图形图像处理－之－误差扩散 上篇

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)

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
//////////////////////////////////////////////////////////////