图形图像处理－之－误差扩散下篇

现在的位置: 首页 > 综合 > 正文

图形图像处理－之－误差扩散下篇

2012年08月07日 ⁄ 综合 ⁄ 共 4798字 ⁄ 字号小中大 ⁄ 评论关闭

HouSisong@GMail.com   2008.04.22

tag: 误差扩散,真彩色到高彩色转换

摘要: 在图像的颜色转换过程中，由于颜色值域的不同，转换过程中可能会产生误差；
误差扩散算法通过将误差传递到周围像素而减轻其造成的视觉误差。

正文:
代码使用C++,编译器:VC2005
测试平台:(CPU:AMD64x2 4200+(2.37G); 内存:DDR2 677(双通道); 编译器:VC2005)

(请先参看文章的上篇)

E: 将误差扩散的浮点实现改写为一个整数的定点数实现:

    struct TErrorColor{
        long dR;
        long dG;
        long dB;
    };

    inline long getBestRGB16_555Color(const long wantColor){
        const long rMax=(1<<5)-1;
        if (wantColor<=0)
            return 0;
        else if (wantColor>=(rMax<<3))
            return rMax;
        else
            return wantColor>>3;
    }
    inline long getC8Color(const long rColor){
        return rColor*(((1<<16)*255+30)/31) >>16;
    }
    void CvsPic32To16_ErrorDiffuse_Line_1(TUInt16* pDst,const TARGB32* pSrc,long width,TErrorColor* PHLineErr){
        TErrorColor HErr;
        HErr.dR=0; HErr.dG=0; HErr.dB=0;
        PHLineErr[-1].dB=0; PHLineErr[-1].dG=0; PHLineErr[-1].dR=0;
        for (long x=0;x<width;++x)
        {
            long cB=(pSrc[x].b+HErr.dB*2+PHLineErr[x].dB+PHLineErr[x-1].dB);
            long cG=(pSrc[x].g+HErr.dG*2+PHLineErr[x].dG+PHLineErr[x-1].dG);
            long cR=(pSrc[x].r+HErr.dR*2+PHLineErr[x].dR+PHLineErr[x-1].dR);
            long rB=getBestRGB16_555Color(cB);
            long rG=getBestRGB16_555Color(cG);
            long rR=getBestRGB16_555Color(cR);
            pDst[x]= rB|(rG<<5)|(rR<<10);

            HErr.dB=(cB-getC8Color(rB))>>2;
            HErr.dG=(cG-getC8Color(rG))>>2;
            HErr.dR=(cR-getC8Color(rR))>>2;

            PHLineErr[x-1].dB+=HErr.dB;
            PHLineErr[x-1].dG+=HErr.dG;
            PHLineErr[x-1].dR+=HErr.dR;

            PHLineErr[x]=HErr;
        }
    }

void CvsPic32To16_ErrorDiffuse_1(const TPicRegion_RGB16_555& dst,const TPicRegion& src){
    TUInt16* pDst=(TUInt16*)dst.pdata;
    const TARGB32* pSrc=src.pdata;
    const long width=src.width;

    TErrorColor* _HLineErr=new TErrorColor[width+2];
    for (long x=0;x<width+2;++x){
        _HLineErr[x].dR=0;
        _HLineErr[x].dG=0;
        _HLineErr[x].dB=0;
    }
    TErrorColor* HLineErr=&_HLineErr[1];

    for (long y=0;y<src.height;++y){
        CvsPic32To16_ErrorDiffuse_Line_1(pDst,pSrc,width,HLineErr);
        (TUInt8*&)pDst+=dst.byte_width;
        (TUInt8*&)pSrc+=src.byte_width;
    }

delete[]_HLineErr;
}

速度测试：
//////////////////////////////////////////////////////////////
//CvsPic32To16_ErrorDiffuse_1 154.4 FPS
//////////////////////////////////////////////////////////////

F:继续优化
getBestRGB16_555Color函数有条件分支,建立一个查找表来代替,完整的实现如下:
(CvsPic32To16_ErrorDiffuse_Line_2和CvsPic32To16_ErrorDiffuse_Line_1完成的功能一致)

    static TUInt8 _BestRGB16_555Color_Table[256*5];
    const TUInt8* BestRGB16_555Color_Table=&_BestRGB16_555Color_Table[256*2];
    struct _TAutoInit_BestRGB16_555Color_Table{
        _TAutoInit_BestRGB16_555Color_Table(){
            for (long i=0;i<256*5;++i){
                _BestRGB16_555Color_Table[i]=getBestRGB16_555Color(i-256*2);
            }
        }
    };
    static _TAutoInit_BestRGB16_555Color_Table _AutoInit_BestRGB16_555Color_Table;

    void CvsPic32To16_ErrorDiffuse_Line_2(TUInt16* pDst,const TARGB32* pSrc,long width,TErrorColor* PHLineErr){
        TErrorColor HErr;
        HErr.dR=0; HErr.dG=0; HErr.dB=0;
        PHLineErr[-1].dB=0; PHLineErr[-1].dG=0; PHLineErr[-1].dR=0;
        for (long x=0;x<width;++x)
        {
            long cB=(pSrc[x].b+HErr.dB*2+PHLineErr[x].dB+PHLineErr[x-1].dB);
            long cG=(pSrc[x].g+HErr.dG*2+PHLineErr[x].dG+PHLineErr[x-1].dG);
            long cR=(pSrc[x].r+HErr.dR*2+PHLineErr[x].dR+PHLineErr[x-1].dR);
            long rB=BestRGB16_555Color_Table[cB];
            long rG=BestRGB16_555Color_Table[cG];
            long rR=BestRGB16_555Color_Table[cR];
            pDst[x]= rB|(rG<<5)|(rR<<10);

            HErr.dB=(cB-getC8Color(rB))>>2;
            HErr.dG=(cG-getC8Color(rG))>>2;
            HErr.dR=(cR-getC8Color(rR))>>2;

            PHLineErr[x-1].dB+=HErr.dB;
            PHLineErr[x-1].dG+=HErr.dG;
            PHLineErr[x-1].dR+=HErr.dR;

            PHLineErr[x]=HErr;
        }
    }

void CvsPic32To16_ErrorDiffuse_2(const TPicRegion_RGB16_555& dst,const TPicRegion& src){
    TUInt16* pDst=(TUInt16*)dst.pdata;
    const TARGB32* pSrc=src.pdata;
    const long width=src.width;

    for (long y=0;y<src.height;++y){
        CvsPic32To16_ErrorDiffuse_Line_2(pDst,pSrc,width,HLineErr);
        (TUInt8*&)pDst+=dst.byte_width;
        (TUInt8*&)pSrc+=src.byte_width;
    }

delete[]_HLineErr;
}

速度测试：
//////////////////////////////////////////////////////////////
//CvsPic32To16_ErrorDiffuse_2 166.8 FPS
//////////////////////////////////////////////////////////////

函数效果:

【上篇】sql Server 分发与订阅功能
【下篇】ADO.NET(一)

作者: shms101

该日志由 shms101 于12年前发表在综合分类下，最后更新于 2012年08月07日.
转载请注明: 图形图像处理－之－误差扩散下篇 | 学步园 +复制链接

抱歉!评论已关闭.

学步园