Question

我有一张精灵表，每张图片都以32x32格式为中心。实际图像不是32x32，而是略小。我想做的是拍摄一个单元格并裁剪透明像素，使图像尽可能小。

我如何用Java（JDK 6）做到这一点？

以下是我目前如何将瓷砖表拆分为单元格的示例：

BufferedImage tilesheet = ImageIO.read(getClass().getResourceAsStream("/sheet.png");
for (int i = 0; i < 15; i++) {
  Image img = tilesheet.getSubimage(i * 32, 0, 32, 32);
  // crop here..
}

我目前的想法是测试中心的每个像素，看看它是否透明，但我想知道是否会有更快/更清晰的方法。

Answer 1

有一个简单的解决方案 - 扫描每个像素。下面的算法具有恒定的性能O(w•h)。

private static BufferedImage trimImage(BufferedImage image) {
    int width = image.getWidth();
    int height = image.getHeight();
    int top = height / 2;
    int bottom = top;
    int left = width / 2 ;
    int right = left;
    for (int x = 0; x < width; x++) {
        for (int y = 0; y < height; y++) {
            if (image.getRGB(x, y) != 0){
                top    = Math.min(top, x);
                bottom = Math.max(bottom, x);
                left   = Math.min(left, x);
                right  = Math.max(right, x);
            }
        }
    }
    return image.getSubimage(left, top, right - left, bottom - top);
}

但这更有效：

private static BufferedImage trimImage(BufferedImage image) {
    WritableRaster raster = image.getAlphaRaster();
    int width = raster.getWidth();
    int height = raster.getHeight();
    int left = 0;
    int top = 0;
    int right = width - 1;
    int bottom = height - 1;
    int minRight = width - 1;
    int minBottom = height - 1;

    top:
    for (;top < bottom; top++){
        for (int x = 0; x < width; x++){
            if (raster.getSample(x, top, 0) != 0){
                minRight = x;
                minBottom = top;
                break top;
            }
        }
    }

    left:
    for (;left < minRight; left++){
        for (int y = height - 1; y > top; y--){
            if (raster.getSample(left, y, 0) != 0){
                minBottom = y;
                break left;
            }
        }
    }

    bottom:
    for (;bottom > minBottom; bottom--){
        for (int x = width - 1; x >= left; x--){
            if (raster.getSample(x, bottom, 0) != 0){
                minRight = x;
                break bottom;
            }
        }
    }

    right:
    for (;right > minRight; right--){
        for (int y = bottom; y >= top; y--){
            if (raster.getSample(right, y, 0) != 0){
                break right;
            }
        }
    }

    return image.getSubimage(left, top, right - left + 1, bottom - top + 1);
}

此算法遵循 pepan 的答案（见上文）的想法，效率提高2到4倍。不同之处在于：它从不扫描任何像素两次，并尝试在每个阶段收缩搜索范围。

最差情况下，方法的效果为O(w•h–a•b)

Answer 2

此代码适用于我。算法很简单，它从图片的左/上/右/下迭代，找到列/行中第一个不透明的像素。然后它会记住修剪过的图片的新角落，最后它会返回原始图像的子图像。

有些事情可以改进。

算法需要，数据中有alpha字节。如果没有，那么它将在数组异常的索引上失败。

算法预计，图片中至少有一个非透明像素。如果图片完全透明，它将失败。

private static BufferedImage trimImage(BufferedImage img) {
final byte[] pixels = ((DataBufferByte) img.getRaster().getDataBuffer()).getData();
int width = img.getWidth();
int height = img.getHeight();
int x0, y0, x1, y1;                      // the new corners of the trimmed image
int i, j;                                // i - horizontal iterator; j - vertical iterator
leftLoop:
for (i = 0; i < width; i++) {
    for (j = 0; j < height; j++) {
        if (pixels[(j*width+i)*4] != 0) { // alpha is the very first byte and then every fourth one
            break leftLoop;
        }
    }
}
x0 = i;
topLoop:
for (j = 0; j < height; j++) {
    for (i = 0; i < width; i++) {
        if (pixels[(j*width+i)*4] != 0) {
            break topLoop;
        }
    }
}
y0 = j;
rightLoop:
for (i = width-1; i >= 0; i--) {
    for (j = 0; j < height; j++) {
        if (pixels[(j*width+i)*4] != 0) {
            break rightLoop;
        }
    }
}
x1 = i+1;
bottomLoop:
for (j = height-1; j >= 0; j--) {
    for (i = 0; i < width; i++) {
        if (pixels[(j*width+i)*4] != 0) {
            break bottomLoop;
        }
    }
}
y1 = j+1;
return img.getSubimage(x0, y0, x1-x0, y1-y0);

}

Answer 3

我认为这正是你应该做的，循环遍历像素数组，检查alpha然后丢弃。虽然例如当你有一个星形时，它不会将图像的大小调整为小一点。

Answer 4

[嗨，我尝试了以下方法。在图像文件中，idle1.png是具有较大透明框的图像，而testing.png是具有最小边界框的同一图像

'BufferedImage tempImg = (ImageIO.read(new File(fileNPath)));
                WritableRaster tempRaster = tempImg.getAlphaRaster();
                int x1 = getX1(tempRaster);
                int y1 = getY1(tempRaster);
                int x2 = getX2(tempRaster);
                int y2 = getY2(tempRaster);
                System.out.println("x1:"+x1+" y1:"+y1+" x2:"+x2+" y2:"+y2);
                BufferedImage temp = tempImg.getSubimage(x1, y1, x2 - x1, y2 - y1);

                //for idle1.png
                String filePath = fileChooser.getCurrentDirectory() + "\\"+"testing.png";
                System.out.println("filePath:"+filePath);
                ImageIO.write(temp,"png",new File(filePath));

get函数所在的地方

public int getY1（WritableRaster raster）{ //字符顶部

    for (int y = 0; y < raster.getHeight(); y++) {
        for (int x = 0; x < raster.getWidth(); x++) {
            if (raster.getSample(x, y,0) != 0) {
                if(y>0) {
                    return y - 1;
                }else{
                    return y;
                }
            }
        }
    }
    return 0;
}

public int getY2(WritableRaster raster) {
    //ground plane of character

    for (int y = raster.getHeight()-1; y > 0; y--) {
        for (int x = 0; x < raster.getWidth(); x++) {
            if (raster.getSample(x, y,0) != 0) {
                return y + 1;
            }
        }
    }
    return 0;
}

public int getX1(WritableRaster raster) {
    //left side of character

    for (int x = 0; x < raster.getWidth(); x++) {
        for (int y = 0; y < raster.getHeight(); y++) {
            if (raster.getSample(x, y,0) != 0) {
                if(x > 0){
                    return x - 1;
                }else{
                    return x;
                }
            }
        }
    }
    return 0;
}

public int getX2(WritableRaster raster) {
    //right side of character

    for (int x = raster.getWidth()-1; x > 0; x--) {
        for (int y = 0; y < raster.getHeight(); y++) {
            if (raster.getSample(x, y,0) != 0) {
                return x + 1;
            }
        }
    }
    return 0;
}'[Look at Idle1.png and the minimum bounding box idle = testing.png][1]

感谢您对Michael的帮助。请看Idle1.png和最小边界框idle = testing.png] images here

Answer 5

如果您的工作表已有透明像素，则BufferedImage返回的getSubimage()也会显示。默认Graphics2D composite rule为AlphaComposite.SRC_OVER，应该足够drawImage()。

如果子图像具有不同的背景颜色，请使用带有四分量LookupTable的{{3}}，将与背景匹配的颜色的alpha分量设置为零。

我只是作为最后的手段遍历像素栅格。

附录：额外的透明像素可能会干扰碰撞检测等。裁剪它们需要直接使用LookupOp。我不是从中心开始工作，而是从边界开始，使用一对getPixels() / setPixels()方法，一次可以修改行或列。如果整行或列的alpha值为零，请在稍后获取子图像时将其标记为消除。

Answer 6

上面代码的简单修复。我使用了RGB的中位数，并修复了x和y的min（）函数：

private static BufferedImage trim(BufferedImage img) {
    int width = img.getWidth();
    int height = img.getHeight();

    int top = height / 2;
    int bottom = top;

    int left = width / 2 ;
    int right = left;

    for (int x = 0; x < width; x++) {
        for (int y = 0; y < height; y++) {
            if (isFg(img.getRGB(x, y))){

                top    = Math.min(top, y);
                bottom = Math.max(bottom, y);

                left   = Math.min(left, x);
                right  = Math.max(right, x);

            }
        }
    }

    return img.getSubimage(left, top, right - left, bottom - top);
}

private static boolean isFg(int v) {
    Color c = new Color(v);
    return(isColor((c.getRed() + c.getGreen() + c.getBlue())/2));
}

private static boolean isColor(int c) {
    return c > 0 && c < 255;
}

通过删除java中的透明像素将图像裁剪为最小尺寸

6 个答案: