问题标签 [quantization]

我正在尝试使用 QuantizeFilter

http://www.jhlabs.com/ip/filters/index.html

以减少屏幕截图的颜色深度。

这是我非常非常简单的代码：

但是，我剩下的是：

原图：

量化的图像：

进一步分析问题表明，inPixels数组填充错误；它用原始图像的上三分之一填充了三次。

有什么指示我可以解决这个问题吗？

另外，Java中的任何链接都很好+快速量化算法？我搜索的是一种算法，它将采用 TYPE_INT_BGR 图像并生成新的 TYPE_INT_BGR 图像，但像素的实际差异较小，因此可以很容易地放气。

例如，如果我们在原始图像中有两个像素，其值为 255、255、234，另一个像素值为 255、255、236，则它们都应转换为 255,255,240。干杯

我正在研究图像处理，并且我有一张经过 DCT 处理并量化为 512 x 512 矩阵的 8 x 8 块的图像，现在我必须找出图像有多少量化级别。我是否需要获取左上角的像素并将其放入数组中，然后将其放置在图形调用上hist？

我试图找到一个 8 x 8 块的系数因图像的不同块而变化的范围。我是否需要为 matlab 中是否有函数的值生成直方图？

线性量化和非线性量化有什么区别？我说的是PCM样本。 http://www.blurtit.com/q927781.html有一篇关于它的文章，但我正在寻找更详细的答案。

我使用大小为 4000x300（4000 个质心，每个质心有 300 个特征）的 k-means 创建了一个码本。使用密码本，然后我想标记一个输入向量（用于稍后进行分箱）。输入向量的大小为 Nx300，其中 N 是我收到的输入实例的总数。

为了计算标签，我为每个输入向量计算最近的质心。为此，我将每个输入向量与所有质心进行比较，并选择距离最小的质心。那么标签就是那个质心的索引。

我当前的 Matlab 代码如下所示：

但是，这段代码仍然相当慢（出于我的目的），我希望有一种方法可以进一步优化代码。

一个明显的问题是有一个 for 循环，它是 Matlab 良好性能的祸根。我一直试图想出一种方法来摆脱它，但没有运气（我研究过将 arrayfun 与 bsxfun 结合使用，但还没有让它起作用）。或者，如果有人知道任何其他加快速度的方法，我将不胜感激。

更新

在做了一些搜索之后，我找不到使用 Matlab 的好解决方案，所以我决定查看 Python 的 scikits.learn 包中用于 'euclidean_distance' （缩短）的内容：

它使用欧几里得距离 ((xy)^2 -> x^2 + y^2 - 2xy) 的二项式形式，据我所知，它通常运行得更快。我完全未经测试的 Matlab 翻译是：

我不知道把它放在哪个堆栈交换站点上，所以我把它放在这里。我试图确定一所学校的规模与学校专业的专业之间是否存在相关性。

为了做到这一点，我以编程方式收集和分析数据。为了制作我的报告，我需要在 excel 中制作一些图表，但我不知道如何做到这一点。

我正在寻找的是一个散点图，在 Y 轴（学校规模）上有定量值，在 X 轴上有定性值，我希望列出每个专业（有点像条形图） . 从那里，我想在学校专攻的专业上方画一个点；并让这一点与其学生人数一样高。

有什么帮助吗？

编辑：

这是我的示例数据集。我希望它具有数据右侧的类别，以及图表上对应的点。

我需要根据以下像素值转换统一重新量化图像的动态范围：

我想用量化值替换上述范围内的所有像素值。如何在 MATLAB 中编写代码？

我正在研究颜色量化算法。

这是基本过程：

• 将图像转换为一组三维向量（例如 RGB 空间）。
• 将该集合放入集合列表中。
• 虽然列表中的套数少于您想要的颜色数：
  • 从列表中删除最差的集合。
  • 把它一分为二。
  • 在列表中添加两个新集。
• 完毕。

我所说的“最差集合”是指每个向量与平均向量之间的累积距离较大的集合。

这就是我“拆分集合”的方式：

• 通过将所有向量相加并除以向量计数来计算平均向量。
• 计算由每个向量与平均向量之间的绝对差组成的向量。对其进行归一化，我们得到一个平面的法线，将我们的向量集分成相等的两半。
• 根据向量属于平面的哪一侧，使用这个法线二将集合分成两组。

这基本上是可行的，但图像调色板看起来很奇怪，就像从线性渐变中挑选出来的......

我的算法完全错误吗？有人可以帮忙吗？

在 Efford 的 cd 中有一个灰度图像量化代码：

我正在尝试将此代码转换为 24 位彩色图像。但是不知道我说的对不对？

我的尝试：int n = 24 - numBits;

这会给出结果 inmage 直到 numBits>=17，如果 numBits<17 那么我得到完整的黑色图像。我做得对吗？

请帮忙。非常感谢。:)

我在 Linux 上的 OpenCV 中工作。我正在尝试量化长度为 100 的向量 Ib、Ig、Ir 的值。

但是，当我尝试添加存储在数组 g_hist11、r_hist11、b_hist11 中的计数时，它们的值不会达到 100。