RGB，指图像上每个像素点的红、绿、蓝颜色分量。一般全彩的屏幕的每个像素点有四个通道，即R G B A， 一般用一个字节储存一个通道信息，每个通道有256的梯度。
我们通过一定的算法，修改图像上相应像素点的RGB值，就能达到所需效果。
- 灰度算法
彩色图片灰度化的作用：我们识别物体时，关键的因素是梯度信息（梯度：指相邻两个像素点的差异值），颜色这一分量多变，难以提供关键信息（所以全色盲的人能识别事物）。图片灰度化后，计算量能成倍减少，一般灰度就256个梯度，如果算上RGB色彩的话，那就是1600万以上梯度。
如何将彩色图像转换为灰度？如果每个颜色像素由红色，绿色和蓝色的三重（R，G，B）强度描述，那么如何将其映射到给出灰度值的单个数字？
因为人眼对RGB颜色的感知并不相同，所以转换的时候需要给予不同的权重。我们对绿色比其他颜色更敏感，所以绿色最重要。发光度的公式为 : 0.21 R + 0.72 G + 0.07 B.
- 马赛克算法
利用邻域的任意一点代替当前邻域所有像素点，定义领域的大小，能影响马赛克效果（即厚码、薄码）
- 美白算法
每个像素点的RGB值，越接近255越白，越接近0越黑。如果加上脸部识别算法，在脸部除了五官的地方增加相应的分量值，就能使照片达到美白的效果。
- 泛洪算法
类似画图软件的油桶功能，能在封闭区域内填充颜色。从你点击的那个像素点开始，检查该点的上下左右点，看需不需要涂色，接下来检查左点的上下左右，右点的上下左右，上点的上下左右，下点的上下左右，如此递归，如洪水一般，直至每一点都遇到不同的颜色才停止。
泛洪填充算法有三种方式实现：四邻域、八邻域、基于扫描线
拓展
-
泊松融合算法（Poisson Blending）
我们在融合两个图像时，就是把不同的图像的不同部分放在一起，形成一张新的图像。融合得越自然，算法就越好。
orapple.jpg
简易理解：
如果要融合两座山峰，A山高比例为1：1：2，B山高比例为12：8：4，直接拼起来肯定会不自然。如果把其中B山峰生长的趋势记下来（梯度为3：2：1），然后在另一座山峰的融合处上按照此趋势“生长”出另一座山峰，就显得更加自然。
泊松方程
（Open CV已经集合了所有已知图像方程，提供Api调用）
iRon
2019 06 27. 古井贡
参考：
图片处理之马赛克算法 .
图像灰度化 .
Three algorithms for converting color to grayscale .
Scanline Flood Fill Algorithm with (or without) Tolerance in Objective-C .
