先来看几张图片，直观的感受一下亮度和对比度的变化
左上：低亮度
右上：高亮度
左下：高对比度
右下：低对比度
那么什么是图像亮度，什么是图像的对比度以及我们在图像处理时是如何表示的。亮度反映的是物品反射光的强弱，也就是我们通俗说是明亮程度，而对比度则是表示物体明暗度，即感觉物品亮处与暗处的反差，在这里，我们以ARGB色彩模式为例，这种模式中我们用为用32位来表示一个像素的色彩情况，每个原色8位，共256级（0-255），刚和好一个INT型变量长度相同，所以我们在java中获得的矩阵是int型的。而每个像素值共同变大或变小，反映出的就是亮度的变化，而将大的值加大，小的值减小，则反映的是对比度的调整。这就是我们处理亮度和对比度的思路。
但我们在处理对比度时，原则上要保证总体的亮度值不变。
下面先给出亮度和对比度的计算公式
（RGB表示原图的色彩分量的值，nRGB表不处理后的值,mBrightness表示调整的亮度值，mContrast表示调整的对比度值,avg表示整个图像像素的平均值）
亮度:nRGB=RGB+mBrightness
对比度：nRGB=(RGB-avg)*(1-percent%)+avg percent%取值范围为(-1~1) 0为原始值
对比度公式也很好证明，将其展开
nRGB=RGB-RGB*percent%-avg+avg*percent%+avg
nRGB=RGB-RGB*percent%+avg*percent%
对于整个图像矩阵来说，要保证亮度不变，即整个矩阵的代数和不变。
而avg=(RGB1+RGB2+....RGBn)/n (1)
(nRGB1+nRGB2+.....nRGBn)=(RGB1+RGB2+...RGBn)+n*avg*percent%-(RGB1+RGB2+...RGBn)*percent% (2)
将（1）式代入（2)式即可
以上是原理，但在实际应用我们通常不这么做，因为考虑到我们要处理的图像可能很大，比如1366*768这样一样壁纸就有1049088这么多像素点，太耗性能，所以我就取128，简化计算;
所以我们在写程序时，只需先利用移位计算出每个分量的值，然后利用公式计算(RGB-128)*(1-p%)+avg即可
而且我们也可以和高度公式合在一起。 即
mContrast只要设定为对称的范围即可，比如(-100~100)
那么可定义 d=(100+mContrast)/100
nRGB=(RGB-128)*d+avg+128+0.5+mBrightness 0.5是为了补充在强制类型换化时丢掉的精度。
最后还要提醒一点，因为我们上面计算的像素值范围为0~255,所以要注意在计算输入值时，还要加个判断，如果算出来的值大于255,则设为255
如果小于255,则设为0;
这里我还想补充一个思想：LookUp Table 检索表
因为图像处理中，我们要对每一个像素都要有一个计算，仅仅一张1366*768的壁纸，计算量也是挺惊人的。
有没有什么办法可以减少这计算的呢，就要利用LUT了，因为我们发现，一种颜色的等级只有256级，也就是说，随便取一个像素值的色彩分量，结果不超过256种
如果我们预先计算好这256种值，存入数组中，要用的时候不就直接按照数组的索引，直接获得了吗？
这其实也是一种牺牲空间换取时间的方法，效果随着图片大小的增大而增大。
比如上例中的对比度，我们先定义一个preMutipiled[256]的数组
然后
for(int i=0;i<256;i++)
{
preMutipiled[i]=(i-128)*d+avg+128+0.5+mBrightness
}要计算某一像素的红色分量值
r=preMutipiled[argb>>16 & 0xFF]，即可直接获得。这种思想不仅仅用在这，在wiki百科中有一个例子也挺好，就是计算一个int型转化为byte型后，1的位数，比如37(100101)=3,10(1010)=2
通常我们是这样计算的
public int countOne(int x){
int res=0;
while(x!=0){
x=x&(x-1) //每次消去一位‘1’
res++;
}
return res;
}
但如果按照上面的方法，我先计算出前8位的所有情况并存储在preset[256]数组中 ，0x00=0,0x01=1,0x02=1......0xFF=8;
然后我们就可以这样写
public int countOne(int x){
return preset[x & 0xFF]+preset[(x >>8) & 0xFF]+preset[(x >>16) & 0xFF]+preset[(x >> 24) & 0xFF];
}如果将x改为long型，long long 型，这速度优势瞬间体现出来了。。。。
