Алгоритм квантования цвета

Question

Я работаю над алгоритмом цветового квантования.

Это основной процесс:

• Преобразование изображения в набор трехмерных векторов (например, пространство RGB).
• Поместите этот набор в список наборов.
• Хотя количество наборов в списке меньше количества цветов, которое вы хотите:
  • Удалить худший набор из списка.
  • Разделите его на две части.
  • Добавьте два новых набора в список.
• Готово.

То, что я имею в виду под «наихудшим множеством», - это множество, в котором суммарное расстояние между каждым вектором и средним вектором больше.

И вот как я "разбил набор":

• Вычислить средний вектор, сложив все векторы и разделив их на число векторов.
• Вычисляет вектор, составленный из абсолютных разностей между каждым вектором и средним вектором. Нормализовать его, и мы получили нормаль плоскости, которая делит наш векторный набор на две равные половины.
• Используйте это нормальное два, разбейте множество на два набора в зависимости от того, к какой стороне плоскости принадлежат векторы.

Это работает, в основном, но палитра изображений выглядит странно, как будто выбрана из линейного градиента ...

Мой алгоритм неверен? Может кто-нибудь помочь?

Answer 1

Проблема в том, что ваш алгоритм LOT зависит от начальных наборов.Поскольку вы разделяете только наборы, если две точки, которые находятся очень близко друг к другу, оказываются в разных наборах в начале, они всегда будут в разных наборах.Это не хорошо.

Так что да - это хуже, чем алгоритм k-средних.

Answer 2

Первым шагом цветового квантования является выбор представительных K цветов из N цветов.Однако некоторые проблемы с градиентом / полосами неизбежны для изображений с таким большим количеством цветов.Затем происходит диффузия ошибок и сглаживание путем аппроксимации недоступных цветов доступными цветами путем смешивания и сопоставления доступных цветов таким образом, чтобы имитировать недоступные.

6 лучших алгоритмов квантования цвета .

Вот несколько примеров вывода:

Исходное изображение:
Алгоритм квантования нейронной сети NeuQuant уменьшен до 256 цветов:
Сокращено до 256 цветов благодаря быстрому оптимальному алгоритму квантования цвета, который дал Xialoin Wu:
Исходное фото:
Уменьшено до 256 цветов с помощью алгоритма квантования NeuQuant Neural-Net: Сокращен до 256 цветов с помощью алгоритма парного анализа ближайшего соседа:

Читатели могут увидеть, как кодирование диффузии и сглаживания ошибок очень похоже среди лучших 5 алгоритмов квантования цветов.Каждый алгоритм имеет свои преимущества.Я делюсь источником квантования цвета, чтобы пригласить к дальнейшему обсуждению и улучшениям.Такой исходный код написан на C ++ для достижения максимальной производительности.Он также служит открытием для изучения машинного обучения.

Answer 3

Я не вижу, как это лучше, чем алгоритм k-средних.Может быть, вы должны просто сделать обычные k-средства.