最近在稍微做一些整理,翻起这部分的代码,发现是两个多月前的了。

这里讨论的是基于RGBA模型下的图像处理,即将变换作用在每个像素上。

代码是以UIImage的category形式存在的:

  1. typedef struct _singleRGBA
  2. {
  3. unsigned char red;
  4. unsigned char green;
  5. unsigned char blue;
  6. unsigned char alpha;
  7. } RGBA;
  8. @interface UIImage (ImageFilter)

首先,我们需要获得目标图像的位图信息;然后对每个像素进行变换;最后再生成图像。

  1. - (UIImage*)applyFilter:(FilterFunction)filter context:(void*)context
  2. {
  3. CGImageRef inImage = self.CGImage;
  4. CFDataRef m_DataRef = CGDataProviderCopyData(CGImageGetDataProvider(inImage));
  5. UInt8 *m_PixelBuf = (UInt8 *)CFDataGetBytePtr(m_DataRef);
  6. int length = CFDataGetLength(m_DataRef);
  7. for (int i=0; i<length; i+=4) {
  8. filter(m_PixelBuf, i, context);
  9. }
  10. CGContextRef ctx = CGBitmapContextCreate(m_PixelBuf,
  11. CGImageGetWidth(inImage),
  12. CGImageGetHeight(inImage),
  13. CGImageGetBitsPerComponent(inImage),
  14. CGImageGetBytesPerRow(inImage),
  15. CGImageGetColorSpace(inImage),
  16. CGImageGetBitmapInfo(inImage)
  17. );
  18. CGImageRef imageRef = CGBitmapContextCreateImage(ctx);
  19. CGContextRelease(ctx);
  20. UIImage *finalImage = [UIImage imageWithCGImage:imageRef];
  21. CGImageRelease(imageRef);
  22. CFRelease(m_DataRef);
  23. return finalImage;
  24. }

其中,FilterFunction声明如下:

  1. typedef void (*FilterFunction)(UInt8 *pixelBuf, UInt32 offset, void *context);

在此基础上,我们可以把每个变换操作独立出来,比如调整亮度、对比度、色调、透明度等:

  1. void filterOpacity(UInt8 *pixelBuf, UInt32 offset, void *context)
  2. {
  3. double val = *((double*)context);
  4. int a = offset+3;
  5. int alpha = pixelBuf[a];
  6. pixelBuf[a] = SAFECOLOR(alpha * val);
  7. }
  8. void filterBrightness(UInt8 *pixelBuf, UInt32 offset, void *context)
  9. {
  10. double t = *((double*)context);
  11. int r = offset;
  12. int g = offset+1;
  13. int b = offset+2;
  14. int red = pixelBuf[r];
  15. int green = pixelBuf[g];
  16. int blue = pixelBuf[b];
  17. pixelBuf[r] = SAFECOLOR(red * t);
  18. pixelBuf[g] = SAFECOLOR(green * t);
  19. pixelBuf[b] = SAFECOLOR(blue * t);
  20. }
  21. void filterSaturation(UInt8 *pixelBuf, UInt32 offset, void *context)
  22. {
  23. double t = *((double*)context); // t (- [0, 2]
  24. int r = offset;
  25. int g = offset+1;
  26. int b = offset+2;
  27. int red = pixelBuf[r];
  28. int green = pixelBuf[g];
  29. int blue = pixelBuf[b];
  30. red = red * (0.3086 * (1-t) + t) + green * (0.6094 * (1-t)) + blue * (0.0820 * (1-t));
  31. green = red * (0.3086 * (1-t)) + green * ((0.6094 * (1-t)) + t) + blue * (0.0820 * (1-t));
  32. blue = red * (0.3086 * (1-t)) + green * (0.6094 * (1-t)) + blue * ((0.0820 * (1-t)) + t);
  33. pixelBuf[r] = SAFECOLOR(red);
  34. pixelBuf[g] = SAFECOLOR(green);
  35. pixelBuf[b] = SAFECOLOR(blue);
  36. }
  37. void filterContrast(UInt8 *pixelBuf, UInt32 offset, void *context)
  38. {
  39. double t = *((double*)context); // t (- [0, 10]
  40. int r = offset;
  41. int g = offset+1;
  42. int b = offset+2;
  43. int red = pixelBuf[r];
  44. int green = pixelBuf[g];
  45. int blue = pixelBuf[b];
  46. red = red * t + 128 * (1-t);
  47. green = green * t + 128 * (1-t);
  48. blue = blue * t + 128 * (1-t);
  49. pixelBuf[r] = SAFECOLOR(red);
  50. pixelBuf[g] = SAFECOLOR(green);
  51. pixelBuf[b] = SAFECOLOR(blue);
  52. }
  53. void filterPosterize(UInt8 *pixelBuf, UInt32 offset, void *context)
  54. {
  55. double levels = *((double*)context);
  56. if (levels == 0) levels = 1; // avoid divide by zero
  57. int step = 255 / levels;
  58. int r = offset;
  59. int g = offset+1;
  60. int b = offset+2;
  61. int red = pixelBuf[r];
  62. int green = pixelBuf[g];
  63. int blue = pixelBuf[b];
  64. pixelBuf[r] = SAFECOLOR((red / step) * step);
  65. pixelBuf[g] = SAFECOLOR((green / step) * step);
  66. pixelBuf[b] = SAFECOLOR((blue / step) * step);
  67. }
  68. void filterDesaturate(UInt8 *pixelBuf, UInt32 offset, void *context)
  69. {
  70. int r = offset;
  71. int g = offset+1;
  72. int b = offset+2;
  73. int red = pixelBuf[r];
  74. int green = pixelBuf[g];
  75. int blue = pixelBuf[b];
  76. red = red * 0.3086 + green * 0.6094 + blue * 0.0820;
  77. green = red * 0.3086 + green * 0.6094 + blue * 0.0820;
  78. blue = red * 0.3086 + green * 0.6094 + blue * 0.0820;
  79. pixelBuf[r] = SAFECOLOR(red);
  80. pixelBuf[g] = SAFECOLOR(green);
  81. pixelBuf[b] = SAFECOLOR(blue);
  82. }
  83. void filterInvert(UInt8 *pixelBuf, UInt32 offset, void *context)
  84. {
  85. int r = offset;
  86. int g = offset+1;
  87. int b = offset+2;
  88. int red = pixelBuf[r];
  89. int green = pixelBuf[g];
  90. int blue = pixelBuf[b];
  91. pixelBuf[r] = SAFECOLOR(255-red);
  92. pixelBuf[g] = SAFECOLOR(255-green);
  93. pixelBuf[b] = SAFECOLOR(255-blue);
  94. }
  95. void filterTint(UInt8 *pixelBuf, UInt32 offset, void *context)
  96. {
  97. RGBA *rgbaArray = (RGBA*)context;
  98. RGBA maxRGBA = rgbaArray[0];
  99. RGBA minRGBA = rgbaArray[1];
  100. int r = offset;
  101. int g = offset+1;
  102. int b = offset+2;
  103. int red = pixelBuf[r];
  104. int green = pixelBuf[g];
  105. int blue = pixelBuf[b];
  106. pixelBuf[r] = SAFECOLOR((red - minRGBA.red) * (255.0 / (maxRGBA.red - minRGBA.red)));
  107. pixelBuf[g] = SAFECOLOR((green - minRGBA.green) * (255.0 / (maxRGBA.green - minRGBA.green)));
  108. pixelBuf[b] = SAFECOLOR((blue - minRGBA.blue) * (255.0 / (maxRGBA.blue - minRGBA.blue)));
  109. }

其中SAFECOLOR宏如下:

  1. #define SAFECOLOR(color) MIN(255,MAX(0,color))

最后,拿一张帅气的Andy照片来实践下,希望没有侵犯到肖像权。
原图如下:

通过以下四种变换,可以分别得到四张处理过的图片:

  1. return [originImage changeOpacityByFactor:0.5];
  1. return [originImage changeBrightnessByFactor:1.2];
  1. return [originImage changeSaturationByFactor:2.0];
  1. return [originImage tintWithMaxRGBA:(RGBA){190, 190, 230} minRGBA:(RGBA){50, 35, 10}];

 

 

版权声明:本文为博主原创文章,未经博主允许不得转载。

iOS中的图像处理(一)——基础滤镜的更多相关文章

  1. iOS中的图像处理(二)——卷积运算

    关于图像处理中的卷积运算,这里有两份简明扼要的介绍:文一,文二. 其中,可能的一种卷积运算代码如下: - (UIImage*)applyConvolution:(NSArray*)kernel { C ...

  2. iOS中的图像处理(三)——混合运算

    有时候,单独对一张图像进行处理是很难或者根本达不到我们想要的效果的.一个好的滤镜效果的诞生,往往要经过很多复杂步骤.细致微调.图片应用效果观察以及很多图层叠加. 我在JSWidget上发现了一些常用混 ...

  3. iOS中数据库应用基础

    iOS 数据库入门 一.数据库简介 1.什么是数据库? 数据库(Database) 是按照数据结构来组织,存储和管理数据的仓库 数据库可以分为2大种类 关系型数据库(主流) PC端 Oracle My ...

  4. iOS 中的 HotFix 方案总结详解

    相信HotFix大家应该都很熟悉了,今天主要对于最近调研的一些方案做一些总结.iOS中的HotFix方案大致可以分为四种: WaxPatch(Alibaba) Dynamic Framework(Ap ...

  5. iOS中assign、copy 、retain等关键字的含义

    iOS中assign.copy .retain等关键字的含义  转自:http://my.oschina.net/majiage/blog/267409 assign: 简单赋值,不更改索引计数cop ...

  6. iOS中几种常用的数据存储方式

    自己稍微总结了一下下,方便大家查看 1.write直接写入文件的方法 永久保存在磁盘中,可以存储的对象有NSString.NSArray.NSDictionary.NSData.NSNumber,数据 ...

  7. Cordoval在iOS中的运用整理

    一:关于Cordoval理论知识 1:PhoneGap是手机平台上流行的一款中间件.它构建在各种手机平台所提供的WebView(浏览器内核)组件的基础之上,使用javascript语言对应用开发者提供 ...

  8. iOS中集成ijkplayer视频直播框架

    ijkplayer 是一款做视频直播的框架, 基于ffmpeg, 支持 Android 和 iOS, 网上也有很多集成说明, 但是个人觉得还是不够详细, 在这里详细的讲一下在 iOS 中如何集成ijk ...

  9. iOS开发UI篇—Button基础

    iOS开发UI篇—Button基础 一.简单说明 一般情况下,点击某个控件后,会做出相应反应的都是按钮 按钮的功能比较多,既能显示文字,又能显示图片,还能随时调整内部图片和文字的位置 二.按钮的三种状 ...

随机推荐

  1. ongl 表达式

    struts.xml简单配置 <!-- (默认false)设置ognl表达式是否支持静态方法 --> <constant name="struts.ognl.allowSt ...

  2. iOS:原生二维码扫描

    做iOS的二维码扫描,有两个第三方库可以选择,ZBar和ZXing.今天要介绍的是iOS7.0后AVFoundation框架提供的原生二维码扫描. 首先需要添加AVFoundation.framewo ...

  3. Problem C: Andy's First Dictionary

    Problem C: Andy’s First DictionaryTime Limit: 1 Sec Memory Limit: 128 MBSubmit: 18 Solved: 5[Submit] ...

  4. (Problem 53)Combinatoric selections

    There are exactly ten ways of selecting three from five, 12345: 123, 124, 125, 134, 135, 145, 234, 2 ...

  5. LintCode-最长公共子串

    题目描述: 给出两个字符串,找到最长公共子串,并返回其长度. 注意事项 子串的字符应该连续的出现在原字符串中,这与子序列有所不同. 样例 给出A=“ABCD”,B=“CBCE”,返回 2 public ...

  6. 3_Guess Fingers

    3 // // ViewController.swift // Guess Fingers // // Created by ZC on 16/1/8. // Copyright © 2016年 ZC ...

  7. 在IT公司,project manager 基本上和秘书,助理什么的差不多

    我感觉非常有道理,所以我不做Leader,哈哈哈

  8. 简识UML语言(转)

    在学习过程中用到了一些框图,用于绘画框图的语言数不胜数,本篇将就学习中用的一款绘画框图的语言做个简单的介绍. 直奔主题,采用一种可视化的面向对象的建模语言---UML,UML使用一些标准的圆形元素直观 ...

  9. python数值计算模块NumPy scipy安装

    NumPy为Python提供了快速的多维数组处理的能力,而SciPy则在NumPy基础上添加了众多的科学计算所需的各种工具包,有了这两个库,Python就有几乎和Matlab一样的处理数据和计算的能力 ...

  10. 概率图模型(PGM)学习笔记(三)模式判断与概率图流

    我们依旧使用"学生网络"作为样例,如图1. 图1 首先给出因果判断(Causal Reasoning)的直觉解释. 能够算出来 即学生获得好的推荐信的概率大约是0.5. 但假设我们 ...