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！
新聞熱點
疑難解答
圖片精選
