効果的な GIF/畫像のカラー量子化

Java プログラミングでは、カラーの量子化は畫像または GIF ファイルのカラー パレットを最適化する際に重要な役割を果たします。このプロセスには、元の畫像の視覚的に受け入れられる表現(xiàn)を維持しながら色數(shù)を減らすことが含まれます。

問題點:

提供されたコードは、色を減らすのに非効率的であるようです。効果的に。 256 色を超える畫像を 256 色に減色すると、赤が青に変わるなど、顕著なエラーが発生します。これは、アルゴリズムが畫像內(nèi)の重要な色を識別して保持するのに苦労していることを示唆しています。

推奨アルゴリズム:

• メディアン カット:このアルゴリズムは、カラー値の中央値に基づいて色空間を再帰的に 2 つに分割し、バイナリ ツリーを作成します。次に、色の変化が最も小さいサブツリーをリーフ ノードとして選択し、最終的なカラー パレットを表します。
• 人口ベース: このアルゴリズムは、色をその人口 (頻度) に基づいて並べ替えます。畫像を作成し、最も頻繁に使用される上位「n」個を選択してパレットを作成しますColors.
• k-Means: このアルゴリズムは、色空間を「k」個のクラスターに分割し、各クラスターは平均カラー値で表されます。次に、クラスターの重心を使用してカラー パレットが形成されます。

実裝例:

Java でのメディアン カット アルゴリズムの実裝例を次に示します。

import java.util.Arrays;
import java.util.Comparator;
import java.awt.image.BufferedImage;

public class MedianCutQuantizer {

    public static void quantize(BufferedImage image, int colors) {
        int[] pixels = image.getRGB(0, 0, image.getWidth(), image.getHeight(), null, 0, image.getWidth());
        Arrays.sort(pixels); // Sort pixels by red, green, and blue channel values

        // Create a binary tree representation of the color space
        TreeNode root = new TreeNode(pixels);

        // Recursively divide the color space and create the palette
        TreeNode[] palette = new TreeNode[colors];
        for (int i = 0; i < colors; i++) {
            palette[i] = root;
            root = divide(root);
        }

        // Replace pixels with their corresponding palette colors
        for (int i = 0; i < pixels.length; i++) {
            pixels[i] = getClosestColor(pixels[i], palette);
        }

        image.setRGB(0, 0, image.getWidth(), image.getHeight(), pixels, 0, image.getWidth());
    }

    private static TreeNode divide(TreeNode node) {
        // Find the median color value
        int median = node.getMedianValue();

        // Create two new nodes, one for each half of the color range
        TreeNode left = new TreeNode();
        TreeNode right = new TreeNode();

        // Divide the pixels into two halves
        for (int i = node.start; i < node.end; i++) {
            if (node.pixels[i] <= median) {
                left.addPixel(node.pixels[i]);
            } else {
                right.addPixel(node.pixels[i]);
            }
        }

        return left.count > right.count ? left : right;
    }

    private static int getClosestColor(int pixel, TreeNode[] palette) {
        int minDistance = Integer.MAX_VALUE;
        int closestColor = 0;

        for (TreeNode node : palette) {
            int distance = getDistance(pixel, node.getAverageValue());
            if (distance < minDistance) {
                minDistance = distance;
                closestColor = node.getAverageValue();
            }
        }

        return closestColor;
    }

    // Utility methods

    private static int getDistance(int color1, int color2) {
        int r1 = (color1 >> 16) & 0xFF;
        int g1 = (color1 >> 8) & 0xFF;
        int b1 = color1 & 0xFF;

        int r2 = (color2 >> 16) & 0xFF;
        int g2 = (color2 >> 8) & 0xFF;
        int b2 = color2 & 0xFF;

        return (r1 - r2) * (r1 - r2) + (g1 - g2) * (g1 - g2) + (b1 - b2) * (b1 - b2);
    }

    private static class TreeNode {
        int start;
        int end;
        int count;
        int[] pixels;
        Integer averageValue;

        public TreeNode() {
            this(new int[0], 0, 0);
        }

        public TreeNode(int[] pixels, int start, int end) {
            this.pixels = pixels;
            this.start = start;
            this.end = end;

            count = end - start;
        }

        public int getMedianValue() {
            return pixels[(start + end) / 2];
        }

        public int getAverageValue() {
            if (averageValue == null) {
                int r = 0;
                int g = 0;
                int b = 0;

                for (int i = start; i < end; i++) {
                    int pixel = pixels[i];

                    r += (pixel >> 16) & 0xFF;
                    g += (pixel >> 8) & 0xFF;
                    b += pixel & 0xFF;
                }

                averageValue = (r / count) << 16 | (g / count) << 8 | b / count;
            }

            return averageValue;
        }

        public void addPixel(int pixel) {
            int[] newPixels = new int[pixels.length + 1];

            System.arraycopy(pixels, start, newPixels, start, end);
            newPixels[end] = pixel;

            pixels = newPixels;
            end++;
            count = end - start;

            averageValue = null;
        }
    }
}

この実裝または他の同様のアルゴリズムを使用すると、色の量子化を大幅に改善できますJava アプリケーションでプロセスを?qū)g行し、畫像の色を 256 以下に減色しても、視覚的に許容できる結(jié)果が得られます。

以上がカラー量子化用に提供されている Java コードが、特に 256 色を超える畫像を 256 色に減色する場合に効果的に減色するのに苦労し、次のような顕著なエラーが発生するのはなぜですか?の詳細內(nèi)容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。