图像处理基础：YUV与RGB转换、Bitmap操作、矩阵变换、高斯模糊
说实话，图像处理这块内容，我当年刚接触时也觉得挺枯燥的。一堆数学公式，各种色彩空间，看着就头大。但后来在实际项目中摔过几次跟头，才明白这些基础有多重要。今天咱们就聊聊这几个核心概念，我会尽量用大白话讲清楚。
一、YUV与RGB：两种色彩世界的对话
先问个问题：为什么视频编码不用RGB，非要用YUV？
我刚开始做音视频时也纳闷。RGB多直观啊，红绿蓝三原色，每个像素三个值，简单粗暴。但后来发现，人眼对亮度变化比对颜色变化敏感得多。YUV就是利用这个特点——把亮度（Y）和色度（U、V）分开存储。
说白了，YUV可以"偷懒"。你可以降低色度分量的采样率，人眼基本察觉不到。比如最常见的NV12格式，每4个像素共享一组UV值，数据量直接减半。这在视频传输中太香了。
核心公式（ITU-R BT.601标准）：
RGB → YUV：
Y = 0.299*R + 0.587*G + 0.114*B
U = -0.147*R - 0.289*G + 0.436*B + 128
V = 0.615*R - 0.515*G - 0.100*B + 128YUV → RGB：
R = Y + 1.140*(V - 128)
G = Y - 0.394*(U - 128) - 0.581*(V - 128)
B = Y + 2.032*(U - 128)嗯，这里要注意：公式里的系数不是随便写的，不同标准（BT.601、BT.709、BT.2020）系数不一样。我曾在项目中吃过这个亏——用BT.601的系数去解码BT.709的视频，颜色整个偏掉，排查了半天才发现是标准没对齐。
二、Bitmap操作：Android上的图像管家
在Android里，Bitmap就是图像的"本体"。你从相机拿到的每一帧，从网络下载的每一张图，最终都会变成Bitmap对象。
我个人习惯把Bitmap操作分成三类：
- 创建与加载：BitmapFactory.decodeResource()、Bitmap.createBitmap()
- 像素级操作：getPixels()、setPixels()、copyPixelsToBuffer()
- 变换与裁剪：createScaledBitmap()、Bitmap.createBitmap()带参数
举个例子，把一张图片转成YUV数据，最直接的方式就是先拿到像素数组：
int[] pixels = new int[width * height];
bitmap.getPixels(pixels, 0, width, 0, 0, width, height);
// 然后遍历每个像素，提取RGB分量
for (int i = 0; i < pixels.length; i++) {
int pixel = pixels[i];
int r = (pixel >> 16) & 0xFF;
int g = (pixel >> 8) & 0xFF;
int b = pixel & 0xFF;
// 再用前面的公式转成YUV...
}避坑指南：我曾经在循环里直接操作Bitmap的像素，结果卡成PPT。后来发现getPixels()一次性读取到数组再操作，比反复调用getPixel()快了一个数量级。另外，别忘了Bitmap的内存回收——recycle()该调就调，尤其是大图。
三、矩阵变换：图像的"变形金刚"
说到矩阵变换，很多人第一反应是数学课上的矩阵乘法。其实在图像处理里，矩阵就是用来描述"怎么变"的规则。
Android提供了Matrix类，支持平移、旋转、缩放、错切四种基本变换。你可以把它们组合起来，实现任意效果。
我画了一张图，帮你理清这些变换的关系：
实际开发中，我常用Matrix来做图片的裁剪和旋转。比如相机预览方向不对，用Matrix.postRotate(90)转一下就好。但要注意：矩阵乘法不满足交换律，先旋转再平移和先平移再旋转，结果完全不同。
Matrix matrix = new Matrix();
matrix.postRotate(90); // 先旋转
matrix.postTranslate(100, 0); // 再平移
// 顺序很重要！postXxx是右乘，preXxx是左乘四、高斯模糊：让图像"朦胧"的艺术
高斯模糊，说白了就是用周围像素的加权平均值来代替当前像素。权重由高斯函数决定——离得越近的像素权重越大，越远越小。
为什么叫"高斯"？因为权重分布符合高斯分布（正态分布）的曲线形状。中间高两边低，像个钟形。
Android里实现高斯模糊有几种方式：
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| RenderScript | 速度快，硬件加速 | API 17+，已废弃 | 旧项目维护 |
| Canvas.drawBitmap + Paint.setMaskFilter | 简单易用 | 性能一般 | 简单模糊效果 |
| OpenGL ES 着色器 | 性能极佳，可定制 | 实现复杂 | 实时视频处理 |
| Java/Kotlin 纯算法 | 无依赖，可移植 | 速度慢 | 学习研究 |
我的经验：如果只是做静态图片的模糊效果，用RenderScript最省事。但如果是视频流实时模糊，我建议用OpenGL ES实现分离式高斯模糊——先横向模糊，再纵向模糊，效率比二维卷积高得多。
分离式高斯模糊的核心思路很简单：一个N×N的高斯核，拆成两个1×N的核。比如5×5的核，拆成横向5个权重和纵向5个权重。这样计算量从N²降到2N，对于大核来说效果显著。
// 伪代码：分离式高斯模糊
// 第一步：横向模糊
for each row:
for each pixel in row:
newPixel = sum(neighbor * weight_x)
// 第二步：纵向模糊
for each col:
for each pixel in col:
finalPixel = sum(neighbor * weight_y)嗯，这里要注意边界处理。我刚开始写的时候没考虑边缘像素，结果图片四周出现黑边。后来加了边界像素的镜像处理，问题就解决了。
五、把这些串起来：一个实际场景
假设你要做一个美颜相机，流程大概是这样的：
- 相机输出YUV帧（NV21格式）
- 转成RGB/Bitmap方便处理
- 用Matrix做镜像翻转（前置摄像头需要）
- 对皮肤区域做高斯模糊（磨皮效果）
- 再转回YUV编码或显示
每一步都有坑。比如YUV转RGB时，不同平台的YUV排列方式可能不同——NV21是VU交替，NV12是UV交替。我曾在某款手机上踩过这个坑，画面颜色整个是反的。
一句话总结：图像处理没有捷径，理解YUV/RGB的转换原理、Bitmap的内存管理、矩阵变换的数学逻辑、高斯模糊的优化技巧，才能在遇到问题时快速定位并解决。
这些基础打牢了，后面学滤镜、特效、视频编辑才会顺手。别急，慢慢来。
公众号:蓝海资料掘金营，微信deep3321