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 = 0; i < width * height; i++) { fillir[i]= data->points.at (i).grayValue/4; if(fillir[i]>255) fillir[i]=255; fillir[i] = fillir[i] | fillir[i] << 8 | fillir[i] << 16 | 255 << 24; }
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 = 0; 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 = (2*window_center - window_width)/2.0 + 0.5; max = (2*window_center + window_width)/2.0 + 0.5; for (i = 0; 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 = 0; 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 = 0; i < nNumPixels; i++) { nPixelVal = (int) ((pixel_val[i] - min)*dFactor); if (nPixelVal < 0) disp_pixel_val[i] = 0; else if (nPixelVal > 255) disp_pixel_val[i] = 255; 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 = (2*window_center - window_width)/2.0 + 0.5; max = (2*window_center + window_width)/2.0 + 0.5; dFactor = 255.0/(double)(max - min);
for (i = 0; i < nNumPixels; i++) { if (pixel_val[i] < min) { disp_pixel_val[i] = 0; continue; } if (pixel_val[i] > max) { disp_pixel_val[i] = 255; continue; } nPixelVal = (int)((pixel_val[i] - min)*dFactor); if (nPixelVal < 0) disp_pixel_val[i] = 0; else if (nPixelVal > 255) disp_pixel_val[i] = 255; else disp_pixel_val[i] = nPixelVal; }
二、色彩深度
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。
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”。