一晃工作有段時間了，第一次寫博客，有點不知道怎么寫，大家將就著看吧，說的有什么不正確的也請大家指正。
最近工作中用到了一個圖像壓縮的功能。找了一些工具，沒有太好的選擇。最后選了一個叫jdeli的，奈何效率又成了問題。我迫于無奈就只能研究了下它的源碼，卻發現自己對它的一個減色量化算法起了興趣，可是尷尬的自己完全不明白它寫的什么，就起了一個自己實現一個量化顏色算法的念頭。
自己找了一些資料，找到三個比較常用的顏色處理算法：
流行色算法：
具體的算法就是，先對一個圖像的所有顏色出現的次數進行統計，選舉出出現次數最多的256個顏色作為圖片的調色板的顏色，然后再次遍歷圖片的所有像素，對每個像素找出調色板中的最接近的顏色（這里我用的是方差的方式），寫回到圖片中。這個算法的實現比較簡單，但是失真比較嚴重，圖像中一些出現頻率較低，但對人眼的視覺效挺明顯的信息將丟失。比如，圖像中存在的高亮度斑點，由于出現的次數少，很可能不能被算法選中，將被丟失。
中位切分算法：
這個算法我沒有研究，想要了解的同學，可以看下這篇文章,里面有三種算法的介紹。
八叉樹
這個算法就是我最后選用的算法，它的主要思想就是把圖像的RGB顏色值轉成二進制分布到八叉樹中，例如：（173,234,144）
轉成二進制就是（10101101,11101010,10010000），將R,G,B的第一位取出來組成（111），作為root節點的子節點，其中111作為root子節點數組的索引，以此類推，一直到最后一位，然后在葉子節點上存放這個顏色的分量值以及其出現的次數。具體看圖。
其中我比較疑惑的有一個處理就是葉子節點的合并策略，這兒我用的最笨的一個方法，就是找到層次最深的節點，然后合并，有點簡單粗暴，有別的比較好的方法，也請大家給我留言。圖片太大上傳不了了，直接上代碼了，代碼沒有重構，大家湊合看吧。
package com.gys.pngquant.octree;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
/**
*
*
* @ClassName 類名：Node
* @Description 功能說明：
* <p>
* 八叉樹實現
* </p>
*
* 2015-12-16 guoys 創建該類功能。
*
**********************************************************
* </p>
*/
public class Node{
private int depth = 0;
// 為0時為root節點
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;
// 存放層次和node的關系
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;
}
// 返回節點原有的子節點數量
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;
}
// 獲取最深層次的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;
}
// 獲取葉子節點的數量
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);
}
}
}
}
可憐我大學唯二掛的數據結構。代碼實現的只是八叉樹，對一個1920*1080圖片量化，耗時大概是450ms，如果層次-2的話大概是100ms左右。
好吧，這篇就這樣吧，本來寫之前，感覺自己想說的挺多的，結果寫的時候就不知道怎么說了，大家見諒。
總結
以上就是本文關于java簡單實現八叉樹圖像處理代碼示例的全部內容，希望對大家有所幫助。感興趣的朋友可以繼續參閱本站其他相關專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支持！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
