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。
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nodepublic 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！