图形图像处理－之－误差扩散 上篇

 [e-mail]   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)
  
A:程序将把一张真彩色图片转换成高彩色图片作为例子，颜色和图片的数据定义:

typedef unsigned char  TUInt8; // [0..255]
typedef unsigned short TUInt16;
typedef unsigned long  TUInt32;


struct TARGB32      //32 bit color
{
    TUInt8  b,g,r,a;          // a is alpha
};

struct TPicRegion  //一块颜色数据区的描述，便于参数传递
{
    TARGB32*        pdata;        //颜色数据首地址
    long            byte_width;   //一行数据的物理宽度(字节宽度)；注意: abs(byte_width)有可能大于等于width*sizeof(TARGB32);
    unsigned long   width;        //像素宽度
    unsigned long   height;       //像素高度
};

//那么访问一个点的函数可以写为：
inline TARGB32& Pixels(const TPicRegion& pic,const long x,const long y)
{
    return ( (TARGB32*)((TUInt8*)pic.pdata+pic.byte_width*y) )[x];
}

//高彩色颜色和图片数据定义 (

struct TRGB16_555  //16bit 5:5:5 high color
{
   TUInt16 b:5;
   TUInt16 g:5;
   TUInt16 r:5;
   TUInt16 x:1;
};

struct TPicRegion_RGB16_555  //一块颜色数据区的描述，便于参数传递
{
    TRGB16_555*     pdata;        //颜色数据首地址
    long            byte_width;   //一行数据的物理宽度(字节宽度)
    unsigned long   width;        //像素宽度
    unsigned long   height;       //像素高度
};
inline TRGB16_555& Pixels(const TPicRegion_RGB16_555& pic,const long x,const long y)
{
    return ( (TRGB16_555*)((TUInt8*)pic.pdata+pic.byte_width*y) )[x];
}

例子中使用的16bit高彩色的RGB颜色编码为555; 常见的编码方式还有565和655，某些程序
里面可能还会使用4:4:4:4 (4比特Alpha通道); (提示:利用宏或泛型的方式可以用一个函数
实现同时支持这些格式)

B:真彩色图片直接转换成高彩色图片的简单实现

inline TRGB16_555 ToColor16(const TARGB32& color){
    TRGB16_555 result;
    result.r=color.r>>3;
    result.g=color.g>>3;
    result.b=color.b>>3;
    return result;
}

void CvsPic32To16_0(const TPicRegion_RGB16_555& dst,const TPicRegion& src){
    for (long y=0;y<src.height;++y){
        for (long x=0;x<src.width;++x){
            Pixels(dst,x,y)=ToColor16(Pixels(src,x,y));
        }
    }
}

来看一下函数效果

   源图片（800x600）：
 
   转换后图片:
 
可以看到，颜色位数的降低,很多区域都产生了失真的色块

速度测试:
//////////////////////////////////////////////////////////////
//CvsPic32To16_0                  204.5  FPS 
//////////////////////////////////////////////////////////////

C:对直接转换函数的简单速度优化(功能一样)

inline TUInt16 ToColor16_1(const TARGB32& color){
    return ((color.r>>3)<<10)|((color.g>>3)<<5)|(color.b>>3);
}

void CvsPic32To16_1(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){
        for (long x=0;x<width;++x){
            pDst[x]=ToColor16_1(pSrc[x]);
        }
        (TUInt8*&)pDst+=dst.byte_width;
        (TUInt8*&)pSrc+=src.byte_width;
    }
}

速度测试:
//////////////////////////////////////////////////////////////
//CvsPic32To16_1                  507.9  FPS 
//////////////////////////////////////////////////////////////
  (当然，该函数还可以继续优化的，比如使用MMX、SSE等指令，可以得到更快的速度；)

D:误差扩散的颜色转换函数实现
   转换过程中，将产生的转换误差，按一定的系数向右和向下传递(这样写代码比较容易)； 
我使用的误差传递系数为：
  * 2
1 1 0    /4

其他一些常见的误差传递模板(也可以自己设定合适的模板系数系数)，可以尝试一下其转换效果
  
  * 3
0 3 2   /8
  
  * 7
3 5 1   /16
  
    * 8 4
2 4 8 4 2
1 2 4 2 1  /42

我使用了一个较为简单的模板，为质量、速度、额外空间占用做了折中；
简单的实现：

    struct TErrorColor_0{
        float dR;
        float dG;
        float dB;
    };

    inline long getBestRGB16_555Color_0(const float wantColor){
        float result=wantColor*(31.0/255);
        if (result<=0) 
            return 0;
        else if (result>=31)
            return 31;
        else
            return (long)result;
    }

    void CvsPic32To16_ErrorDiffuse_Line_0(TUInt16* pDst,const TARGB32* pSrc,long width,TErrorColor_0* PHLineErr){
        TErrorColor_0 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)
        {
            //cB,cG,cR为应该显示的颜色
            float cB=(pSrc[x].b+HErr.dB*2+PHLineErr[x].dB+PHLineErr[x-1].dB);
            float cG=(pSrc[x].g+HErr.dG*2+PHLineErr[x].dG+PHLineErr[x-1].dG);
            float cR=(pSrc[x].r+HErr.dR*2+PHLineErr[x].dR+PHLineErr[x-1].dR);
            //rB,rG,rR为转换后的颜色(也就是实际显示颜色)
            long rB=getBestRGB16_555Color_0(cB);
            long rG=getBestRGB16_555Color_0(cG);
            long rR=getBestRGB16_555Color_0(cR);
            pDst[x]= rB|(rG<<5)|(rR<<10);
            //计算两个颜色之间的差异的1/4
            HErr.dB=(cB-(rB*(255.0/31)))*(1.0/4);
            HErr.dG=(cG-(rG*(255.0/31)))*(1.0/4);
            HErr.dR=(cR-(rR*(255.0/31)))*(1.0/4);

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

            PHLineErr[x]=HErr;
        }
    }

void CvsPic32To16_ErrorDiffuse_0(const TPicRegion_RGB16_555& dst,const TPicRegion& src){
    TUInt16* pDst=(TUInt16*)dst.pdata;
    const TARGB32* pSrc=src.pdata;
    const long width=src.width;

    TErrorColor_0* _HLineErr=new TErrorColor_0[width+2]; 
    for (long x=0;x<width+2;++x){
        _HLineErr[x].dR=0;
        _HLineErr[x].dG=0;
        _HLineErr[x].dB=0;
    }
    TErrorColor_0* HLineErr=&_HLineErr[1];

    for (long y=0;y<src.height;++y){
        CvsPic32To16_ErrorDiffuse_Line_0(pDst,pSrc,width,HLineErr);
        (TUInt8*&)pDst+=dst.byte_width;
        (TUInt8*&)pSrc+=src.byte_width;
    }

    delete[]_HLineErr;
}

函数效果：
 

  和上面的直接转换效果对比，色深一样但质量明显好了很多:)

(可以放大该图片来看看，对颜色误差的传递会有一个更好的认识)

速度测试：
//////////////////////////////////////////////////////////////
//CvsPic32To16_ErrorDiffuse_0      33.6  FPS
//////////////////////////////////////////////////////////////