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，可以看下这篇文章,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。
java" id="highlighter_357471">
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
|
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！
原文链接：http://blog.csdn.net/u013206238/article/details/50328359
