行远必自迩，登高必自卑
绕线画简介
简单点来说，就是在木板上钉一圈钉子，通过绕线进行构图，最终呈现出一幅图像。
算法简介
可以总结概括一下，
首先需要有一张图，可以是彩色的，但是必须颜色比较分明。
对图像进行灰度处理。
随机生成 n 组数，就是每两个钉子的组合。
计算 n 组数据连线所过图像像素的平均数，求出最小的一组。
连接该组钉子，并对这条线经过的像素值分别加 m。
重复前面步骤 3 到步骤 5 直到绘制 z 条线结束循环。
由于直方图规定化是根据两张图片的累计直方图进行图像的处理。对于这个处理过程，我尝试了很图像进行替换色系，但是没有找到一个相对合适案例，来体现直方图规定化这个算法的精妙之处。在多次尝试中，我发现一个灰度图像（原图）和一个彩色图像（规定化图）进行直方图规定化处理后，就会得到一个彩色的图像。
我们都知道，灰度图像转换为彩色图形，一般情况下都是假彩色。如何将一个灰度图像进行还原成原本的彩色图像，那就是我们需要获得彩色图像的直方图。
我利用彩色图像，生成一个色条，该色条与宽度无关。也就是说，我用 1 个像素宽，n 个像素长的有颜色的色条，就可以储存该图像的直方图。通过该色条与一张灰度图像，使用直方图规定化算法就可以将彩色图像还原出来。
简单说明一下直方图，就是对图像的像素值的个数进行统计，然后分别计算出每一种像素值所占所有像素数量（图像大小）的比例。累计直方图就是将统计起来算好的比例依次累加。举个例子，当像素值为 1 时它所占得比例所对应的累计比例就是它本身。而像素值为 2 时它的累计比例就是像素值为 1 时的比例加上像素值为 2 时的比例。依次类推，像素值为 255 时，所对应的累计比例为 1。
直方图规定化的操作就是计算两张图片的累计直方图，然后进行对应的计算，将一个图片的色系替换给另一个图片。（个人理解，仅供参考）
这里我选用了一张小王子的图片作为需要处理的图片，一张不同颜色比例分布的图片。将不同颜色比例的照片的色系替换掉小王子的色系，生成一张新色系的图片。如果感兴趣，还可以尝试其他图片，不同的图片效果不同。
图1 原图
图2 不同比例的颜色（规定化图）
图3 原图 + 规定化图 = 处理后结果
虽然在 EasyX 中有专门的图像旋转的函数，但是这个函数只是实现了图像旋转的这个功能。其中具体的旋转实现过程就像是个黑匣子一样，而且该函数旋转之后的图像显示不够完整。针对以上问题，我使用双线性内插法，实现了一个比较完整的图像旋转算法。
图像旋转是宏观，而旋转的过程是微观的。我们看到的是一个图像整体的旋转，实现整体旋转的过程是每一个像素值位置的移动。
关于移动的方式，分为直接法和间接法。直接法是由原图像的像素位置去计算旋转后图像的位置，间接法是有旋转后图像的位置去反算原图的位置从而获得像素值。这里我使用的是间接法。间接法又存在一个问题，就是由旋转后图像的每一个位置反算到原图时，所在的坐标可能不是一个整数坐标。那么这个坐标我们给它的像素值就需要内插出来。
关于内插，又分为最近邻元法，双线性内插法，三次内插法。这里使用的是双线性内插法，它的算法简单来说，就是根据距离周围四个像素值的远近，离得越近，权重越大，来内插一个像素值。（个人理解，仅供参考）
素描算法其实就是几种简单的图像处理算法，对同一张图片进行处理后，产生的一种类似素描的算法。这里简单的描述一下他的原理。
图1 原图
图2 素描算法显示
////////////////////////////////////////////
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非 线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一 个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。 直方图是表示数字图像中每一灰度出现频率的统计关系。直方图能给出图像灰度范围、 每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌性描述。灰度直方图是灰度级的函数, 反映的是图像中具有该灰度级像素的个数, 其横坐标是灰度级 r, 纵坐 标是该灰度级出现的频率( 即像素的个数) pr( r) , 整个坐标系描述的是图像灰度级的 分布情况, 由此可以看出图像的灰度分布特性, 即若大部分像素集中在低灰度区域, 图 像呈现暗的特性; 若像素集中在高灰度区域, 图像呈现亮的特性。 由于这个算法只是算了灰度图像，所以加入处理彩色图像，只需要对图像 R G B 每个分量 进行直方图累计后拓展，后
...