我想使用索引调色板将 24 位 RGB 图像(每个通道 8 位)转换为 8 位。
我最初的想法是创建一个数组并简单地计算每种颜色在图像中出现的次数,但我认为如果有大面积的颜色略有变化而占用了所有调色板空间,那将是浪费较小但可能更重要的颜色组。
完成调色板的构建后,我的想法是将每种 RGB 颜色视为 3 维矩阵,并将其点积与调色板中的每个条目进行比较。
...
正如您可能看到的,我并不完全了解这些术语,但我希望您明白我的意思:)
我的问题是;有谁能够分享关于如何解决这个问题的见解,或者也许能让我找到在线阅读材料的正确方向?
thanks!
根据流行度算法不如 Median Cut。
有一系列类似 Median-Cut(空间细分)的算法可以选择不同的标准,例如最小化方差 http://www.ece.mcmaster.ca/~xwu/cq.c每个分区中的颜色)。
使用八叉树进行快速但丑陋的细分。
聚类算法有 K-Means 和林德-布佐-格雷 http://www.data-compression.com/vq.html.
一个有趣的奇怪现象是NeuQuant http://members.ozemail.com.au/~dekker/NEUQUANT.HTML神经网络。
我仍在努力找出最好的pngquant http://pngquant.org/.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)