本期的每周一库带来的是Rust下的图像处理库，image-rs。

• Github: image-rs repo
• Docs rs: image-rs doc

根据Github仓库页面的介绍，image-rs提供了基础的图像处理功能和图像格式转换功能。

所有的图像处理函数都通过GenericImage和ImageBuffer完成。

image-rs支持的图像格式如下：

从上图我们可以看出image-rs基本支持了应用中常见的图像容器格式类型。

关于ImageDecoder和ImageDecoderExt
所有的图像格式decoders都包含了ImageDecoder实现，其中主要过程是从图像文件中获取图像的metadata并解码图像。

其中一些decoders的比较重要的参数包括：

• dimensions：返回包含图像的宽度和高度的元组数据
• color_type:返回由decoder返回的图像的色彩类型
• read_image:把图像解码成bytes

关于像素，image提供了如下几种像素类型：

• Rgb: 包含Rgb像素
• Rgba: 包含Rgba像素（a为alpha，透明通道）
• Luma: 灰度像素
• LumaA: 包含alpha通道的灰度像素

图像处理函数包含：

• blur:使用高斯模糊来处理图像
• brighten：图像高亮处理
• huerotate: 旋转色彩空间
• contrast: 调整图像的对比度
• crop: 剪裁图像
• filter3x3:使用3x3的矩阵来处理图像，可用于图像降噪，升噪
• grayscale: 灰度化图像
• flip_horizontal: 水平翻转图像
• flip_vertical: 垂直翻转图像
• invert: 对图像的每个像素求反
• resize: 改变图像尺寸
• rotate180: 图像顺时针旋转180度
• rotate270: 图像顺时针旋转270度
• rotate90: 图像顺时针
• unsharpen: 降低图像锐度

下面我们通过image-rs Github仓库的Generating Fractals例子来试用image-rs库

开发环境：

• Windows 10
• cargo --version: 1.39.0
• rustc --version: 1.39.0

根据示例代码，只需要在dependencies中添加引用

[dependencies]
image = "0.23.4"
num-complex = "0.2.4"

修改源文件main.rs如下

extern crate image;
extern crate num_complex;

fn main() {
    let imgx = 800;
    let imgy = 800;

    let scalex = 3.0 / imgx as f32;
    let scaley = 3.0 / imgy as f32;

    // Create a new ImgBuf with width: imgx and height: imgy
    let mut imgbuf = image::ImageBuffer::new(imgx, imgy);

    // Iterate over the coordinates and pixels of the image
    for (x, y, pixel) in imgbuf.enumerate_pixels_mut() {
        let r = (0.3 * x as f32) as u8;
        let b = (0.3 * y as f32) as u8;
        *pixel = image::Rgb([r, 0, b]);
    }

    // A redundant loop to demonstrate reading image data
    for x in 0..imgx {
        for y in 0..imgy {
            let cx = y as f32 * scalex - 1.5;
            let cy = x as f32 * scaley - 1.5;

            let c = num_complex::Complex::new(-0.4, 0.6);
            let mut z = num_complex::Complex::new(cx, cy);

            let mut i = 0;
            while i < 255 && z.norm() <= 2.0 {
                z = z * z + c;
                i += 1;
            }

            let pixel = imgbuf.get_pixel_mut(x, y);
            let image::Rgb(data) = *pixel;
            *pixel = image::Rgb([data[0], i as u8, data[2]]);
        }
    }

    // Save the image as “fractal.png”, the format is deduced from the path
    imgbuf.save("fractal.png").unwrap();
}

使用命令cargo build编译，使用命令cargo run运行，即可在工程根目录下生成名为fractal.png的图片

以上就是本期每周一库的内容