一幅真彩色图像是由红、绿、蓝三元组构成的像素阵列，每个像素中的红绿蓝分量分别代表了红色、绿色和蓝色的亮度。
若每个分量的取值范围为，则一幅真彩色图像可能包含有多达224种的颜色。由于实际中的计算机监视器无法达到同时显示这么多种颜色的要求，因此减少颜色数目就成为彩色图像显示、传输、分割和压缩研宄的重要内容之一。
*常用的颜色减少技术是色彩量化和多阈值处理的方法。
色彩量化即是将相似的颜色分为一组，然后仅使用一个量化后的颜色替换它们，其过程可描述为：为源图像中的每个像素，查找或计算用于定义目标图像中对应像素的颜色值。色彩量化技术的*终目标就是以*小的失真来减少图像的颜色数目，因此计算机图形学在色彩量化领域研宄的主要内容是选择一个使量化前后图像之间差异尽可能小的*佳调色板。
2色彩量化算法简介目前用于色彩量化的技术主要有三类：**类是基于矢量量化的方法。由于每个像素的颜色都由红绿蓝三个分量组成一个三维矢量，因此可以使用矢量量化的方法对颜色量化。此类算法中较具代表性的是Balasubramanian等人提出的顺序标量量化方法。
它使用一维自组织神经网SOM），其中每个期望的聚类网络中包含对应的一个神经元，通过学习过程，每个神经元获得一个具有代表性的权向（Ri，Gi，B），学习完成后所有像素被映射到*近的权向量。Kohonen神经网络颜色优化技术通过调整质量因子可以产生更高质量的图像，但是需要花较长时间。
第三类算法是使用剖分技术将色彩空间分成更小子区域并从每个子区域中挑选一个典型的颜色组成调色板。此类算法*具代表性的是由Gervautz和Purgathofer提出的八叉树和由Heckbert提出的中位切割量化算法。
八叉树量化算法是利用八叉树数据结构来表示RGB色彩空间的一种方法，八叉树本身有九层，根结点是零层，每个结点至少有八个子结点。颜色的RGB分量的二进制编码确定了颜色在八叉树或颜色立方体中的位置，每个中间的结点描述了一陈卫东，张强，杨丽：一种改进的快速中位切割彩色图像量化算法个子立体并对应一组颜色，每个叶结点都至少对应图像中的一种颜色。如果在八叉树中生成新的叶结点树超过了颜色量化数目，那么需要简化八叉树；八叉树的简化是通过将子结点的颜色平均值赋予父结点的方式实现，然后将子结点删除。一旦生成简化的八叉树，再进行第二次扫描图像，对原图像中的任一颜色，在八叉树中存在一条对应路径，这条从根结点到叶结点的路径即为原图像中颜色的量化值。在运用八叉树量化图像中颜色时，由于以增量的方式建立八叉树，并只保存那些表示量化颜色的叶结点，因此所需内存大大减少。该算法对内存要求较低，且生成图像质量较好。
中位切割算法的思想是使颜色量化查找表中的每种颜色近似地表示原始图像中相同数目的像素。首先在三维RGB空间中用一个*小的长方体包围盒将图像中出现的所有颜色包围起来，然后递归地和自适应地剖分颜色包围盒包围盒中的颜色沿着长方体对应的分量方向排序，然后取其中点对包围盒进行剖分。此过程递归进行，直到包围盒的数目等于所需要的颜色数，之后计算每个盒中颜色的平均值并建立颜色查找表（即调色板）。中位切割算法需要足够的内存作为原图像中每种颜色的计数器。
本文提出的算法是在中位切割算法的基础上，通过提高预量化精度、利用方差计算切割位置以及反向查找颜色映射等措施，有效改善了中位切割算法的效率并使图像的量化质量获得较大提高。
3改进的中位切割算法本文对中位切割算法做了以下改进：统计RGB空间中所有颜色的直方图，需要耗费大量内存64M），为节省内存，Heckbert建议，首先要对原图像使用位截断法，从24位预量化为15位（5：5：5）。其目的就是将原RGB空间采样划分为8>>的立方体单元，每个单元表示一种颜色，这样采样后RGB空间中的每种颜色就代表了原RGB空间的512种颜色。其造成的亮度误差*大可能达到SQRT（8冷+8>+8>）=14.由于每幅图像的颜色在RGB空间分布的复杂性，预量化必然会导致*终量化结果的误差增大。因此要改善中位切割的量化质量，需要增加预量化的分辨率。本文采用18位6：6：6）的分辨率，考虑到存储直方图空间的增大，这里不使用4个字节的长整数来表示，而是采用2个字节的无符号整数来替代假设一幅30003000的图像，每种颜色都出现65536次，则此幅图中颜色数不足138种，而对于浓淡图像来说很少出现这样情况，即使出现了，量化后也能使图像达到足够接近的结果）。
选择调色板是中位切割算法的主要阶段，有许多方法可选切割位置和候选切割盒。一般的方法是遍历当前色盒找出在R、G、B轴边长*大的一个颜色盒作为候选切割盒，并以边长*长的轴的中点作为分割点来剖分，也有选择体积*大的盒或像素数*多的盒作为候选盒，然后找出R、G、B轴边长*大的轴中点来切割的方法；但是这些方法都是盲目的分割方法，在分割过程中没有充分评估切割所造成的切割误差。这里使用基于方差的切割方法，同时以距平均颜色误差*大的色盒来剖分，在一定程度上提高了量化图像的质量。具体的方法是：对每个色盒中的所有颜色，在切割前以其出现的次数为权值求出数学期望sumCi>F）/sumF），作为量化后的该色盒的颜色，然后求出该色盒R、G、B各分量全部集合的方差。接着分别沿色盒R、G、B轴计算部分集的方差，直到大于全部集合方差的一半，则以此时的R、G、B作为分割点。
在形成颜色查找表后，原中位切割法需要有一个专门用于计算颜色查找表中与原图像中颜色*接近的颜色的函数。
这里充分利用了原色彩直方图和量化后的颜色盒，根据颜色盒指定的立方体盒在色彩直方图中的位置和颜色盒的索引值，将原色彩直方图的值填为颜色索引值，从而大大的减少了后续的运算量。
a）为原中位切割算法代码：其中n表示量化后的图像，为原图像，findnearbycolor函数的功能是在每个像素位置都需要从颜色查找表中计算出与原图像中*近邻颜色的索弓I，因此计算量非常大。b）为改进后的算法，从代码可以看出，求颜色索引是基于查找表进行的，而不需要重新计算索弓I，这样就可以快速地得出图像色彩的量化值。
耿国华，周明全。常用色彩量化算法的性能分析。小型微型计算机（上接85页）6结束语本文充分利用复倒谱变换的性质，提出了一种新的音频水印算法。该算法一方面具有较好的鲁棒性，较好的透明性，提取水印属盲水印提取，能经受添加噪声、重新采样、重新量化低通滤波、有损压缩等常见信号处理及攻击。另一方面也起到了保密的效果，即在不知道初始条件下，鄙版者无法从含有水印的音频信号中提取到正确的水印信息，也无法破坏或删除水印。
（：2007年7月）
