我已经使用此功能来计算CIE Lab色彩空间中的色差,但它缺乏速度。由于我不是Java专家,我想知道是否有任何Java大师都有一些可以提高速度的技巧。
代码基于注释块中提到的matlab函数。
/**
* Compute the CIEDE2000 color-difference between the sample color with
* CIELab coordinates 'sample' and a standard color with CIELab coordinates
* 'std'
*
* Based on the article:
* "The CIEDE2000 Color-Difference Formula: Implementation Notes,
* Supplementary Test Data, and Mathematical Observations,", G. Sharma,
* W. Wu, E. N. Dalal, submitted to Color Research and Application,
* January 2004.
* available at http://www.ece.rochester.edu/~gsharma/ciede2000/
*/
public static double deltaE2000(double[] lab1, double[] lab2)
{
double L1 = lab1[0];
double a1 = lab1[1];
double b1 = lab1[2];
double L2 = lab2[0];
double a2 = lab2[1];
double b2 = lab2[2];
// Cab = sqrt(a^2 + b^2)
double Cab1 = Math.sqrt(a1 * a1 + b1 * b1);
double Cab2 = Math.sqrt(a2 * a2 + b2 * b2);
// CabAvg = (Cab1 + Cab2) / 2
double CabAvg = (Cab1 + Cab2) / 2;
// G = 1 + (1 - sqrt((CabAvg^7) / (CabAvg^7 + 25^7))) / 2
double CabAvg7 = Math.pow(CabAvg, 7);
double G = 1 + (1 - Math.sqrt(CabAvg7 / (CabAvg7 + 6103515625.0))) / 2;
// ap = G * a
double ap1 = G * a1;
double ap2 = G * a2;
// Cp = sqrt(ap^2 + b^2)
double Cp1 = Math.sqrt(ap1 * ap1 + b1 * b1);
double Cp2 = Math.sqrt(ap2 * ap2 + b2 * b2);
// CpProd = (Cp1 * Cp2)
double CpProd = Cp1 * Cp2;
// hp1 = atan2(b1, ap1)
double hp1 = Math.atan2(b1, ap1);
// ensure hue is between 0 and 2pi
if (hp1 < 0) {
// hp1 = hp1 + 2pi
hp1 += 6.283185307179586476925286766559;
}
// hp2 = atan2(b2, ap2)
double hp2 = Math.atan2(b2, ap2);
// ensure hue is between 0 and 2pi
if (hp2 < 0) {
// hp2 = hp2 + 2pi
hp2 += 6.283185307179586476925286766559;
}
// dL = L2 - L1
double dL = L2 - L1;
// dC = Cp2 - Cp1
double dC = Cp2 - Cp1;
// computation of hue difference
double dhp = 0.0;
// set hue difference to zero if the product of chromas is zero
if (CpProd != 0) {
// dhp = hp2 - hp1
dhp = hp2 - hp1;
if (dhp > Math.PI) {
// dhp = dhp - 2pi
dhp -= 6.283185307179586476925286766559;
} else if (dhp < -Math.PI) {
// dhp = dhp + 2pi
dhp += 6.283185307179586476925286766559;
}
}
// dH = 2 * sqrt(CpProd) * sin(dhp / 2)
double dH = 2 * Math.sqrt(CpProd) * Math.sin(dhp / 2);
// weighting functions
// Lp = (L1 + L2) / 2 - 50
double Lp = (L1 + L2) / 2 - 50;
// Cp = (Cp1 + Cp2) / 2
double Cp = (Cp1 + Cp2) / 2;
// average hue computation
// hp = (hp1 + hp2) / 2
double hp = (hp1 + hp2) / 2;
// identify positions for which abs hue diff exceeds 180 degrees
if (Math.abs(hp1 - hp2) > Math.PI) {
// hp = hp - pi
hp -= Math.PI;
}
// ensure hue is between 0 and 2pi
if (hp < 0) {
// hp = hp + 2pi
hp += 6.283185307179586476925286766559;
}
// LpSqr = Lp^2
double LpSqr = Lp * Lp;
// Sl = 1 + 0.015 * LpSqr / sqrt(20 + LpSqr)
double Sl = 1 + 0.015 * LpSqr / Math.sqrt(20 + LpSqr);
// Sc = 1 + 0.045 * Cp
double Sc = 1 + 0.045 * Cp;
// T = 1 - 0.17 * cos(hp - pi / 6) +
// + 0.24 * cos(2 * hp) +
// + 0.32 * cos(3 * hp + pi / 30) -
// - 0.20 * cos(4 * hp - 63 * pi / 180)
double hphp = hp + hp;
double T = 1 - 0.17 * Math.cos(hp - 0.52359877559829887307710723054658)
+ 0.24 * Math.cos(hphp)
+ 0.32 * Math.cos(hphp + hp + 0.10471975511965977461542144610932)
- 0.20 * Math.cos(hphp + hphp - 1.0995574287564276334619251841478);
// Sh = 1 + 0.015 * Cp * T
double Sh = 1 + 0.015 * Cp * T;
// deltaThetaRad = (pi / 3) * e^-(36 / (5 * pi) * hp - 11)^2
double powerBase = hp - 4.799655442984406;
double deltaThetaRad = 1.0471975511965977461542144610932 * Math.exp(-5.25249016001879 * powerBase * powerBase);
// Rc = 2 * sqrt((Cp^7) / (Cp^7 + 25^7))
double Cp7 = Math.pow(Cp, 7);
double Rc = 2 * Math.sqrt(Cp7 / (Cp7 + 6103515625.0));
// RT = -sin(delthetarad) * Rc
double RT = -Math.sin(deltaThetaRad) * Rc;
// de00 = sqrt((dL / Sl)^2 + (dC / Sc)^2 + (dH / Sh)^2 + RT * (dC / Sc) * (dH / Sh))
double dLSl = dL / Sl;
double dCSc = dC / Sc;
double dHSh = dH / Sh;
return Math.sqrt(dLSl * dLSl + dCSc * dCSc + dHSh * dHSh + RT * dCSc * dHSh);
}
答案 0 :(得分:12)
cos
价格昂贵,尤其是连续4次。你似乎是计算cos(n a + b),其中b是常数,n是一个小整数。这意味着您可以预先计算cos(b)和sin(b),并在运行时计算cos(hp)和sin(hp)。你可以通过重复使用
cos(a+b) = cos(a)*cos(b)-sin(a)*sin(b)
你会交换几个sin
和cos
s进行一些乘法和加法,几乎肯定是值得的。
如果你有野心,你可以做得更好。您从hp
间接获得atan2
。模式trig-function(rational-function(inverse-trig-function(x)))
经常可以被多项式和根的某种组合所取代,这些组合比trig函数更快评估。
我不知道如何在Java中实现pow
,但如果它使用日志,您可能最好使用Cp7
Cp2=Cp*Cp;Cp4=Cp2*Cp2;Cp7=Cp4*Cp2*Cp;
更新:由于我没有时间实际重写代码,所以现在得到更多的推测。功率优化和触发优化实际上是相同的伪装! trig优化是应用于复数的功率优化的一个版本。更重要的是,行
double dH = 2 * Math.sqrt(CpProd) * Math.sin(dhp / 2);
是复数平方根运算的一部分。这让我觉得实际上可以编写很大一部分代码来使用复数来消除几乎所有的trig函数。我不知道你的复数运算是怎么回事......
答案 1 :(得分:1)
通常,任何实现此问题且速度严重的系统都不会采用随机颜色。它会做几种不同的颜色。即使是一个充满不同颜色的巨型图像通常只有几千种颜色。我强烈推荐一种缓存算法。虽然如果速度是一个问题,你应该自己卷起来(你只需要原语,速度)。
对于实际的色距离例程本身并没有太多的优化,但我为这件事写了一个缓存系统,它的速度提高了100倍。距离例程从压倒性的主导因素变为昙花一现。你不应该试图降低速度。你可能会找出一些东西。但是,减少你正确调用它的次数。
您有两个设置输入,它会产生一个设置输出,并在很长一段时间后完成。每个缓存索引7个双打。这是14个字节。对于14兆内存占用(或左右,忽略哈希或什么不是,可能我们说的是双倍)。你可以存储一百万个条目,这足够了,如果你有1k个典型的不同颜色,你将获得高达90%的缓存命中率。如果您将初始颜色从RGB转换为Lab(这些转换也应该缓存),您甚至可以大大减少这种情况。如果你达到5%的时间,你会看到加速。并且你可能会在99%的时间内获得命中(除非你做了像随机颜色比较那样奇怪的事情)。根据我的观察,它使得CIEDE2000在时间上与欧几里德RGB几乎相同。