图形图像处理－之－误差扩散 中篇

                        图形图像处理－之－误差扩散 中篇

                      [email protected]    2008.04.22

(2010.01.05 文章由2篇变成3篇,对误差扩散的速度和质量作进一步探讨!

  代码也有一些更新,容纳到我的图像处理建议框架内,并提供源代码下载!

  测试环境也有了变动;由AMD64x2 4200+(2.37G)DDR2 677(双通道) 升级为i7-920 DDR3 1333(三通道) )

(2008.12.01 修正一处bug,颜色误差多累加了一次; 该错误由QueQuan发现,表示感谢! )

tag: 误差扩散,真彩色到高彩色转换,色阶,减色,半色调

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。

上篇:简单实现; 中篇:简单的速度优化; 下篇: 更快的速度或更好的效果.

(测试源代码下载: https://github.com/sisong/demoForHssBlog )

正文:

  代码使用C++,编译器:VC2005

  测试平台:(CPU:i7-920(3.44G); 内存:DDR3 1333(三通道); 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*(255*(1<<16)/((1<<5)-1)) >>16; // rColor*255/((1<<5)-1);

    }

     void  CvsPic32To16_ErrorDiffuse_Line_1(UInt16 *  pDst, const  Color32 *  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 );

             long  cG = (pSrc[x].g + HErr.dG*2  + PHLineErr[x].dG );

             long  cR = (pSrc[x].r + HErr.dR*2  + PHLineErr[x].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  TPixels32Ref &  src){

    UInt16 *  pDst = (UInt16 * )dst.pdata;

     const  Color32 *  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);

        (UInt8 *& )pDst += dst.byte_width;

        (UInt8 *& )pSrc += src.byte_width;

    }     delete[]_HLineErr;

}

速度测试：

//

//CvsPic32To16_ErrorDiffuse_1     283.77  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:

     static  UInt8 _BestRGB16_555Color_Table[ 256 * 5 ];

     const  UInt8 *  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;

  //实际代码中建议预先生成_BestRGB16_555Color_Table的数据,从而避免初始化顺序依赖的问题      void  CvsPic32To16_ErrorDiffuse_Line_2(UInt16 *  pDst, const  Color32 *  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 );

             long  cG = (pSrc[x].g + HErr.dG*2  + PHLineErr[x].dG );

             long  cR = (pSrc[x].r + HErr.dR*2  + PHLineErr[x].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 );    //做乘法比较慢的cpu体系下可以尝试把getC8Color也做成一个数组表 

            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  TPixels32Ref &  src){

    UInt16 *  pDst = (UInt16 * )dst.pdata;

     const  Color32 *  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_2(pDst,pSrc,width,HLineErr);

        (UInt8 *& )pDst += dst.byte_width;

        (UInt8 *& )pSrc += src.byte_width;

    }     delete[]_HLineErr;

}

速度测试：

//

//CvsPic32To16_ErrorDiffuse_2     316.62  FPS

//

函数效果:

(文章的 下篇 将讨论更快的速度或者更好的效果)