最大并且等量重疊時(shí)，則會(huì)呈現(xiàn)白色。灰度就是沒有色彩，RGB色彩分量全部相等。

算法不區(qū)分語(yǔ)言，這里以前端舉例?？梢允褂?b>canvas取得圖片某個(gè)區(qū)域的像素?cái)?shù)據(jù)

//偽代碼
var img = new Image();
img.src = "xxx.jpg";
var myCanvas = document.querySelector(canvasId);
var canvasCtx = myCanvas.getContext("2d");
canvasCtx.drawImage(img, 0, 0, img.width, img.height);
//圖片的像素?cái)?shù)據(jù)
var data = canvasCtx.getImageData(0, 0, img.width, img.height);

使用getImageData()返回一個(gè)ImageData對(duì)象，此對(duì)象有個(gè)data屬性就是我們要的數(shù)據(jù)了，數(shù)據(jù)是以Uint8ClampedArray 描述的一個(gè)一維數(shù)組，包含以 RGBA 順序的數(shù)據(jù)，數(shù)據(jù)使用 0 至 255（包含）的整數(shù)表示。 所以，一個(gè)像素會(huì)有4個(gè)數(shù)據(jù)（RGBA）,RGB是紅綠藍(lán)，A指的是透明度。

舉個(gè)例子：本文720480的水果圖片，一共有720 480 = 259200像素，每個(gè)像素又有4個(gè)數(shù)據(jù)，所以數(shù)據(jù)數(shù)組的總長(zhǎng)度為259200 * 4 = 1036800。

可以看到圖片的數(shù)據(jù)很長(zhǎng)，如果一次性處理很多圖片的時(shí)候，計(jì)算量相當(dāng)可觀，所以例子中會(huì)使用worker，把繁重的計(jì)算任務(wù)交給后臺(tái)線程。

取得每一個(gè)像素的red，green，blue值。

使用灰度算法，算出一個(gè)灰度值。

用這個(gè)灰度值代替像素原始的red，green，blue值。

比如我們的灰度算法是：

Gray = (Red + Green + Blue) / 3

計(jì)算過程：

//偽代碼
for(var Pixel in Image){
  var Red = Image[Pixel].Red
  var Green = Image[Pixel].Green
  var Blue = Image[Pixel].Blue

  var Gray = (Red + Green + Blue) / 3

  Image[Pixel].Red = Gray
  Image[Pixel].Green = Gray
  Image[Pixel].Blue = Gray
}

很簡(jiǎn)單對(duì)吧。

很多好吃的鮮艷水果，但是它們馬上要變灰了！！

這是最常見的灰度算法，簡(jiǎn)單暴力，把它放到第一位。公式是：

 Gray = (Red + Green + Blue) / 3

這個(gè)算法可以生成不錯(cuò)灰度值，因?yàn)楣胶?jiǎn)單，所以易于維護(hù)和優(yōu)化。然而它也不是沒有缺點(diǎn)，因?yàn)楹?jiǎn)單快速，從人眼的感知角度看，圖片的灰度陰影和亮度方面做的還不夠好。所以，我們需要更復(fù)雜的運(yùn)算。

算法1與算法2生成的圖片似乎沒太大差別，所以增加一個(gè)例子，將圖片上半部分用算法1，下半部分用算法2。

仔細(xì)看的話，中間有一根黑線。上半部分（算法1）比下半部分（算法2）更蒼白一些。如果還是看不出來，注意最右邊的檸檬，算法1的檸檬反光更強(qiáng)烈，算法2的檸檬更柔和。

第二種算法考慮到了人眼對(duì)不同光感知程度不同。人的眼睛內(nèi)有幾種辨別顏色的錐形感光細(xì)胞，分別對(duì)黃綠色、綠色和藍(lán)紫色的光最敏感。雖然眼球中的椎狀細(xì)胞并非對(duì)紅、綠、藍(lán)三色的感受度最強(qiáng)，但是由肉眼的椎狀細(xì)胞所能感受的光的帶寬很大，紅、綠、藍(lán)也能夠獨(dú)立刺激這三種顏色的受光體。

人類對(duì)紅綠藍(lán)三色的感知程度依次是： 綠>紅>藍(lán)，所以平均算法從這個(gè)角度看是不科學(xué)的。應(yīng)該按照人類對(duì)光的感知程度為每個(gè)顏色設(shè)定一個(gè)權(quán)重，它們的之間的地位不應(yīng)該是平等的。

一個(gè)圖像處理通用的公式是：

Gray = (Red * 0.3 + Green * 0.59 + Blue * 0.11)

可以看到，每個(gè)顏色的系數(shù)相差很大。

現(xiàn)在對(duì)圖像灰度處理的最佳公式還存在爭(zhēng)議，有一些類似的公式：

Gray = (Red * 0.2126 + Green * 0.7152 + Blue * 0.0722)

or

Gray = (Red * 0.299 + Green * 0.587 + Blue * 0.114)

它們只是在系數(shù)上存在一些偏差，大體的比值差不多。

在說這個(gè)算法之前，先說說RGB，大多數(shù)程序員都使用RGB模型，每一種顏色都可以由紅綠藍(lán)組成，RGB對(duì)計(jì)算機(jī)來說可以很好的描述顏色，但對(duì)于人類而言就很難理解了。如果升國(guó)旗的時(shí)候說，“五星紅旗多么RGB(255, 0, 42)”，可能會(huì)被暴打一頓。但我說鮮紅的五星紅旗，老師可能會(huì)點(diǎn)頭稱贊。

所以為了更通俗易懂，有時(shí)我們選擇HLS模型描述顏色，這三個(gè)字母分別表示Hue(色調(diào))、Saturation(飽和度)、Lightness(亮度)。色調(diào)，取值為：0 - 360，0(或360)表示紅色，120表示綠色，240表示藍(lán)色，也可取其他數(shù)值來指定顏色。飽和度，取值為：0.0% - 100.0%，它通常指顏色的鮮艷程度。亮度，取值為：0.0% - 100.0%，黑色的亮度為0。

去飽和的過程就是把RGB轉(zhuǎn)換為HLS，然后將飽和度設(shè)為0。因此，我們需要取一種顏色，轉(zhuǎn)換它為最不飽和的值。這個(gè)數(shù)學(xué)公式比本文介紹的更復(fù)雜，這里提供一個(gè)簡(jiǎn)單的公式，一個(gè)像素可以被去飽和通過計(jì)算RGB中的最大值和最小值的中間值：

Gray = ( Math.max(Red, Green, Blue) + Math.min(Red, Green, Blue) ) / 2

去飽和后，圖片立體感減弱，但是更柔和。對(duì)比算法2，可以很明顯的看出差異，從效果上看，可能大多數(shù)人都喜歡算法2，算法3是目前為止，處理的圖片立體感最弱，最黑暗的。

分解算法可以認(rèn)為是去飽和更簡(jiǎn)單一種的方式。分解是基于每一個(gè)像素的，只取RGB的最大值或者最小值。

最大值分解：

Gray = Math.max(Red, Green, Blue)

最小值分解：

Gray = Math.min(Red, Green, Blue)

正如上面展現(xiàn)的，最大值分解提供了更明亮的圖，而最小值分解提供了更黑暗的圖。

圖片變灰更快捷的方法，這個(gè)方法不用做任何計(jì)算，取一個(gè)通道的值直接作為灰度值。

Gray = Red

or

Gray = Green

or

Gray = Blue

不管相不相信，大多數(shù)數(shù)碼相機(jī)都用這個(gè)算法生成灰度圖片。很難預(yù)測(cè)這種轉(zhuǎn)換的結(jié)果，所以這種算法多用于藝術(shù)效果。

這是到目前為止最有趣的算法，允許用戶提供一個(gè)灰色陰影值，值的范圍在2-256。2的結(jié)果是一張全白的圖片，256的結(jié)果和算法1一樣。

該算法通過選擇陰影值來工作，它的公式有點(diǎn)復(fù)雜

ConversionFactor = 255 / (NumberOfShades - 1)
AverageValue = (Red + Green + Blue) / 3
Gray = Math.round((AverageValue / ConversionFactor) + 0.5) * ConversionFactor

NumberOfShades 的范圍在2-256。

從技術(shù)上說，任何灰度算法都可以計(jì)算AverageValue，它僅僅提供一個(gè)初始灰度的估計(jì)值。

“+ 0.5” 是一個(gè)可選參數(shù)，用于模擬四舍五入。

這是一篇很有趣的文章，不僅僅是介紹灰度算法，對(duì)了解圖片的處理過程也很有幫助。

Seven grayscale conversion algorithms (with pseudocode and VB6 source code)