懒得动减肥腰带,关于老师的笑话,玛丽莲梦露怎么死的
一晃工作有段时间了，第一次写博客，有点不知道怎么写，大家将就着看吧，说的有什么不正确的也请大家指正。
最近工作中用到了一个图像压缩的功能。找了一些工具，没有太好的选择。最后选了一个叫jdeli的，奈何效率又成了问题。我迫于无奈就只能研究了下它的源码，却发现自己对它的一个减色量化算法起了兴趣，可是尴尬的自己完全不明白它写的什么，就起了一个自己实现一个量化颜色算法的念头。
自己找了一些资料，找到三个比较常用的颜色处理算法：
流行色算法：
具体的算法就是，先对一个图像的所有颜色出现的次数进行统计，选举出出现次数最多的256个颜色作为图片的调色板的颜色，然后再次遍历图片的所有像素，对每个像素找出调色板中的最接近的颜色（这里我用的是方差的方式），写回到图片中。这个算法的实现比较简单，但是失真比较严重，图像中一些出现频率较低，但对人眼的视觉效挺明显的信息将丢失。比如，图像中存在的高亮度斑点，由于出现的次数少，很可能不能被算法选中，将被丢失。
中位切分算法：
这个算法我没有研究，想要了解的同学，可以看下,里面有三种算法的介绍。
八叉树
这个算法就是我最后选用的算法，它的主要思想就是把图像的rgb颜色值转成二进制分布到八叉树中，例如：（173,234,144）
转成二进制就是（10101101,11101010,10010000），将r,g,b的第一位取出来组成（111），作为root节点的子节点，其中111作为root子节点数组的索引，以此类推，一直到最后一位，然后在叶子节点上存放这个颜色的分量值以及其出现的次数。具体看图。
其中我比较疑惑的有一个处理就是叶子节点的合并策略，这儿我用的最笨的一个方法，就是找到层次最深的节点，然后合并，有点简单粗暴，有别的比较好的方法，也请大家给我留言。图片太大上传不了了，直接上代码了，代码没有重构，大家凑合看吧。
我要评论
package com.gys.pngquant.octree;
import java.util.arraylist;
import java.util.hashmap;
import java.util.list;
import java.util.map;
/**
*
*
* @classname 类名：node
* @description 功能说明：
* <p>
* 八叉树实现
* </p>
*
* 2015-12-16 guoys 创建该类功能。
*
**********************************************************
* </p>
*/
public class node{
private int depth = 0;
// 为0时为root节点
private node parent;
private node[] children = new node[8];
private boolean isleaf = false;
private int rnum = 0;
private int gnum = 0;
private int bnum = 0;
private int piexls = 0;
private map<integer, list<node>> levelmapping;
// 存放层次和node的关系
public int getrgbvalue(){
int r = this.rnum / this.piexls;
int g = this.gnum / this.piexls;
int b = this.bnum / this.piexls;
return (r << 16 | g << 8 | b);
}
public map<integer, list<node>> getlevelmapping() {
return levelmapping;
}
public void aftersetparam(){
if(this.getparent() == null && this.depth == 0){
levelmapping = new hashmap<integer, list<node>>();
for (int i = 1; i <= 8; i++) {
levelmapping.put(i, new arraylist<node>());
}
}
}
public int getrnum() {
return rnum;
}
public void setrnum(int rnum) {
if(!isleaf){
throw new unsupportedoperationexception();
}
this.rnum = rnum;
}
public int getgnum() {
return gnum;
}
public void setgnum(int gnum) {
if(!isleaf){
throw new unsupportedoperationexception();
}
this.gnum = gnum;
}
public int getbnum() {
return bnum;
}
public void setbnum(int bnum) {
if(!isleaf){
throw new unsupportedoperationexception();
}
this.bnum = bnum;
}
public int getpiexls() {
return piexls;
}
public void setpiexls(int piexls) {
if(!isleaf){
throw new unsupportedoperationexception();
}
this.piexls = piexls;
}
public int getdepth() {
return depth;
}
// 返回节点原有的子节点数量
public int mergerleafnode(){
if(this.isleaf){
return 1;
}
this.setleaf(true);
int rnum = 0;
int gnum = 0;
int bnum = 0;
int pixel = 0;
int i = 0;
for (node child : this.children) {
if(child == null){
continue;
}
rnum += child.getrnum();
gnum += child.getgnum();
bnum += child.getbnum();
pixel += child.getpiexls();
i += 1;
}
this.setrnum(rnum);
this.setgnum(gnum);
this.setbnum(bnum);
this.setpiexls(pixel);
this.children = null;
return i;
}
// 获取最深层次的node
public node getdepestnode(){
for (int i = 7; i > 0; i--) {
list<node> levellist = this.levelmapping.get(i);
if(!levellist.isempty()){
return levellist.remove(levellist.size() - 1);
}
}
return null;
}
// 获取叶子节点的数量
public int getleafnum(){
if(isleaf){
return 1;
}
int i = 0;
for (node child : this.children) {
if(child != null){
i += child.getleafnum();
}
}
return i;
}
public void setdepth(int depth) {
this.depth = depth;
}
public node getparent() {
return parent;
}
public void setparent(node parent) {
this.parent = parent;
}
public node[] getchildren() {
return children;
}
public node getchild(int index){
return children[index];
}
public void setchild(int index, node node){
children[index] = node;
}
public boolean isleaf() {
return isleaf;
}
public void setpixel(int r, int g, int b){
this.rnum += r;
this.gnum += g;
this.bnum += b;
this.piexls += 1;
}
public void setleaf(boolean isleaf) {
this.isleaf = isleaf;
}
public void add8bite2root(int _taget, int _speed){
if(depth != 0 || this.parent != null){
throw new unsupportedoperationexception();
}
int speed = 7 + 1 - _speed;
int r = _taget >> 16 & 0xff;
int g = _taget >> 8 & 0xff;
int b = _taget & 0xff;
node pronode = this;
for (int i=7;i>=speed;i--){
int item = ((r >> i & 1) << 2) + ((g >> i & 1) << 1) + (b >> i & 1);
node child = pronode.getchild(item);
if(child == null){
child = new node();
child.setdepth(8-i);
child.setparent(pronode);
child.aftersetparam();
this.levelmapping.get(child.getdepth()).add(child);
pronode.setchild(item, child);
}
if(i == speed){
child.setleaf(true);
}
if(child.isleaf()){
child.setpixel(r, g, b);
break;
}
pronode = child;
}
}
public static node build(int[][] matrix, int speed){
node root = new node();
root.aftersetparam();
for (int[] row : matrix) {
for (int cell : row) {
root.add8bite2root(cell, speed);
}
}
return root;
}
public static byte[] mergecolors(node root, int maxcolors){
byte[] bytearray = new byte[maxcolors * 3];
list<byte> result = new arraylist<byte>();
int leafnum = root.getleafnum();
try{
while(leafnum > maxcolors){
int mergerleafnode = root.getdepestnode().mergerleafnode();
leafnum -= (mergerleafnode - 1);
}
}
catch(exception e){
e.printstacktrace();
}
fillarray(root, result, 0);
int i = 0;
for (byte byte1 : result) {
bytearray[i++] = byte1;
}
return bytearray;
}
private static void fillarray(node node, list<byte> result, int offset){
if(node == null){
return;
}
if(node.isleaf()){
result.add((byte) (node.getrnum() / node.getpiexls()));
result.add((byte) (node.getgnum() / node.getpiexls()));
result.add((byte) (node.getbnum() / node.getpiexls()));
} else{
for (node child : node.getchildren()) {
fillarray(child, result, offset);
}
}
}
}
可怜我大学唯二挂的数据结构。代码实现的只是八叉树，对一个1920*1080图片量化，耗时大概是450ms，如果层次-2的话大概是100ms左右。
好吧，这篇就这样吧，本来写之前，感觉自己想说的挺多的，结果写的时候就不知道怎么说了，大家见谅。
总结
以上就是本文关于java简单实现八叉树图像处理代码示例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
浅析我对 String、StringBuilder、StringBuffer 的理解
使用IDEA搭建SSM框架的详细教程(spring + springMVC +MyBatis)
Springboot整合freemarker 404问题解决方案
引入mybatis-plus报 Invalid bound statement错误问题的解决方法
网友评论