首页 > 编程语言 > 详细

Java生成动态GIF图片

时间:2014-07-29 16:21:39      阅读:499      评论:0      收藏:0      [点我收藏+]

Java生成动态GIF图片

写selenium自动化时,为了查看运行效果,后给浏览器截图,想到可以生成gif图片来快速预览。看到已经有人实现了,直接拿过来。作者是Kevin Weiner

共涉及到三个java文件,分别是NeuQuant.java,LZWEncoder.java,AnimatedGifEncoder.java,有了这三个文件,我们可以自己编写方法调用,

bubuko.com,布布扣

代码如下:

        BufferedImage src1 = ImageIO.read(new File("Img221785570.jpg"));
        BufferedImage src2 = ImageIO.read(new File("W.gif"));
        //BufferedImage src3 = ImageIO.read(new File("c:/ship3.jpg")); 
        AnimatedGifEncoder e = new AnimatedGifEncoder(); 
        e.setRepeat(0); 
        e.start("laoma.gif"); 
        e.setDelay(300); // 1 frame per sec 
        e.addFrame(src1); 
        e.setDelay(100); 
        e.addFrame(src2); 
        e.setDelay(100); 
    //  e.addFrame(src2); 
        e.finish();

三个java文件源码如下:

NeuQuant.java

    public class NeuQuant
    {
        protected static final int netsize = 256; /* number of colours used */
        /* four primes near 500 - assume no image has a length so large */
     /* that it is divisible by all four primes */
        protected static final int prime1 = 499;
        protected static final int prime2 = 491;
        protected static final int prime3 = 487;
        protected static final int prime4 = 503;
        protected static final int minpicturebytes = (3 * prime4);
        /* minimum size for input image */
     /* Program Skeleton
        ----------------
        [select samplefac in range 1..30]
        [read image from input file]
        pic = (unsigned char*) malloc(3*width*height);
        initnet(pic,3*width*height,samplefac);
        learn();
        unbiasnet();
        [write output image header, using writecolourmap(f)]
        inxbuild();
        write output image using inxsearch(b,g,r)      */
     /* Network Definitions
        ------------------- */
        protected static final int maxnetpos = (netsize - 1);
        protected static final int netbiasshift = 4; /* bias for colour values */
        protected static final int ncycles = 100; /* no. of learning cycles */
        /* defs for freq and bias */
        protected static final int intbiasshift = 16; /* bias for fractions */
        protected static final int intbias = (((int) 1) << intbiasshift);
        protected static final int gammashift = 10; /* gamma = 1024 */
        protected static final int gamma = (((int) 1) << gammashift);
        protected static final int betashift = 10;
        protected static final int beta = (intbias >> betashift); /* beta = 1/1024 */
        protected static final int betagamma =
                (intbias << (gammashift - betashift));
        /* defs for decreasing radius factor */
        protected static final int initrad = (netsize >> 3); /* for 256 cols, radius starts */
        protected static final int radiusbiasshift = 6; /* at 32.0 biased by 6 bits */
        protected static final int radiusbias = (((int) 1) << radiusbiasshift);
        protected static final int initradius = (initrad * radiusbias); /* and decreases by a */
        protected static final int radiusdec = 30; /* factor of 1/30 each cycle */
        /* defs for decreasing alpha factor */
        protected static final int alphabiasshift = 10; /* alpha starts at 1.0 */
        protected static final int initalpha = (((int) 1) << alphabiasshift);
        protected int alphadec; /* biased by 10 bits */
        /* radbias and alpharadbias used for radpower calculation */
        protected static final int radbiasshift = 8;
        protected static final int radbias = (((int) 1) << radbiasshift);
        protected static final int alpharadbshift = (alphabiasshift + radbiasshift);
        protected static final int alpharadbias = (((int) 1) << alpharadbshift);
        /* Types and Global Variables
        -------------------------- */
        protected byte[] thepicture; /* the input image itself */
        protected int lengthcount; /* lengthcount = H*W*3 */
        protected int samplefac; /* sampling factor 1..30 */
        //   typedef int pixel[4];                /* BGRc */
        protected int[][] network; /* the network itself - [netsize][4] */
        protected int[] netindex = new int[256];
        /* for network lookup - really 256 */
        protected int[] bias = new int[netsize];
        /* bias and freq arrays for learning */
        protected int[] freq = new int[netsize];
        protected int[] radpower = new int[initrad];
        /* radpower for precomputation */
     /* Initialise network in range (0,0,0) to (255,255,255) and set parameters
        ----------------------------------------------------------------------- */
        public NeuQuant(byte[] thepic, int len, int sample) {
            int i;
            int[] p;
            thepicture = thepic;
            lengthcount = len;
            samplefac = sample;
            network = new int[netsize][];
            for (i = 0; i < netsize; i++) {
                network[i] = new int[4];
                p = network[i];
                p[0] = p[1] = p[2] = (i << (netbiasshift + 8)) / netsize;
                freq[i] = intbias / netsize; /* 1/netsize */
                bias[i] = 0;
            }
        }
        public byte[] colorMap() {
            byte[] map = new byte[3 * netsize];
            int[] index = new int[netsize];
            for (int i = 0; i < netsize; i++)
                index[network[i][3]] = i;
            int k = 0;
            for (int i = 0; i < netsize; i++) {
                int j = index[i];
                map[k++] = (byte) (network[j][0]);
                map[k++] = (byte) (network[j][1]);
                map[k++] = (byte) (network[j][2]);
            }
            return map;
        }
        /* Insertion sort of network and building of netindex[0..255] (to do after unbias)
           ------------------------------------------------------------------------------- */
        public void inxbuild() {
            int i, j, smallpos, smallval;
            int[] p;
            int[] q;
            int previouscol, startpos;
            previouscol = 0;
            startpos = 0;
            for (i = 0; i < netsize; i++) {
                p = network[i];
                smallpos = i;
                smallval = p[1]; /* index on g */
       /* find smallest in i..netsize-1 */
                for (j = i + 1; j < netsize; j++) {
                    q = network[j];
                    if (q[1] < smallval) { /* index on g */
                        smallpos = j;
                        smallval = q[1]; /* index on g */
                    }
                }
                q = network[smallpos];
       /* swap p (i) and q (smallpos) entries */
                if (i != smallpos) {
                    j = q[0];
                    q[0] = p[0];
                    p[0] = j;
                    j = q[1];
                    q[1] = p[1];
                    p[1] = j;
                    j = q[2];
                    q[2] = p[2];
                    p[2] = j;
                    j = q[3];
                    q[3] = p[3];
                    p[3] = j;
                }
       /* smallval entry is now in position i */
                if (smallval != previouscol) {
                    netindex[previouscol] = (startpos + i) >> 1;
                    for (j = previouscol + 1; j < smallval; j++)
                        netindex[j] = i;
                    previouscol = smallval;
                    startpos = i;
                }
            }
            netindex[previouscol] = (startpos + maxnetpos) >> 1;
            for (j = previouscol + 1; j < 256; j++)
                netindex[j] = maxnetpos; /* really 256 */
        }
        /* Main Learning Loop
           ------------------ */
        public void learn() {
            int i, j, b, g, r;
            int radius, rad, alpha, step, delta, samplepixels;
            byte[] p;
            int pix, lim;
            if (lengthcount < minpicturebytes)
                samplefac = 1;
            alphadec = 30 + ((samplefac - 1) / 3);
            p = thepicture;
            pix = 0;
            lim = lengthcount;
            samplepixels = lengthcount / (3 * samplefac);
            delta = samplepixels / ncycles;
            alpha = initalpha;
            radius = initradius;
            rad = radius >> radiusbiasshift;
            if (rad <= 1)
                rad = 0;
            for (i = 0; i < rad; i++)
                radpower[i] =
                        alpha * (((rad * rad - i * i) * radbias) / (rad * rad));
            //fprintf(stderr,"beginning 1D learning: initial radius=%d/n", rad);
            if (lengthcount < minpicturebytes)
                step = 3;
            else if ((lengthcount % prime1) != 0)
                step = 3 * prime1;
            else {
                if ((lengthcount % prime2) != 0)
                    step = 3 * prime2;
                else {
                    if ((lengthcount % prime3) != 0)
                        step = 3 * prime3;
                    else
                        step = 3 * prime4;
                }
            }
            i = 0;
            while (i < samplepixels) {
                b = (p[pix + 0] & 0xff) << netbiasshift;
                g = (p[pix + 1] & 0xff) << netbiasshift;
                r = (p[pix + 2] & 0xff) << netbiasshift;
                j = contest(b, g, r);
                altersingle(alpha, j, b, g, r);
                if (rad != 0)
                    alterneigh(rad, j, b, g, r); /* alter neighbours */
                pix += step;
                if (pix >= lim)
                    pix -= lengthcount;
                i++;
                if (delta == 0)
                    delta = 1;
                if (i % delta == 0) {
                    alpha -= alpha / alphadec;
                    radius -= radius / radiusdec;
                    rad = radius >> radiusbiasshift;
                    if (rad <= 1)
                        rad = 0;
                    for (j = 0; j < rad; j++)
                        radpower[j] =
                                alpha * (((rad * rad - j * j) * radbias) / (rad * rad));
                }
            }
            //fprintf(stderr,"finished 1D learning: final alpha=%f !/n",((float)alpha)/initalpha);
        }
        /* Search for BGR values 0..255 (after net is unbiased) and return colour index
           ---------------------------------------------------------------------------- */
        public int map(int b, int g, int r) {
            int i, j, dist, a, bestd;
            int[] p;
            int best;
            bestd = 1000; /* biggest possible dist is 256*3 */
            best = -1;
            i = netindex[g]; /* index on g */
            j = i - 1; /* start at netindex[g] and work outwards */
            while ((i < netsize) || (j >= 0)) {
                if (i < netsize) {
                    p = network[i];
                    dist = p[1] - g; /* inx key */
                    if (dist >= bestd)
                        i = netsize; /* stop iter */
                    else {
                        i++;
                        if (dist < 0)
                            dist = -dist;
                        a = p[0] - b;
                        if (a < 0)
                            a = -a;
                        dist += a;
                        if (dist < bestd) {
                            a = p[2] - r;
                            if (a < 0)
                                a = -a;
                            dist += a;
                            if (dist < bestd) {
                                bestd = dist;
                                best = p[3];
                            }
                        }
                    }
                }
                if (j >= 0) {
                    p = network[j];
                    dist = g - p[1]; /* inx key - reverse dif */
                    if (dist >= bestd)
                        j = -1; /* stop iter */
                    else {
                        j--;
                        if (dist < 0)
                            dist = -dist;
                        a = p[0] - b;
                        if (a < 0)
                            a = -a;
                        dist += a;
                        if (dist < bestd) {
                            a = p[2] - r;
                            if (a < 0)
                                a = -a;
                            dist += a;
                            if (dist < bestd) {
                                bestd = dist;
                                best = p[3];
                            }
                        }
                    }
                }
            }
            return (best);
        }
        public byte[] process() {
            learn();
            unbiasnet();
            inxbuild();
            return colorMap();
        }
        /* Unbias network to give byte values 0..255 and record position i to prepare for sort
           ----------------------------------------------------------------------------------- */
        public void unbiasnet() {
            int i, j;
            for (i = 0; i < netsize; i++) {
                network[i][0] >>= netbiasshift;
                network[i][1] >>= netbiasshift;
                network[i][2] >>= netbiasshift;
                network[i][3] = i; /* record colour no */
            }
        }
        /* Move adjacent neurons by precomputed alpha*(1-((i-j)^2/[r]^2)) in radpower[|i-j|]
           --------------------------------------------------------------------------------- */
        protected void alterneigh(int rad, int i, int b, int g, int r) {
            int j, k, lo, hi, a, m;
            int[] p;
            lo = i - rad;
            if (lo < -1)
                lo = -1;
            hi = i + rad;
            if (hi > netsize)
                hi = netsize;
            j = i + 1;
            k = i - 1;
            m = 1;
            while ((j < hi) || (k > lo)) {
                a = radpower[m++];
                if (j < hi) {
                    p = network[j++];
                    try {
                        p[0] -= (a * (p[0] - b)) / alpharadbias;
                        p[1] -= (a * (p[1] - g)) / alpharadbias;
                        p[2] -= (a * (p[2] - r)) / alpharadbias;
                    } catch (Exception e) {
                    } // prevents 1.3 miscompilation
                }
                if (k > lo) {
                    p = network[k--];
                    try {
                        p[0] -= (a * (p[0] - b)) / alpharadbias;
                        p[1] -= (a * (p[1] - g)) / alpharadbias;
                        p[2] -= (a * (p[2] - r)) / alpharadbias;
                    } catch (Exception e) {
                    }
                }
            }
        }
        /* Move neuron i towards biased (b,g,r) by factor alpha
           ---------------------------------------------------- */
        protected void altersingle(int alpha, int i, int b, int g, int r) {
      /* alter hit neuron */
            int[] n = network[i];
            n[0] -= (alpha * (n[0] - b)) / initalpha;
            n[1] -= (alpha * (n[1] - g)) / initalpha;
            n[2] -= (alpha * (n[2] - r)) / initalpha;
        }
        /* Search for biased BGR values
           ---------------------------- */
        protected int contest(int b, int g, int r) {
      /* finds closest neuron (min dist) and updates freq */
      /* finds best neuron (min dist-bias) and returns position */
      /* for frequently chosen neurons, freq[i] is high and bias[i] is negative */
      /* bias[i] = gamma*((1/netsize)-freq[i]) */
            int i, dist, a, biasdist, betafreq;
            int bestpos, bestbiaspos, bestd, bestbiasd;
            int[] n;
            bestd = ~(((int) 1) << 31);
            bestbiasd = bestd;
            bestpos = -1;
            bestbiaspos = bestpos;
            for (i = 0; i < netsize; i++) {
                n = network[i];
                dist = n[0] - b;
                if (dist < 0)
                    dist = -dist;
                a = n[1] - g;
                if (a < 0)
                    a = -a;
                dist += a;
                a = n[2] - r;
                if (a < 0)
                    a = -a;
                dist += a;
                if (dist < bestd) {
                    bestd = dist;
                    bestpos = i;
                }
                biasdist = dist - ((bias[i]) >> (intbiasshift - netbiasshift));
                if (biasdist < bestbiasd) {
                    bestbiasd = biasdist;
                    bestbiaspos = i;
                }
                betafreq = (freq[i] >> betashift);
                freq[i] -= betafreq;
                bias[i] += (betafreq << gammashift);
            }
            freq[bestpos] += beta;
            bias[bestpos] -= betagamma;
            return (bestbiaspos);
        }
    }

LZWEncoder.java源码如下:

    package com.yeetrack.selenium.Image;

    import java.io.OutputStream;
    import java.io.IOException;
    //==============================================================================
    //  Adapted from Jef Poskanzer‘s Java port by way of J. M. G. Elliott.
    //  K Weiner 12/00
    class LZWEncoder {
        private static final int EOF = -1;
        private int imgW, imgH;
        private byte[] pixAry;
        private int initCodeSize;
        private int remaining;
        private int curPixel;
        // GIFCOMPR.C       - GIF Image compression routines
        //
        // Lempel-Ziv compression based on ‘compress‘.  GIF modifications by
        // David Rowley (mgardi@watdcsu.waterloo.edu)
        // General DEFINEs
        static final int BITS = 12;
        static final int HSIZE = 5003; // 80% occupancy
        // GIF Image compression - modified ‘compress‘
        //
        // Based on: compress.c - File compression ala IEEE Computer, June 1984.
        //
        // By Authors:  Spencer W. Thomas      (decvax!harpo!utah-cs!utah-gr!thomas)
        //              Jim McKie              (decvax!mcvax!jim)
        //              Steve Davies           (decvax!vax135!petsd!peora!srd)
        //              Ken Turkowski          (decvax!decwrl!turtlevax!ken)
        //              James A. Woods         (decvax!ihnp4!ames!jaw)
        //              Joe Orost              (decvax!vax135!petsd!joe)
        int n_bits; // number of bits/code
        int maxbits = BITS; // user settable max # bits/code
        int maxcode; // maximum code, given n_bits
        int maxmaxcode = 1 << BITS; // should NEVER generate this code
        int[] htab = new int[HSIZE];
        int[] codetab = new int[HSIZE];
        int hsize = HSIZE; // for dynamic table sizing
        int free_ent = 0; // first unused entry
        // block compression parameters -- after all codes are used up,
        // and compression rate changes, start over.
        boolean clear_flg = false;
        // Algorithm:  use open addressing double hashing (no chaining) on the
        // prefix code / next character combination.  We do a variant of Knuth‘s
        // algorithm D (vol. 3, sec. 6.4) along with G. Knott‘s relatively-prime
        // secondary probe.  Here, the modular division first probe is gives way
        // to a faster exclusive-or manipulation.  Also do block compression with
        // an adaptive reset, whereby the code table is cleared when the compression
        // ratio decreases, but after the table fills.  The variable-length output
        // codes are re-sized at this point, and a special CLEAR code is generated
        // for the decompressor.  Late addition:  construct the table according to
        // file size for noticeable speed improvement on small files.  Please direct
        // questions about this implementation to ames!jaw.
        int g_init_bits;
        int ClearCode;
        int EOFCode;
        // output
        //
        // Output the given code.
        // Inputs:
        //      code:   A n_bits-bit integer.  If == -1, then EOF.  This assumes
        //              that n_bits =< wordsize - 1.
        // Outputs:
        //      Outputs code to the file.
        // Assumptions:
        //      Chars are 8 bits long.
        // Algorithm:
        //      Maintain a BITS character long buffer (so that 8 codes will
        // fit in it exactly).  Use the VAX insv instruction to insert each
        // code in turn.  When the buffer fills up empty it and start over.
        int cur_accum = 0;
        int cur_bits = 0;
        int masks[] =
                {
                        0x0000,
                        0x0001,
                        0x0003,
                        0x0007,
                        0x000F,
                        0x001F,
                        0x003F,
                        0x007F,
                        0x00FF,
                        0x01FF,
                        0x03FF,
                        0x07FF,
                        0x0FFF,
                        0x1FFF,
                        0x3FFF,
                        0x7FFF,
                        0xFFFF };
        // Number of characters so far in this ‘packet‘
        int a_count;
        // Define the storage for the packet accumulator
        byte[] accum = new byte[256];
        //----------------------------------------------------------------------------
        LZWEncoder(int width, int height, byte[] pixels, int color_depth) {
            imgW = width;
            imgH = height;
            pixAry = pixels;
            initCodeSize = Math.max(2, color_depth);
        }
        // Add a character to the end of the current packet, and if it is 254
        // characters, flush the packet to disk.
        void char_out(byte c, OutputStream outs) throws IOException {
            accum[a_count++] = c;
            if (a_count >= 254)
                flush_char(outs);
        }
        // Clear out the hash table
        // table clear for block compress
        void cl_block(OutputStream outs) throws IOException {
            cl_hash(hsize);
            free_ent = ClearCode + 2;
            clear_flg = true;
            output(ClearCode, outs);
        }
        // reset code table
        void cl_hash(int hsize) {
            for (int i = 0; i < hsize; ++i)
                htab[i] = -1;
        }
        void compress(int init_bits, OutputStream outs) throws IOException {
            int fcode;
            int i /* = 0 */;
            int c;
            int ent;
            int disp;
            int hsize_reg;
            int hshift;
            // Set up the globals:  g_init_bits - initial number of bits
            g_init_bits = init_bits;
            // Set up the necessary values
            clear_flg = false;
            n_bits = g_init_bits;
            maxcode = MAXCODE(n_bits);
            ClearCode = 1 << (init_bits - 1);
            EOFCode = ClearCode + 1;
            free_ent = ClearCode + 2;
            a_count = 0; // clear packet
            ent = nextPixel();
            hshift = 0;
            for (fcode = hsize; fcode < 65536; fcode *= 2)
                ++hshift;
            hshift = 8 - hshift; // set hash code range bound
            hsize_reg = hsize;
            cl_hash(hsize_reg); // clear hash table
            output(ClearCode, outs);
            outer_loop : while ((c = nextPixel()) != EOF) {
                fcode = (c << maxbits) + ent;
                i = (c << hshift) ^ ent; // xor hashing
                if (htab[i] == fcode) {
                    ent = codetab[i];
                    continue;
                } else if (htab[i] >= 0) // non-empty slot
                {
                    disp = hsize_reg - i; // secondary hash (after G. Knott)
                    if (i == 0)
                        disp = 1;
                    do {
                        if ((i -= disp) < 0)
                            i += hsize_reg;
                        if (htab[i] == fcode) {
                            ent = codetab[i];
                            continue outer_loop;
                        }
                    } while (htab[i] >= 0);
                }
                output(ent, outs);
                ent = c;
                if (free_ent < maxmaxcode) {
                    codetab[i] = free_ent++; // code -> hashtable
                    htab[i] = fcode;
                } else
                    cl_block(outs);
            }
            // Put out the final code.
            output(ent, outs);
            output(EOFCode, outs);
        }
        //----------------------------------------------------------------------------
        void encode(OutputStream os) throws IOException {
            os.write(initCodeSize); // write "initial code size" byte
            remaining = imgW * imgH; // reset navigation variables
            curPixel = 0;
            compress(initCodeSize + 1, os); // compress and write the pixel data
            os.write(0); // write block terminator
        }
        // Flush the packet to disk, and reset the accumulator
        void flush_char(OutputStream outs) throws IOException {
            if (a_count > 0) {
                outs.write(a_count);
                outs.write(accum, 0, a_count);
                a_count = 0;
            }
        }
        final int MAXCODE(int n_bits) {
            return (1 << n_bits) - 1;
        }
        //----------------------------------------------------------------------------
        // Return the next pixel from the image
        //----------------------------------------------------------------------------
        private int nextPixel() {
            if (remaining == 0)
                return EOF;
            --remaining;
            byte pix = pixAry[curPixel++];
            return pix & 0xff;
        }
        void output(int code, OutputStream outs) throws IOException {
            cur_accum &= masks[cur_bits];
            if (cur_bits > 0)
                cur_accum |= (code << cur_bits);
            else
                cur_accum = code;
            cur_bits += n_bits;
            while (cur_bits >= 8) {
                char_out((byte) (cur_accum & 0xff), outs);
                cur_accum >>= 8;
                cur_bits -= 8;
            }
            // If the next entry is going to be too big for the code size,
            // then increase it, if possible.
            if (free_ent > maxcode || clear_flg) {
                if (clear_flg) {
                    maxcode = MAXCODE(n_bits = g_init_bits);
                    clear_flg = false;
                } else {
                    ++n_bits;
                    if (n_bits == maxbits)
                        maxcode = maxmaxcode;
                    else
                        maxcode = MAXCODE(n_bits);
                }
            }
            if (code == EOFCode) {
                // At EOF, write the rest of the buffer.
                while (cur_bits > 0) {
                    char_out((byte) (cur_accum & 0xff), outs);
                    cur_accum >>= 8;
                    cur_bits -= 8;
                }
                flush_char(outs);
            }
        }
    }

AnimatedGifEncoder.java源码如下:

继续阅读->

Java生成动态GIF图片,布布扣,bubuko.com

Java生成动态GIF图片

原文:http://my.oschina.net/u/147181/blog/295607

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!