大家可以在网上搜索相关的主题啊,你可以搜索到一堆,不过似乎没有那一个讲的很全面,我这里抽空整理和测试一下数据,分享给大家。

我们假定有2个32位的图层,图层BG和图层FG,其中图层BG是背景层(位于下部),图层FG是前景层(位于上部),我们摸索其混合后的颜色的计算公式。

我们取一个点的像素做分析:

其中BG层某点的颜色为: B1 = 168    G1 = 99     R1= 114    A1 = 70

其中FG层某点的颜色为: B2= 80       G2 = 71     R2= 162    A2 = 135

场景一:两个图层直接叠加

即混合模式为正常,前景的不透明度为100%,如下所示:

得到的混合结果为  B = 97         G = 76          R = 153        A = 168

注意这些数据的格式都是 Format32bppArgb,而非Format32bppPArgb,即没有进行预乘的ARGB数据。

根据这些数据进行推算,得出以下规律,首先是结果色的A值计算公式如下:

其中ClampToByte函数的作用为限制括号内的数据在0和255之间,如果大于255,则取255,如果小于0,则取0值。

按照此公式复核下上面的结果看下:

结果正确。

对于RGB各分量,计算公式要复杂很多,经过推到和测试结果如下(以B分量为例):

把数据带入核算一下:

同理:

公式完全正确。

上面的计算如果要保证精度,则A值需要用浮点数保存,这样可能在某些场合下造成计算瓶颈,如果要全部用整数运算,可利用用Matlab的符号运算在做简化。

在matlab中用如下代码做测试:

syms B1 A1 B2 A2;
B =( B1 * A1 + B2 * A2 - A1 * A2 / 255 * B1) / (A1 + A2 - A1 * A2 / 255);
simplify(B)

得到结果:

B1 - (255*A2*(B1 - B2))/(255*A2 - A1*(A2 - 255))

这个结果只有一个除法,而且可以看到除法的分子和分母的数据也不会大于int32所能表达的范围。这样可借助于整数的除法实现结果。

场景二:仅仅改变图层混合模式

        我们仅仅改变前景色图层的混合模式,而不改变其不透明度。以正片叠底模式为例,如下图所示:

此时前述两个颜色的混合值如下所示:

B = 91          G = 67          R = 133        A = 168

注意到A值并没有任何的变化。

此时,我们定义一个函数F,表示混合模式对两种的颜色影响,F(X, Y)表示某种混合模式下两种颜色值X和Y的混合结果,对于正片叠底,F(X,Y)的计算方法为:

F(X,Y) = X * Y / 255;

经过测试,这个时候的RGB分量的混合公式为:

把数据带入核算一下:

G和R的值就不进行重复的核算了。

这个计算式用Maltab去简化的话基本没有任何效果。

场景三:仅仅改变图层的不透明度

如下所示设置,前景层的不透明度为70%。

此时前述两个颜色的混合值如下所示:

B = 108        G = 80          R = 147        A = 139

所有的颜色都变了。

还是先来看A值,经过测试比对,此时A值的计算公式为:

其中O表示不透明度的值,有效范围是[0,100]。

核算一下:

对于A值,我们可以认为不透明度首先修改了改成的Alpha,然后再拿这个新的Alpha和底层的Alpha进行正常的混合。

对于RGB各分量,经过推到和测试结果如下(以B分量为例):

核算一下:

正确无误。

 场景四:同时改变图层混合模式和不透明度

        如下所示设置,同时设置混合模式为正片叠底,不透明度为70%。

此时前述两个颜色的混合值如下所示:

B = 103        G = 72          R = 130        A = 139

可以看到,A值和混合模式没啥关系,之和不透明度有关,直接用只改变不透明度时的公式:

那么RGB的变化,从前面的几个公式中可以猜测肯定是先下面这个式子了:

测试下:

完全正确。

那么在写代码的时候,我们最需要优化的就是这个情况的公式。不过用matlab测试这个公式没啥好优化的。

上述公式里其实有些ClampToByte函数是可以不需要的。

如果想时刻关注本人的最新文章,也可关注公众号:

【PS算法理论探讨一】 Photoshop中两个32位图像混合的计算公式(含不透明度和图层混合模式)。的更多相关文章

  1. 【PS算法理论探讨二】 Photoshop中图层样式之 投影样式 算法原理初探讨。

    接下来几篇文章我们将稍微简单的探索下PS中多种图层混合模式的算法内部原理,因为毕竟没有这方面的官方资料,所以很多方面也只是本人自己的探索和实践,有可能和实际的情况有着较大的差异. 在PS的实践中,图层 ...

  2. Java中两个List对比的算法

    Java中两个List对比的算法:   // 测试数据 // tdcsDdt.add("Z"); // tdcsDdt.add("B"); // tdcsDdt ...

  3. 【C#代码实战】群蚁算法理论与实践全攻略——旅行商等路径优化问题的新方法

    若干年前读研的时候,学院有一个教授,专门做群蚁算法的,很厉害,偶尔了解了一点点.感觉也是生物智能的一个体现,和遗传算法.神经网络有异曲同工之妙.只不过当时没有实际需求学习,所以没去研究.最近有一个这样 ...

  4. [转载] 散列表(Hash Table)从理论到实用(中)

    转载自:白话算法(6) 散列表(Hash Table)从理论到实用(中) 不用链接法,还有别的方法能处理碰撞吗?扪心自问,我不敢问这个问题.链接法如此的自然.直接,以至于我不敢相信还有别的(甚至是更好 ...

  5. JavaScript中两个对象数组 属性undefined

    var BaiduUsers = []; var UserArray = function(name, phone, id, id2) { this.name = name; this.phone = ...

  6. kd-tree理论以及在PCL 中的代码的实现(转载)

    该文转自:https://www.cnblogs.com/li-yao7758258/p/6437440.html kd-tree理论以及在PCL 中的代码的实现   (小技巧记录:博客园编辑的网页界 ...

  7. BLDC有感FOC算法理论及其STM32软硬件实现

    位置传感器:旋转编码器          MCU:STM32F405RGT6          功率MOS驱动芯片:DRV8301 全文均假设在无弱磁控制的情况下 FOC算法理论 首先,我们要知道FO ...

  8. OpenCV成长之路(3):模仿PhotoShop中魔术棒工具

    本文的主题实际上是图像的颜色空间的转换,借助一个颜色选取程序来说明OpenCV中颜色转换函数的用法以及一些注意事项. 一.几种常见的颜色空间: RGB颜色空间:RGB采用加法混色法,因为它是描述各种“ ...

  9. 在db2中 两个数据库之间的两个表的联合查询

    大家好,今天遇到了在db2中 两个数据库之间的两个表的联合查询 我知道oracle中有dblink,可是不知到db2的两个数据库联合查询怎么处理我找了类似于比如两个数据库: db1,db2用户名密码s ...

随机推荐

  1. MyBatis源码分析(四):SQL执行过程分析

    一.获取Mapper接口的代理 根据上一节,Mybatis初始化之后,利用sqlSession(defaultSqlSession)的getMapper方法获取Mapper接口 1 @Override ...

  2. 从0到1使用Kubernetes系列(五):Kubernetes Scheduling

    前述文章介绍了Kubernetes基本介绍,搭建Kubernetes集群所需要的工具,如何安装,如何搭建应用.本篇介绍怎么使用Kubernetes进行资源调度. Kubernetes作为一个容器编排调 ...

  3. 全志TinaLinux编译错误fatal error: unicode/ucnv.h: No such file or directory

    今天开始正式干活了 拿到一个全志Tina的板子还有一个SDK压缩包,要求我这周(只剩一天半...)就要把sdk编译通过并且把板子跑起来. 还特别跟我说他们试了下这个sdk编译没法通过,会报错... 竟 ...

  4. live555 rtsp直播卡顿马赛克优化

    最近搞了个rtsp直播,初步是能用了,但是最终效果不是很好,客户不接受要求我们一定要继续优化. 原因是他们体验的时候发现会概率性出现马赛克和画面卡顿情况,经过我们测试验证,确实是有这个问题存在. 从原 ...

  5. 关于Asp.net core配置信息读取的源码分析梳理

    概述 我们都知道asp.net core配置信息的读取离不开IConfigurationSource和IConfigurationProvider这两个类,ConfigurationSource可以提 ...

  6. 三. 为什么要用Promise

    # 三. 为什么要用Promise /* 1.指定回调函数的方式更加灵活: 旧的:必须在启动异步任务前指定 promise:启动异步任务 => 返回promie对象 => 给promise ...

  7. (五)MySQL函数

    5.1  常用函数 5.2  聚合函数(常用) 函数名称 描述 COUNT() 计数 SUM() 求和 AVG() 平均值 MAX() 最大值 MIN() 最小值 ....   ....   想查询一 ...

  8. requests_cookie登陆古诗文网。session的使用

    通过登录失败,快速找到登录接口 获取hidden隐藏域中的id的value值 # 通过登陆 然后进入到主页面 # 通过找登陆接口我们发现 登陆的时候需要的参数很多 # _VIEWSTATE: /m1O ...

  9. UML常用建模工具简介,安装方法和各自的优点

    这学期学习了统一建模语言,自己初学时对各种建模工具十分陌生,各种名词都不懂,软件也都不了解,开始很是不知所措.为了防止其他初学者陷入我的困境,自己对各种工具进行了总结: Visio:介绍:Visio是 ...

  10. 14-1-Unsupervised Learning ---dimension reduction

    无监督学习(Unsupervised Learning)可以分为两种: 化繁为简 聚类(Clustering) 降维(Dimension Reduction) 无中生有(Generation) 所谓的 ...