一种改进的快速中位切割彩色图像量化算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (33): 86-88.

一种改进的快速中位切割彩色图像量化算法

陈卫东¹,张强²,杨丽¹

1.河南工业大学信息科学与工程学院,郑州 450001
2.河南工业大学教务处,郑州 450001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-21 发布日期:2007-11-21
通讯作者: 陈卫东

Improved algorithm of color image quantization with fast and high quality

CHEN Wei-dong¹,ZHANG Qiang²,YANG Li¹

1.College of Information Science & Engineering,Henan University of Technology,Zhengzhou 450001,China
2.Teaching Administration,Henan University of Technology,Zhengzhou 450001,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-21 Published:2007-11-21
Contact: CHEN Wei-dong

摘要/Abstract

摘要： 色彩量化的主要目标是选择一个使量化前后图像之间差异尽可能小的最佳调色板。通过对中位切割技术的研究,提出了一种改进的中位切割算法,采用提高预量化精度、利用方差计算切割位置以及反向查找颜色映射等方法,使彩色图像的色彩量化在速度和质量上都获得了较大提升,实验证明了该算法的有效性。

关键词: 色彩量化, 中位切割, 八叉树, 神经网络

Abstract: The main aim of color quantization is to find the best color palette with the least differences between the original image and the quantized one.This paper presents an improved method of median-cut algorithm.By enhancing the pre-quantization precision,computing cutting position based on variance and searching color-mapping reversely,the new algorithm has a significant promotion on the quantized speed and quality of color image.The experiments prove its effectiveness.

Key words: color quantization, median-cut, octree, neural network

陈卫东¹,张强²,杨丽¹. 一种改进的快速中位切割彩色图像量化算法[J]. 计算机工程与应用, 2007, 43(33): 86-88.

CHEN Wei-dong¹,ZHANG Qiang²,YANG Li¹. Improved algorithm of color image quantization with fast and high quality[J]. Computer Engineering and Applications, 2007, 43(33): 86-88.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[4]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[7]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[8]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[9]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.