首页 > 开发 > Java > 正文

java简单实现八叉树图像处理代码示例

2024-07-13 10:15:11
字体:
来源:转载
供稿:网友

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。

java,图像处理,代码,八叉树

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。

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!


注:相关教程知识阅读请移步到JAVA教程频道。
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表