Android 图片显示

一、Android手机显示图片

若R、G、B每种颜色使用一个字节（8bit）表示，每幅图像可以有1670万种颜色；若R、G、B每种颜色使用两个字节（16bit）表示，每幅图像可以有10的12次方种颜色；

如果是灰度图像，每个象素用一个字节（8bit）表示，一幅图像可以有256级灰度；若每个象素用两个字节（16bit）表示，一幅图像可以有65536级灰度。

但是在Android手机上只能显示0-255的图像，所以在显示之前要做一下处理。

以pmd的模组为例，获取的灰度图片数据范围是 uint16_t grayValue;      //!< 16-bit gray value，显示的时候，采取的方法是通过JNI直接上传int数组，然后通过imageview.setbitmap的方法进行显示。

 for (int i = ; i < width * height; i++)
        {
            fillir[i]= data->points.at (i).grayValue/4;
            if(fillir[i]>) fillir[i]=;
            fillir[i] = fillir[i] | fillir[i] <<  | fillir[i] <<  |  << ;
        }

因为最后显示的只是8bit数据，所以需要对数据进行处理，比如

  fillir[i] = fillir[i] | fillir[i] << 8 | fillir[i] << 16 | 255 << 24;

就是把四个八位二进制数（颜色的RGB三个值和透明度A）拼接成一个二进制数（32位）。
前八位表示透明度，往后的三个八位分别代表RGB。有点像字符串相连。

“<<”和“|”分别是按位左移和按位或。

255<<24：11111111变成111111110000...（24个0）
四个数移动完后，按位或运算，相同位有1就为1，全为0则为0。

但是输入的是16bit所以图像有些数值大于255，在右移之前需要/4，降低图像尺度。

fillir[i]= data->points.at (i).grayValue/4;
而且定义，大于255 的为255.这样输入的就是8bit图像了。
注意：为了Android能够显示图像，一定要做的就是

 fillir[i] = fillir[i] | fillir[i] << 8 | fillir[i] << 16 | 255 << 24;将图像转换成ARGB，这样在Java层创建图像。

irImageBmp = Bitmap.createBitmap(width, height,Bitmap.Config.ARGB_8888);

升级讨论，图像转换问题：

16bit灰度图像映射到8bit显示

图像显示和打印面临的一个问题是：图像的亮度和对比度能否充分突出关键部分。这里所指的“关键部分”在   CT   里的例子有软组织、骨头、脑组织、肺、腹部等等。  
   
  技术问题：    
  o     显示器往往只有   8-bit，   而数据有   12-   至   16-bits。  
  o     如果将数据的   min   和   max   间   (dynamic   range)   的之间转换到   8-bit   0-255   去，过程是个有损转换，   而且出来的图像往往突出的是些噪音。  
   
  针对这些问题，研究人员先提出一些要求   (requirements)，然后根据这些要求提出了一些算法。这些算法现在都很成熟。  
   
  要求一：充分利用   0-255   间的显示有效值域  
  要求二：尽量减少值域压缩带来的损失  
  要求三：不能损失应该突出的组织部分  
   
  算法分析：  
  A.     16-bit   到   8-bit   直接转换：    
   

computeMinMax(pixel_val,   min,   max);   //   先算图像的最大和最小值
        for   (i   =   ;   i   <   nNumPixels;   i++)
  disp_pixel_val[i]   =   (pixel_val[i]   -   min)*255.0/(double)(max   -  min);
   

这个算法必须有，对不少种类的图像是很有效的：如   8-bit   图像，MRI,   ECT,   CR   等等。  
   
  B.   Window-leveling   算法:   W/L   是专门为   CT   设计的。

原理很简单：CT   图像里不同组织的密度   (用   Hounsfield   单位)   是在固定的值域，   与具体设备和成像软件没有关系。因此，要看头颅时，   我们只需将头颅的值域转换到   0-255   就行了。  
   
  CT   W/L   不讲头颅值域的   min   和   max,   而说   max   -   min   (即  window_width)   和   (max+min)/2   (即   window_center)。  
   
  我们还可以用原来的公式，只是   min   和   max   的算法不一样。

 //   先算图像的最大和最小值
      min   =   (*window_center   -   window_width)/2.0   +   0.5;
      max   =   (*window_center   +   window_width)/2.0   +   0.5;
        for   (i   =   ;   i   <   nNumPixels;   i++)
            disp_pixel_val[i]   =   (pixel_val[i]   -   min)*255.0/(double)(max   -  min);  

请注意，CT   图像必须先转换成   Hounsfield   值再做   window-level。   这个转换包括将多余高位   bits   变成   0   (clipping),   和用   recale   slope   和   rescale   intercept   来做单位转换。  
   
  HU[i]   =   pixel_val[i]*rescale_slope   +   rescale_intercept  
   
  C.非线性转换  
   
  我刚刚说的是将   min   和   max   间的数值线性转换到   0-255   之间。   如果   max   -   min   出来是个很大的数值，比如说   25500，   那就说每   100   原始密度会压缩成一个显示灰度。   这样的损失可能会很大。  
   
  因为人眼对灰度地反应式是非线性的，非线性转换可以解决一些问题。   常用算法有   log   和  gamma   两种。gamma   比较好调   gamma   值，因此用得比较多。

 for   (i   =   ;   i   <   nNumPixels;   i++)
          disp_pixel_val[i]   =   255.0   *   pow(pixel_value[i]/(max-min),  1.0/gamma);  

  D.   有效值域：CT   的   Window-level   有标准的定义，请参看   “Practical   CT  Techniques",   by   Wladyslaw   Gedroyc   and   Sheila   Rankin,   Springer-Verlag。最常用到的有   WW   =   400,   WL   =   40   （实用许多部位）;   WW   =   100,   WL   =  36   (头);WW   =   3200,   WL   =   200   (骨头)，等等。  
   
  补充几点：  
   
  o       在做任何转换时要注意有效灰度域外的数值的处理。    
        最好先用   int   而非   unsigned   char   来算，再转入矩阵，以避免   overflow  和   underflow。

     double   dFactor   =   255.0/(double)(max   -   min);
        int   nPixelVal;
        for   (i   =   ;   i   <   nNumPixels;   i++)
        {
            nPixelVal   =   (int)   ((pixel_val[i]   -   min)*dFactor);
            if   (nPixelVal   <   )
                disp_pixel_val[i]   =   ;
            else   if   (nPixelVal   >   )
              disp_pixel_val[i]   =   ;
            else
              disp_pixel_val[i]   =   nPixelVal;
        }
         

o       做   window-level   时要注意   min   和   max   之外原始数据的处理

        double   dFactor，   min,   max;
        int   nPixelVal;
        min   =   (*window_center   -   window_width)/2.0   +   0.5;
        max   =   (*window_center   +   window_width)/2.0   +   0.5;
        dFactor   =   255.0/(double)(max   -   min);  
 
        for   (i   =   ;   i   <   nNumPixels;   i++)
      {
            if   (pixel_val[i]   <   min)
            {
                disp_pixel_val[i]   =   ;
                continue;
            }
            if   (pixel_val[i]   >   max)
            {
                disp_pixel_val[i]   =   ;
                continue;
            }
            nPixelVal   =   (int)((pixel_val[i]   -   min)*dFactor);  

            if   (nPixelVal   <   )
                disp_pixel_val[i]   =   ;
            else   if   (nPixelVal   >   )
              disp_pixel_val[i]   =   ;
            else
              disp_pixel_val[i]   =   nPixelVal;
      }  

二、色彩深度

　　色彩深度（Depth of Color），色彩深度又叫色彩位数。视频画面中红、绿、蓝三个颜色通道中每种颜色为N位，总的色彩位数则为3N，色彩深度也就是视频设备所能辨析的色彩范围。目前有18bit、24bit、30bit、36bit、42bit和48bit位等多种。24位色被称为真彩色，R、G、B各8bit，常说的8bit，色彩总数为1670万，如诺基亚手机参数，多少万色素就这个概念。

灰阶

　　什么又是灰阶呢？通常来说，液晶屏幕上人们肉眼所见的一个点，即一个像素，它是由红、绿、蓝（RGB）三原色组成的。每一个基色，其背后的光源都可以显现出不同的亮度级别。而灰阶代表了由最暗到最亮之间不同亮度的层次级别。把三基色每一个颜色从纯色（如纯红）不断变暗到黑的过程中的变化级别划分成为色彩的灰阶，并用数字表示，就是最常见的色彩存储原理。这中间层级越多，所能够呈现的画面效果也就越细腻。以8bit 为例，我们就称之为256灰阶。

8bit 10bit 12bit 14bit 16bit

    在数字信息存贮中，计算设备用2进制数来表示，每个0或1就是一个位(bit)。 假设1代表黑、0代表白，在黑白双色系统中最少有2bit。单基色为nbit，画面位数就为2 ⁿbit，位数越大，灰度越多，颜色也越多，彩色系统中同理。视频画面10bit含义就是画面能以10为二进制数的数量控制色彩层次（即灰阶）。通常8bit相当于256级灰阶——即常说得24位真彩色；而10bit就相当于1024级灰阶。三基色混合成彩色，增加1 bit就意味色彩数增加8倍。10bit就相当于1024的三次方——1073741824，约为10.7亿色。远大于8bit的1670万色。

三、

        选择一个极端的例子，找个蓝天占据大部分画面的例子。Raw在CS调整完后，存储Tiff，下面有位数选择，8bit/16bit，各选一次，分开两个文件。各自打开，然后调整，色阶，把暗部和高光压缩尽量小的可见范围。调完相同的参数，大家再看看各自的直方图，注意蓝天部分的区别。。
       有人就说了，我们讨论的是12bit和14bit，你讨论8bit和16bit，这靠谱吗？
       这个例子是说明色深位数的区别。8-12-14-16的区别就在连续性和宽容度上。靠不靠谱自己琢磨吧。不要再说这个是数字游戏了，这个bit不是这么傻瓜地自动把你的文件增大，是件很靠谱的事情。

四、

       14bit意义重大。
       将RAW转换为JPG时，14bit比12bit有更大的“裁剪空间”。大家都知道像素数多便于几何裁剪，同样的，灰度级多便于“灰度裁剪”。