RGB888->RGB565->RGB888

在我们的计算机中，图像是以RGB888显示的，24位图每个像素保存了32bit的数据，即RGB888+Alpha，Alpha就是半透明……

但是对于真彩的图像而言，肉眼在16bit的时候已经难以分辨了，因此，有些时候，可以讲RGB888转换为RGB565来存储，减少了存储器的容量的同时，降低了数据量；在后端显示的时候，再次把RGB565转换为RGB888，实现数据宽度的匹配！！

但是，RGB888->RGB565的时候，自然只要提取高位即可，但会导致低位的缺失；同时，但当RGB565->RGB888的时候，势必导致低位的缺失。为了数据的饱和以及色彩的减小，提出了一种新的思维，新的算法：--“量化补偿”

（1）RGB888-RGB565

24bit RGB888 -> 16bit RGB565 的转换

24ibt RGB888 {R7 R6 R5 R4 R3 R2 R1 R0} {G7 G6 G5 G4 G3 G2 G1 G0} {B7 B6 B5 B4 B3 B2 B1 B0}

16bit RGB565 {R7 R6 R5 R4 R3} {G7 G6 G5 G4 G3 G2} {B7 B6 B5 B4 B3}

可以修正，比如（当然人眼无法感觉，但是RG888-RGB565-RGB888的时候更好补偿）

R：197=>197>>3=24

R：197=192+5=>24+0.625≈25

所以

R5=R[2] ? R[7:3]+1 : R[7:3];

G5=G[1] ? G[7:2]+1 : G[7:2];

B5=B[2] ? B[7:3]+1 : B[7:3];

（2）RGB565-RGB888

16bit RGB565 -> 24bit RGB888 的转换

16bit RGB656 {R4 R3 R2 R1 R0} {G5 G4 G3 G2 G1 G0} {B4 B3 B2 B1 B0}

24ibt RGB888 {R4 R3 R2 R1 R0 0 0 0} {G5 G4 G3 G2 G1 G0 0 0} {B4 B3 B2 B1 B0 0 0 0}

24ibt RGB888 {R4 R3 R2 R1 R0 R2 R1 R0} {G5 G4 G3 G2 G1 G0 G1 G0} {B4 B3 B2 B1 B0 B2 B1 B0}

因此

量化压缩的方法：RGB取高位，并且考虑最低位“四舍五入”

量化补偿的方法：

1. 将原数据填充至高位

2. 对于低位，用原始数据的低位进行补偿

巴特西