分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow
也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！
这篇将讲到图片特效处理的锐化效果。跟前面一样是对像素点进行处理，算法是通用的。
算法原理：
一、简单算法：分别获取当前像素点和八个周围像素点的RGB值，先求出当前像素点的RGB值与八个像素点RGB值的和的平均数，再乘以相应的系数，然后在与当前像素点之和。
例：
ABC
DEF
GHI
对E点进行锐化：
- float delta = 0.3;
- E.r = (E.r - (A.r + B.r + C.r + D.r + F.r + G.r + H.r + I.r) / 8) * delta + E.r;
- float delta = 0.3;
- E.r = (E.r - (A.r + B.r + C.r + D.r + F.r + G.r + H.r + I.r) / 8) * delta + E.r;
E.g，E.b类似，delta建议取0.3，具体多少无所谓，试一下就知道了。但按照上面原理，没有达到预期的效果，改变delta的值也不行，所以后面代码就不贴出来了，感兴趣的可以研究一下。
二、拉普拉斯变换：将拉普拉斯矩阵中的项与相应点的RGB值之积再乘以相应的系数的和作为当前点的RGB值。
例：用上面的例子，还是对E点进行锐化。
- // 拉普拉斯矩阵
- int[] laplacian = newint[] { -1, -1, -1, -1,9, -1, -1, -1, -1 };
- float delta = 0.3;
- E.r = A.r * laplacian[0] * delta + B.r * laplacian[1] * delta + C.r * laplacian[2] * delta + D.r * laplacian[3] * delta + E.r * laplacian[4] * delta + F.r * laplacian[5] * delta + G.r * laplacian[6] * delta + H.r * laplacian[7] * delta + I.r * laplacian[8] * delta;
- // E.g和E.b值类似
- // 拉普拉斯矩阵
- int[] laplacian = new int[] { -1, -1, -1, -1, 9, -1, -1, -1, -1 };
- float delta = 0.3;
- E.r = A.r * laplacian[0] * delta + B.r * laplacian[1] * delta + C.r * laplacian[2] * delta + D.r * laplacian[3] * delta + E.r * laplacian[4] * delta + F.r * laplacian[5] * delta + G.r * laplacian[6] * delta + H.r * laplacian[7] * delta + I.r * laplacian[8] * delta;
- // E.g和E.b值类似
下面看效果图：
原图：
处理后：
貌似处理有点问题，中间会看到很多的竖线，很明显，可能是没有优化好，因为采用了getPiexels() 和setPixels()方法，所以一维数组的对应图片的宽高有点麻烦。
下面贴代码，仅供参数，同样注意图片的大小，数组大小不能超过虚拟机规定值。
/** * 图片锐化（拉普拉斯变换） * @param bmp * @return */ private Bitmap sharpenImageAmeliorate(Bitmap bmp) { long start = System.currentTimeMillis(); // 拉普拉斯矩阵 int[] laplacian = new int[] { -1, -1, -1, -1, 9, -1, -1, -1, -1 }; int width = bmp.getWidth(); int height = bmp.getHeight(); Bitmap bitmap = Bitmap.createBitmap(width, height, Bitmap.Config.RGB_565); int pixR = 0; int pixG = 0; int pixB = 0; int pixColor = 0; int newR = 0; int newG = 0; int newB = 0; int idx = 0; float alpha = 0.3F; int[] pixels = new int[width * height]; bmp.getPixels(pixels, 0, width, 0, 0, width, height); for (int i = 1, length = height - 1; i < length; i++) { for (int k = 1, len = width - 1; k < len; k++) { idx = 0; for (int m = -1; m <= 1; m++) { for (int n = -1; n <= 1; n++) { pixColor = pixels[(i + n) * width + k + m]; pixR = Color.red(pixColor); pixG = Color.green(pixColor); pixB = Color.blue(pixColor); newR = newR + (int) (pixR * laplacian[idx] * alpha); newG = newG + (int) (pixG * laplacian[idx] * alpha); newB = newB + (int) (pixB * laplacian[idx] * alpha); idx++; } } newR = Math.min(255, Math.max(0, newR)); newG = Math.min(255, Math.max(0, newG)); newB = Math.min(255, Math.max(0, newB)); pixels[i * width + k] = Color.argb(255, newR, newG, newB); newR = 0; newG = 0; newB = 0; } } bitmap.setPixels(pixels, 0, width, 0, 0, width, height); long end = System.currentTimeMillis(); Log.d("may", "used time="+(end - start)); return bitmap; }给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow
