一晃工作有段時間了，第一次寫博客，有點不知道怎麼寫，大家將就著看吧，說的有什麼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。最後選了一個叫jdeli的，奈何效率又成了問題。我迫於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麼，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，然後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（這裡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，由於出現的次數少，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,裡面有三種算法的介紹。
八叉樹
這個算法就是我最後選用的算法，它的主要思想就是把圖像的RGB顏色值轉成二進制分佈到八叉樹中，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，一直到最後一位，然後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併策略，這兒我用的最笨的一個方法，就是找到層次最深的節點，然後合併，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的關係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;}// 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麼說了，大家見諒。
總結
以上就是本文關於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！