home *** CD-ROM | disk | FTP | other *** search
/ Windows Graphics Programming / Feng_Yuan_Win32_GDI_DirectX.iso / Samples / include / jlib / jquant2.cpp < prev    next >
C/C++ Source or Header  |  2000-05-16  |  50KB  |  1,313 lines
  1. //-------------------------------------------------------------------------//
  2. //          Windows Graphics Programming: Win32 GDI and DirectDraw         //
  3. //                        ISBN  0-13-086985-6                              //
  4. //                                                                         //
  5. //  Modified by: Yuan, Feng                             www.fengyuan.com   //
  6. //  Changes    : C++, exception, in-memory source, BGR byte order          //
  7. //  Version    : 1.00.000, May 31, 2000                                    //
  8. //-------------------------------------------------------------------------//
  9.  
  10. /*
  11.  * jquant2.c
  12.  *
  13.  * Copyright (C) 1991-1996, Thomas G. Lane.
  14.  * This file is part of the Independent JPEG Group's software.
  15.  * For conditions of distribution and use, see the accompanying README file.
  16.  *
  17.  * This file contains 2-pass color quantization (color mapping) routines.
  18.  * These routines provide selection of a custom color map for an image,
  19.  * followed by mapping of the image to that color map, with optional
  20.  * Floyd-Steinberg dithering.
  21.  * It is also possible to use just the second pass to map to an arbitrary
  22.  * externally-given color map.
  23.  *
  24.  * Note: ordered dithering is not supported, since there isn't any fast
  25.  * way to compute intercolor distances; it's unclear that ordered dither's
  26.  * fundamental assumptions even hold with an irregularly spaced color map.
  27.  */
  28.  
  29. #define JPEG_INTERNALS
  30. #include "jinclude.h"
  31. #include "jpeglib.h"
  32.  
  33. #ifdef QUANT_2PASS_SUPPORTED
  34.  
  35.  
  36. /*
  37.  * This module implements the well-known Heckbert paradigm for color
  38.  * quantization.  Most of the ideas used here can be traced back to
  39.  * Heckbert's seminal paper
  40.  *   Heckbert, Paul.  "Color Image Quantization for Frame Buffer Display",
  41.  *   Proc. SIGGRAPH '82, Computer Graphics v.16 #3 (July 1982), pp 297-304.
  42.  *
  43.  * In the first pass over the image, we accumulate a histogram showing the
  44.  * usage count of each possible color.  To keep the histogram to a reasonable
  45.  * size, we reduce the precision of the input; typical practice is to retain
  46.  * 5 or 6 bits per color, so that 8 or 4 different input values are counted
  47.  * in the same histogram cell.
  48.  *
  49.  * Next, the color-selection step begins with a box representing the whole
  50.  * color space, and repeatedly splits the "largest" remaining box until we
  51.  * have as many boxes as desired colors.  Then the mean color in each
  52.  * remaining box becomes one of the possible output colors.
  53.  * 
  54.  * The second pass over the image maps each input pixel to the closest output
  55.  * color (optionally after applying a Floyd-Steinberg dithering correction).
  56.  * This mapping is logically trivial, but making it go fast enough requires
  57.  * considerable care.
  58.  *
  59.  * Heckbert-style quantizers vary a good deal in their policies for choosing
  60.  * the "largest" box and deciding where to cut it.  The particular policies
  61.  * used here have proved out well in experimental comparisons, but better ones
  62.  * may yet be found.
  63.  *
  64.  * In earlier versions of the IJG code, this module quantized in YCbCr color
  65.  * space, processing the raw upsampled data without a color conversion step.
  66.  * This allowed the color conversion math to be done only once per colormap
  67.  * entry, not once per pixel.  However, that optimization precluded other
  68.  * useful optimizations (such as merging color conversion with upsampling)
  69.  * and it also interfered with desired capabilities such as quantizing to an
  70.  * externally-supplied colormap.  We have therefore abandoned that approach.
  71.  * The present code works in the post-conversion color space, typically RGB.
  72.  *
  73.  * To improve the visual quality of the results, we actually work in scaled
  74.  * RGB space, giving G distances more weight than R, and R in turn more than
  75.  * B.  To do everything in integer math, we must use integer scale factors.
  76.  * The 2/3/1 scale factors used here correspond loosely to the relative
  77.  * weights of the colors in the NTSC grayscale equation.
  78.  * If you want to use this code to quantize a non-RGB color space, you'll
  79.  * probably need to change these scale factors.
  80.  */
  81.  
  82. #define R_SCALE 2        /* scale R distances by this much */
  83. #define G_SCALE 3        /* scale G distances by this much */
  84. #define B_SCALE 1        /* and B by this much */
  85.  
  86. /* Relabel R/G/B as components 0/1/2, respecting the RGB ordering defined
  87.  * in jmorecfg.h.  As the code stands, it will do the right thing for R,G,B
  88.  * and B,G,R orders.  If you define some other weird order in jmorecfg.h,
  89.  * you'll get compile errors until you extend this logic.  In that case
  90.  * you'll probably want to tweak the histogram sizes too.
  91.  */
  92.  
  93. #if RGB_RED == 0
  94. #define C0_SCALE R_SCALE
  95. #endif
  96. #if RGB_BLUE == 0
  97. #define C0_SCALE B_SCALE
  98. #endif
  99. #if RGB_GREEN == 1
  100. #define C1_SCALE G_SCALE
  101. #endif
  102. #if RGB_RED == 2
  103. #define C2_SCALE R_SCALE
  104. #endif
  105. #if RGB_BLUE == 2
  106. #define C2_SCALE B_SCALE
  107. #endif
  108.  
  109.  
  110. /*
  111.  * First we have the histogram data structure and routines for creating it.
  112.  *
  113.  * The number of bits of precision can be adjusted by changing these symbols.
  114.  * We recommend keeping 6 bits for G and 5 each for R and B.
  115.  * If you have plenty of memory and cycles, 6 bits all around gives marginally
  116.  * better results; if you are short of memory, 5 bits all around will save
  117.  * some space but degrade the results.
  118.  * To maintain a fully accurate histogram, we'd need to allocate a "long"
  119.  * (preferably unsigned long) for each cell.  In practice this is overkill;
  120.  * we can get by with 16 bits per cell.  Few of the cell counts will overflow,
  121.  * and clamping those that do overflow to the maximum value will give close-
  122.  * enough results.  This reduces the recommended histogram size from 256Kb
  123.  * to 128Kb, which is a useful savings on PC-class machines.
  124.  * (In the second pass the histogram space is re-used for pixel mapping data;
  125.  * in that capacity, each cell must be able to store zero to the number of
  126.  * desired colors.  16 bits/cell is plenty for that too.)
  127.  * Since the JPEG code is intended to run in small memory model on 80x86
  128.  * machines, we can't just allocate the histogram in one chunk.  Instead
  129.  * of a true 3-D array, we use a row of pointers to 2-D arrays.  Each
  130.  * pointer corresponds to a C0 value (typically 2^5 = 32 pointers) and
  131.  * each 2-D array has 2^6*2^5 = 2048 or 2^6*2^6 = 4096 entries.  Note that
  132.  * on 80x86 machines, the pointer row is in near memory but the actual
  133.  * arrays are in far memory (same arrangement as we use for image arrays).
  134.  */
  135.  
  136. #define MAXNUMCOLORS  (MAXJSAMPLE+1) /* maximum size of colormap */
  137.  
  138. /* These will do the right thing for either R,G,B or B,G,R color order,
  139.  * but you may not like the results for other color orders.
  140.  */
  141. #define HIST_C0_BITS  5        /* bits of precision in R/B histogram */
  142. #define HIST_C1_BITS  6        /* bits of precision in G histogram */
  143. #define HIST_C2_BITS  5        /* bits of precision in B/R histogram */
  144.  
  145. /* Number of elements along histogram axes. */
  146. #define HIST_C0_ELEMS  (1<<HIST_C0_BITS)
  147. #define HIST_C1_ELEMS  (1<<HIST_C1_BITS)
  148. #define HIST_C2_ELEMS  (1<<HIST_C2_BITS)
  149.  
  150. /* These are the amounts to shift an input value to get a histogram index. */
  151. #define C0_SHIFT  (BITS_IN_JSAMPLE-HIST_C0_BITS)
  152. #define C1_SHIFT  (BITS_IN_JSAMPLE-HIST_C1_BITS)
  153. #define C2_SHIFT  (BITS_IN_JSAMPLE-HIST_C2_BITS)
  154.  
  155.  
  156. typedef UINT16 histcell;    /* histogram cell; prefer an unsigned type */
  157.  
  158. typedef histcell * histptr;    /* for pointers to histogram cells */
  159.  
  160. typedef histcell hist1d[HIST_C2_ELEMS]; /* typedefs for the array */
  161. typedef hist1d * hist2d;    /* type for the 2nd-level pointers */
  162. typedef hist2d * hist3d;    /* type for top-level pointer */
  163.  
  164.  
  165. /* Declarations for Floyd-Steinberg dithering.
  166.  *
  167.  * Errors are accumulated into the array fserrors[], at a resolution of
  168.  * 1/16th of a pixel count.  The error at a given pixel is propagated
  169.  * to its not-yet-processed neighbors using the standard F-S fractions,
  170.  *        ...    (here)    7/16
  171.  *        3/16    5/16    1/16
  172.  * We work left-to-right on even rows, right-to-left on odd rows.
  173.  *
  174.  * We can get away with a single array (holding one row's worth of errors)
  175.  * by using it to store the current row's errors at pixel columns not yet
  176.  * processed, but the next row's errors at columns already processed.  We
  177.  * need only a few extra variables to hold the errors immediately around the
  178.  * current column.  (If we are lucky, those variables are in registers, but
  179.  * even if not, they're probably cheaper to access than array elements are.)
  180.  *
  181.  * The fserrors[] array has (#columns + 2) entries; the extra entry at
  182.  * each end saves us from special-casing the first and last pixels.
  183.  * Each entry is three values long, one value for each color component.
  184.  *
  185.  * Note: on a wide image, we might not have enough room in a PC's near data
  186.  * segment to hold the error array; so it is allocated with alloc_large.
  187.  */
  188.  
  189. #if BITS_IN_JSAMPLE == 8
  190. typedef INT16 FSERROR;        /* 16 bits should be enough */
  191. typedef int LOCFSERROR;        /* use 'int' for calculation temps */
  192. #else
  193. typedef long FSERROR;        /* may need more than 16 bits */
  194. typedef long LOCFSERROR;    /* be sure calculation temps are big enough */
  195. #endif
  196.  
  197. typedef FSERROR *FSERRPTR;    /* pointer to error array (in FAR storage!) */
  198.  
  199.  
  200. /* Private subobject */
  201.  
  202. typedef struct {
  203.   struct jpeg_color_quantizer pub; /* public fields */
  204.  
  205.   /* Space for the eventually created colormap is stashed here */
  206.   JSAMPARRAY sv_colormap;    /* colormap allocated at init time */
  207.   int desired;            /* desired # of colors = size of colormap */
  208.  
  209.   /* Variables for accumulating image statistics */
  210.   hist3d histogram;        /* pointer to the histogram */
  211.  
  212.   boolean needs_zeroed;        /* TRUE if next pass must zero histogram */
  213.  
  214.   /* Variables for Floyd-Steinberg dithering */
  215.   FSERRPTR fserrors;        /* accumulated errors */
  216.   boolean on_odd_row;        /* flag to remember which row we are on */
  217.   int * error_limiter;        /* table for clamping the applied error */
  218. } my_cquantizer;
  219.  
  220. typedef my_cquantizer * my_cquantize_ptr;
  221.  
  222.  
  223. /*
  224.  * Prescan some rows of pixels.
  225.  * In this module the prescan simply updates the histogram, which has been
  226.  * initialized to zeroes by start_pass.
  227.  * An output_buf parameter is required by the method signature, but no data
  228.  * is actually output (in fact the buffer controller is probably passing a
  229.  * NULL pointer).
  230.  */
  231.  
  232. void prescan_quantize (j_decompress_ptr cinfo, JSAMPARRAY input_buf,
  233.           JSAMPARRAY output_buf, int num_rows)
  234. {
  235.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  236.   register JSAMPROW ptr;
  237.   register histptr histp;
  238.   register hist3d histogram = cquantize->histogram;
  239.   int row;
  240.   JDIMENSION col;
  241.   JDIMENSION width = cinfo->output_width;
  242.  
  243.   for (row = 0; row < num_rows; row++) {
  244.     ptr = input_buf[row];
  245.     for (col = width; col > 0; col--) {
  246.       /* get pixel value and index into the histogram */
  247.       histp = & histogram[GETJSAMPLE(ptr[0]) >> C0_SHIFT]
  248.              [GETJSAMPLE(ptr[1]) >> C1_SHIFT]
  249.              [GETJSAMPLE(ptr[2]) >> C2_SHIFT];
  250.       /* increment, check for overflow and undo increment if so. */
  251.       if (++(*histp) <= 0)
  252.     (*histp)--;
  253.       ptr += 3;
  254.     }
  255.   }
  256. }
  257.  
  258.  
  259. /*
  260.  * Next we have the really interesting routines: selection of a colormap
  261.  * given the completed histogram.
  262.  * These routines work with a list of "boxes", each representing a rectangular
  263.  * subset of the input color space (to histogram precision).
  264.  */
  265.  
  266. typedef struct {
  267.   /* The bounds of the box (inclusive); expressed as histogram indexes */
  268.   int c0min, c0max;
  269.   int c1min, c1max;
  270.   int c2min, c2max;
  271.   /* The volume (actually 2-norm) of the box */
  272.   long volume;
  273.   /* The number of nonzero histogram cells within this box */
  274.   long colorcount;
  275. } box;
  276.  
  277. typedef box * boxptr;
  278.  
  279.  
  280. LOCAL(boxptr)
  281. find_biggest_color_pop (boxptr boxlist, int numboxes)
  282. /* Find the splittable box with the largest color population */
  283. /* Returns NULL if no splittable boxes remain */
  284. {
  285.   register boxptr boxp;
  286.   register int i;
  287.   register long maxc = 0;
  288.   boxptr which = NULL;
  289.   
  290.   for (i = 0, boxp = boxlist; i < numboxes; i++, boxp++) {
  291.     if (boxp->colorcount > maxc && boxp->volume > 0) {
  292.       which = boxp;
  293.       maxc = boxp->colorcount;
  294.     }
  295.   }
  296.   return which;
  297. }
  298.  
  299.  
  300. LOCAL(boxptr)
  301. find_biggest_volume (boxptr boxlist, int numboxes)
  302. /* Find the splittable box with the largest (scaled) volume */
  303. /* Returns NULL if no splittable boxes remain */
  304. {
  305.   register boxptr boxp;
  306.   register int i;
  307.   register long maxv = 0;
  308.   boxptr which = NULL;
  309.   
  310.   for (i = 0, boxp = boxlist; i < numboxes; i++, boxp++) {
  311.     if (boxp->volume > maxv) {
  312.       which = boxp;
  313.       maxv = boxp->volume;
  314.     }
  315.   }
  316.   return which;
  317. }
  318.  
  319.  
  320. LOCAL(void)
  321. update_box (j_decompress_ptr cinfo, boxptr boxp)
  322. /* Shrink the min/max bounds of a box to enclose only nonzero elements, */
  323. /* and recompute its volume and population */
  324. {
  325.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  326.   hist3d histogram = cquantize->histogram;
  327.   histptr histp;
  328.   int c0,c1,c2;
  329.   int c0min,c0max,c1min,c1max,c2min,c2max;
  330.   long dist0,dist1,dist2;
  331.   long ccount;
  332.   
  333.   c0min = boxp->c0min;  c0max = boxp->c0max;
  334.   c1min = boxp->c1min;  c1max = boxp->c1max;
  335.   c2min = boxp->c2min;  c2max = boxp->c2max;
  336.   
  337.   if (c0max > c0min)
  338.     for (c0 = c0min; c0 <= c0max; c0++)
  339.       for (c1 = c1min; c1 <= c1max; c1++) {
  340.     histp = & histogram[c0][c1][c2min];
  341.     for (c2 = c2min; c2 <= c2max; c2++)
  342.       if (*histp++ != 0) {
  343.         boxp->c0min = c0min = c0;
  344.         goto have_c0min;
  345.       }
  346.       }
  347.  have_c0min:
  348.   if (c0max > c0min)
  349.     for (c0 = c0max; c0 >= c0min; c0--)
  350.       for (c1 = c1min; c1 <= c1max; c1++) {
  351.     histp = & histogram[c0][c1][c2min];
  352.     for (c2 = c2min; c2 <= c2max; c2++)
  353.       if (*histp++ != 0) {
  354.         boxp->c0max = c0max = c0;
  355.         goto have_c0max;
  356.       }
  357.       }
  358.  have_c0max:
  359.   if (c1max > c1min)
  360.     for (c1 = c1min; c1 <= c1max; c1++)
  361.       for (c0 = c0min; c0 <= c0max; c0++) {
  362.     histp = & histogram[c0][c1][c2min];
  363.     for (c2 = c2min; c2 <= c2max; c2++)
  364.       if (*histp++ != 0) {
  365.         boxp->c1min = c1min = c1;
  366.         goto have_c1min;
  367.       }
  368.       }
  369.  have_c1min:
  370.   if (c1max > c1min)
  371.     for (c1 = c1max; c1 >= c1min; c1--)
  372.       for (c0 = c0min; c0 <= c0max; c0++) {
  373.     histp = & histogram[c0][c1][c2min];
  374.     for (c2 = c2min; c2 <= c2max; c2++)
  375.       if (*histp++ != 0) {
  376.         boxp->c1max = c1max = c1;
  377.         goto have_c1max;
  378.       }
  379.       }
  380.  have_c1max:
  381.   if (c2max > c2min)
  382.     for (c2 = c2min; c2 <= c2max; c2++)
  383.       for (c0 = c0min; c0 <= c0max; c0++) {
  384.     histp = & histogram[c0][c1min][c2];
  385.     for (c1 = c1min; c1 <= c1max; c1++, histp += HIST_C2_ELEMS)
  386.       if (*histp != 0) {
  387.         boxp->c2min = c2min = c2;
  388.         goto have_c2min;
  389.       }
  390.       }
  391.  have_c2min:
  392.   if (c2max > c2min)
  393.     for (c2 = c2max; c2 >= c2min; c2--)
  394.       for (c0 = c0min; c0 <= c0max; c0++) {
  395.     histp = & histogram[c0][c1min][c2];
  396.     for (c1 = c1min; c1 <= c1max; c1++, histp += HIST_C2_ELEMS)
  397.       if (*histp != 0) {
  398.         boxp->c2max = c2max = c2;
  399.         goto have_c2max;
  400.       }
  401.       }
  402.  have_c2max:
  403.  
  404.   /* Update box volume.
  405.    * We use 2-norm rather than real volume here; this biases the method
  406.    * against making long narrow boxes, and it has the side benefit that
  407.    * a box is splittable iff norm > 0.
  408.    * Since the differences are expressed in histogram-cell units,
  409.    * we have to shift back to JSAMPLE units to get consistent distances;
  410.    * after which, we scale according to the selected distance scale factors.
  411.    */
  412.   dist0 = ((c0max - c0min) << C0_SHIFT) * C0_SCALE;
  413.   dist1 = ((c1max - c1min) << C1_SHIFT) * C1_SCALE;
  414.   dist2 = ((c2max - c2min) << C2_SHIFT) * C2_SCALE;
  415.   boxp->volume = dist0*dist0 + dist1*dist1 + dist2*dist2;
  416.   
  417.   /* Now scan remaining volume of box and compute population */
  418.   ccount = 0;
  419.   for (c0 = c0min; c0 <= c0max; c0++)
  420.     for (c1 = c1min; c1 <= c1max; c1++) {
  421.       histp = & histogram[c0][c1][c2min];
  422.       for (c2 = c2min; c2 <= c2max; c2++, histp++)
  423.     if (*histp != 0) {
  424.       ccount++;
  425.     }
  426.     }
  427.   boxp->colorcount = ccount;
  428. }
  429.  
  430.  
  431. LOCAL(int)
  432. median_cut (j_decompress_ptr cinfo, boxptr boxlist, int numboxes,
  433.         int desired_colors)
  434. /* Repeatedly select and split the largest box until we have enough boxes */
  435. {
  436.   int n,lb;
  437.   int c0,c1,c2,cmax;
  438.   register boxptr b1,b2;
  439.  
  440.   while (numboxes < desired_colors) {
  441.     /* Select box to split.
  442.      * Current algorithm: by population for first half, then by volume.
  443.      */
  444.     if (numboxes*2 <= desired_colors) {
  445.       b1 = find_biggest_color_pop(boxlist, numboxes);
  446.     } else {
  447.       b1 = find_biggest_volume(boxlist, numboxes);
  448.     }
  449.     if (b1 == NULL)        /* no splittable boxes left! */
  450.       break;
  451.     b2 = &boxlist[numboxes];    /* where new box will go */
  452.     /* Copy the color bounds to the new box. */
  453.     b2->c0max = b1->c0max; b2->c1max = b1->c1max; b2->c2max = b1->c2max;
  454.     b2->c0min = b1->c0min; b2->c1min = b1->c1min; b2->c2min = b1->c2min;
  455.     /* Choose which axis to split the box on.
  456.      * Current algorithm: longest scaled axis.
  457.      * See notes in update_box about scaling distances.
  458.      */
  459.     c0 = ((b1->c0max - b1->c0min) << C0_SHIFT) * C0_SCALE;
  460.     c1 = ((b1->c1max - b1->c1min) << C1_SHIFT) * C1_SCALE;
  461.     c2 = ((b1->c2max - b1->c2min) << C2_SHIFT) * C2_SCALE;
  462.     /* We want to break any ties in favor of green, then red, blue last.
  463.      * This code does the right thing for R,G,B or B,G,R color orders only.
  464.      */
  465. #if RGB_RED == 0
  466.     cmax = c1; n = 1;
  467.     if (c0 > cmax) { cmax = c0; n = 0; }
  468.     if (c2 > cmax) { n = 2; }
  469. #else
  470.     cmax = c1; n = 1;
  471.     if (c2 > cmax) { cmax = c2; n = 2; }
  472.     if (c0 > cmax) { n = 0; }
  473. #endif
  474.     /* Choose split point along selected axis, and update box bounds.
  475.      * Current algorithm: split at halfway point.
  476.      * (Since the box has been shrunk to minimum volume,
  477.      * any split will produce two nonempty subboxes.)
  478.      * Note that lb value is max for lower box, so must be < old max.
  479.      */
  480.     switch (n) {
  481.     case 0:
  482.       lb = (b1->c0max + b1->c0min) / 2;
  483.       b1->c0max = lb;
  484.       b2->c0min = lb+1;
  485.       break;
  486.     case 1:
  487.       lb = (b1->c1max + b1->c1min) / 2;
  488.       b1->c1max = lb;
  489.       b2->c1min = lb+1;
  490.       break;
  491.     case 2:
  492.       lb = (b1->c2max + b1->c2min) / 2;
  493.       b1->c2max = lb;
  494.       b2->c2min = lb+1;
  495.       break;
  496.     }
  497.     /* Update stats for boxes */
  498.     update_box(cinfo, b1);
  499.     update_box(cinfo, b2);
  500.     numboxes++;
  501.   }
  502.   return numboxes;
  503. }
  504.  
  505.  
  506. LOCAL(void)
  507. compute_color (j_decompress_ptr cinfo, boxptr boxp, int icolor)
  508. /* Compute representative color for a box, put it in colormap[icolor] */
  509. {
  510.   /* Current algorithm: mean weighted by pixels (not colors) */
  511.   /* Note it is important to get the rounding correct! */
  512.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  513.   hist3d histogram = cquantize->histogram;
  514.   histptr histp;
  515.   int c0,c1,c2;
  516.   int c0min,c0max,c1min,c1max,c2min,c2max;
  517.   long count;
  518.   long total = 0;
  519.   long c0total = 0;
  520.   long c1total = 0;
  521.   long c2total = 0;
  522.   
  523.   c0min = boxp->c0min;  c0max = boxp->c0max;
  524.   c1min = boxp->c1min;  c1max = boxp->c1max;
  525.   c2min = boxp->c2min;  c2max = boxp->c2max;
  526.   
  527.   for (c0 = c0min; c0 <= c0max; c0++)
  528.     for (c1 = c1min; c1 <= c1max; c1++) {
  529.       histp = & histogram[c0][c1][c2min];
  530.       for (c2 = c2min; c2 <= c2max; c2++) {
  531.     if ((count = *histp++) != 0) {
  532.       total += count;
  533.       c0total += ((c0 << C0_SHIFT) + ((1<<C0_SHIFT)>>1)) * count;
  534.       c1total += ((c1 << C1_SHIFT) + ((1<<C1_SHIFT)>>1)) * count;
  535.       c2total += ((c2 << C2_SHIFT) + ((1<<C2_SHIFT)>>1)) * count;
  536.     }
  537.       }
  538.     }
  539.   
  540.   cinfo->colormap[0][icolor] = (JSAMPLE) ((c0total + (total>>1)) / total);
  541.   cinfo->colormap[1][icolor] = (JSAMPLE) ((c1total + (total>>1)) / total);
  542.   cinfo->colormap[2][icolor] = (JSAMPLE) ((c2total + (total>>1)) / total);
  543. }
  544.  
  545.  
  546. LOCAL(void)
  547. select_colors (j_decompress_ptr cinfo, int desired_colors)
  548. /* Master routine for color selection */
  549. {
  550.   boxptr boxlist;
  551.   int numboxes;
  552.   int i;
  553.  
  554.   /* Allocate workspace for box list */
  555.   boxlist = (boxptr) cinfo->mem->alloc_small
  556.     (JPOOL_IMAGE, desired_colors * sizeof(box));
  557.   /* Initialize one box containing whole space */
  558.   numboxes = 1;
  559.   boxlist[0].c0min = 0;
  560.   boxlist[0].c0max = MAXJSAMPLE >> C0_SHIFT;
  561.   boxlist[0].c1min = 0;
  562.   boxlist[0].c1max = MAXJSAMPLE >> C1_SHIFT;
  563.   boxlist[0].c2min = 0;
  564.   boxlist[0].c2max = MAXJSAMPLE >> C2_SHIFT;
  565.   /* Shrink it to actually-used volume and set its statistics */
  566.   update_box(cinfo, & boxlist[0]);
  567.   /* Perform median-cut to produce final box list */
  568.   numboxes = median_cut(cinfo, boxlist, numboxes, desired_colors);
  569.   /* Compute the representative color for each box, fill colormap */
  570.   for (i = 0; i < numboxes; i++)
  571.     compute_color(cinfo, & boxlist[i], i);
  572.   cinfo->actual_number_of_colors = numboxes;
  573.   TRACEMS1(cinfo, 1, JTRC_QUANT_SELECTED, numboxes);
  574. }
  575.  
  576.  
  577. /*
  578.  * These routines are concerned with the time-critical task of mapping input
  579.  * colors to the nearest color in the selected colormap.
  580.  *
  581.  * We re-use the histogram space as an "inverse color map", essentially a
  582.  * cache for the results of nearest-color searches.  All colors within a
  583.  * histogram cell will be mapped to the same colormap entry, namely the one
  584.  * closest to the cell's center.  This may not be quite the closest entry to
  585.  * the actual input color, but it's almost as good.  A zero in the cache
  586.  * indicates we haven't found the nearest color for that cell yet; the array
  587.  * is cleared to zeroes before starting the mapping pass.  When we find the
  588.  * nearest color for a cell, its colormap index plus one is recorded in the
  589.  * cache for future use.  The pass2 scanning routines call fill_inverse_cmap
  590.  * when they need to use an unfilled entry in the cache.
  591.  *
  592.  * Our method of efficiently finding nearest colors is based on the "locally
  593.  * sorted search" idea described by Heckbert and on the incremental distance
  594.  * calculation described by Spencer W. Thomas in chapter III.1 of Graphics
  595.  * Gems II (James Arvo, ed.  Academic Press, 1991).  Thomas points out that
  596.  * the distances from a given colormap entry to each cell of the histogram can
  597.  * be computed quickly using an incremental method: the differences between
  598.  * distances to adjacent cells themselves differ by a constant.  This allows a
  599.  * fairly fast implementation of the "brute force" approach of computing the
  600.  * distance from every colormap entry to every histogram cell.  Unfortunately,
  601.  * it needs a work array to hold the best-distance-so-far for each histogram
  602.  * cell (because the inner loop has to be over cells, not colormap entries).
  603.  * The work array elements have to be longs, so the work array would need
  604.  * 256Kb at our recommended precision.  This is not feasible in DOS machines.
  605.  *
  606.  * To get around these problems, we apply Thomas' method to compute the
  607.  * nearest colors for only the cells within a small subbox of the histogram.
  608.  * The work array need be only as big as the subbox, so the memory usage
  609.  * problem is solved.  Furthermore, we need not fill subboxes that are never
  610.  * referenced in pass2; many images use only part of the color gamut, so a
  611.  * fair amount of work is saved.  An additional advantage of this
  612.  * approach is that we can apply Heckbert's locality criterion to quickly
  613.  * eliminate colormap entries that are far away from the subbox; typically
  614.  * three-fourths of the colormap entries are rejected by Heckbert's criterion,
  615.  * and we need not compute their distances to individual cells in the subbox.
  616.  * The speed of this approach is heavily influenced by the subbox size: too
  617.  * small means too much overhead, too big loses because Heckbert's criterion
  618.  * can't eliminate as many colormap entries.  Empirically the best subbox
  619.  * size seems to be about 1/512th of the histogram (1/8th in each direction).
  620.  *
  621.  * Thomas' article also describes a refined method which is asymptotically
  622.  * faster than the brute-force method, but it is also far more complex and
  623.  * cannot efficiently be applied to small subboxes.  It is therefore not
  624.  * useful for programs intended to be portable to DOS machines.  On machines
  625.  * with plenty of memory, filling the whole histogram in one shot with Thomas'
  626.  * refined method might be faster than the present code --- but then again,
  627.  * it might not be any faster, and it's certainly more complicated.
  628.  */
  629.  
  630.  
  631. /* log2(histogram cells in update box) for each axis; this can be adjusted */
  632. #define BOX_C0_LOG  (HIST_C0_BITS-3)
  633. #define BOX_C1_LOG  (HIST_C1_BITS-3)
  634. #define BOX_C2_LOG  (HIST_C2_BITS-3)
  635.  
  636. #define BOX_C0_ELEMS  (1<<BOX_C0_LOG) /* # of hist cells in update box */
  637. #define BOX_C1_ELEMS  (1<<BOX_C1_LOG)
  638. #define BOX_C2_ELEMS  (1<<BOX_C2_LOG)
  639.  
  640. #define BOX_C0_SHIFT  (C0_SHIFT + BOX_C0_LOG)
  641. #define BOX_C1_SHIFT  (C1_SHIFT + BOX_C1_LOG)
  642. #define BOX_C2_SHIFT  (C2_SHIFT + BOX_C2_LOG)
  643.  
  644.  
  645. /*
  646.  * The next three routines implement inverse colormap filling.  They could
  647.  * all be folded into one big routine, but splitting them up this way saves
  648.  * some stack space (the mindist[] and bestdist[] arrays need not coexist)
  649.  * and may allow some compilers to produce better code by registerizing more
  650.  * inner-loop variables.
  651.  */
  652.  
  653. LOCAL(int)
  654. find_nearby_colors (j_decompress_ptr cinfo, int minc0, int minc1, int minc2,
  655.             JSAMPLE colorlist[])
  656. /* Locate the colormap entries close enough to an update box to be candidates
  657.  * for the nearest entry to some cell(s) in the update box.  The update box
  658.  * is specified by the center coordinates of its first cell.  The number of
  659.  * candidate colormap entries is returned, and their colormap indexes are
  660.  * placed in colorlist[].
  661.  * This routine uses Heckbert's "locally sorted search" criterion to select
  662.  * the colors that need further consideration.
  663.  */
  664. {
  665.   int numcolors = cinfo->actual_number_of_colors;
  666.   int maxc0, maxc1, maxc2;
  667.   int centerc0, centerc1, centerc2;
  668.   int i, x, ncolors;
  669.   long minmaxdist, min_dist, max_dist, tdist;
  670.   long mindist[MAXNUMCOLORS];    /* min distance to colormap entry i */
  671.  
  672.   /* Compute true coordinates of update box's upper corner and center.
  673.    * Actually we compute the coordinates of the center of the upper-corner
  674.    * histogram cell, which are the upper bounds of the volume we care about.
  675.    * Note that since ">>" rounds down, the "center" values may be closer to
  676.    * min than to max; hence comparisons to them must be "<=", not "<".
  677.    */
  678.   maxc0 = minc0 + ((1 << BOX_C0_SHIFT) - (1 << C0_SHIFT));
  679.   centerc0 = (minc0 + maxc0) >> 1;
  680.   maxc1 = minc1 + ((1 << BOX_C1_SHIFT) - (1 << C1_SHIFT));
  681.   centerc1 = (minc1 + maxc1) >> 1;
  682.   maxc2 = minc2 + ((1 << BOX_C2_SHIFT) - (1 << C2_SHIFT));
  683.   centerc2 = (minc2 + maxc2) >> 1;
  684.  
  685.   /* For each color in colormap, find:
  686.    *  1. its minimum squared-distance to any point in the update box
  687.    *     (zero if color is within update box);
  688.    *  2. its maximum squared-distance to any point in the update box.
  689.    * Both of these can be found by considering only the corners of the box.
  690.    * We save the minimum distance for each color in mindist[];
  691.    * only the smallest maximum distance is of interest.
  692.    */
  693.   minmaxdist = 0x7FFFFFFFL;
  694.  
  695.   for (i = 0; i < numcolors; i++) {
  696.     /* We compute the squared-c0-distance term, then add in the other two. */
  697.     x = GETJSAMPLE(cinfo->colormap[0][i]);
  698.     if (x < minc0) {
  699.       tdist = (x - minc0) * C0_SCALE;
  700.       min_dist = tdist*tdist;
  701.       tdist = (x - maxc0) * C0_SCALE;
  702.       max_dist = tdist*tdist;
  703.     } else if (x > maxc0) {
  704.       tdist = (x - maxc0) * C0_SCALE;
  705.       min_dist = tdist*tdist;
  706.       tdist = (x - minc0) * C0_SCALE;
  707.       max_dist = tdist*tdist;
  708.     } else {
  709.       /* within cell range so no contribution to min_dist */
  710.       min_dist = 0;
  711.       if (x <= centerc0) {
  712.     tdist = (x - maxc0) * C0_SCALE;
  713.     max_dist = tdist*tdist;
  714.       } else {
  715.     tdist = (x - minc0) * C0_SCALE;
  716.     max_dist = tdist*tdist;
  717.       }
  718.     }
  719.  
  720.     x = GETJSAMPLE(cinfo->colormap[1][i]);
  721.     if (x < minc1) {
  722.       tdist = (x - minc1) * C1_SCALE;
  723.       min_dist += tdist*tdist;
  724.       tdist = (x - maxc1) * C1_SCALE;
  725.       max_dist += tdist*tdist;
  726.     } else if (x > maxc1) {
  727.       tdist = (x - maxc1) * C1_SCALE;
  728.       min_dist += tdist*tdist;
  729.       tdist = (x - minc1) * C1_SCALE;
  730.       max_dist += tdist*tdist;
  731.     } else {
  732.       /* within cell range so no contribution to min_dist */
  733.       if (x <= centerc1) {
  734.     tdist = (x - maxc1) * C1_SCALE;
  735.     max_dist += tdist*tdist;
  736.       } else {
  737.     tdist = (x - minc1) * C1_SCALE;
  738.     max_dist += tdist*tdist;
  739.       }
  740.     }
  741.  
  742.     x = GETJSAMPLE(cinfo->colormap[2][i]);
  743.     if (x < minc2) {
  744.       tdist = (x - minc2) * C2_SCALE;
  745.       min_dist += tdist*tdist;
  746.       tdist = (x - maxc2) * C2_SCALE;
  747.       max_dist += tdist*tdist;
  748.     } else if (x > maxc2) {
  749.       tdist = (x - maxc2) * C2_SCALE;
  750.       min_dist += tdist*tdist;
  751.       tdist = (x - minc2) * C2_SCALE;
  752.       max_dist += tdist*tdist;
  753.     } else {
  754.       /* within cell range so no contribution to min_dist */
  755.       if (x <= centerc2) {
  756.     tdist = (x - maxc2) * C2_SCALE;
  757.     max_dist += tdist*tdist;
  758.       } else {
  759.     tdist = (x - minc2) * C2_SCALE;
  760.     max_dist += tdist*tdist;
  761.       }
  762.     }
  763.  
  764.     mindist[i] = min_dist;    /* save away the results */
  765.     if (max_dist < minmaxdist)
  766.       minmaxdist = max_dist;
  767.   }
  768.  
  769.   /* Now we know that no cell in the update box is more than minmaxdist
  770.    * away from some colormap entry.  Therefore, only colors that are
  771.    * within minmaxdist of some part of the box need be considered.
  772.    */
  773.   ncolors = 0;
  774.   for (i = 0; i < numcolors; i++) {
  775.     if (mindist[i] <= minmaxdist)
  776.       colorlist[ncolors++] = (JSAMPLE) i;
  777.   }
  778.   return ncolors;
  779. }
  780.  
  781.  
  782. LOCAL(void)
  783. find_best_colors (j_decompress_ptr cinfo, int minc0, int minc1, int minc2,
  784.           int numcolors, JSAMPLE colorlist[], JSAMPLE bestcolor[])
  785. /* Find the closest colormap entry for each cell in the update box,
  786.  * given the list of candidate colors prepared by find_nearby_colors.
  787.  * Return the indexes of the closest entries in the bestcolor[] array.
  788.  * This routine uses Thomas' incremental distance calculation method to
  789.  * find the distance from a colormap entry to successive cells in the box.
  790.  */
  791. {
  792.   int ic0, ic1, ic2;
  793.   int i, icolor;
  794.   register long * bptr;    /* pointer into bestdist[] array */
  795.   JSAMPLE * cptr;        /* pointer into bestcolor[] array */
  796.   long dist0, dist1;        /* initial distance values */
  797.   register long dist2;        /* current distance in inner loop */
  798.   long xx0, xx1;        /* distance increments */
  799.   register long xx2;
  800.   long inc0, inc1, inc2;    /* initial values for increments */
  801.   /* This array holds the distance to the nearest-so-far color for each cell */
  802.   long bestdist[BOX_C0_ELEMS * BOX_C1_ELEMS * BOX_C2_ELEMS];
  803.  
  804.   /* Initialize best-distance for each cell of the update box */
  805.   bptr = bestdist;
  806.   for (i = BOX_C0_ELEMS*BOX_C1_ELEMS*BOX_C2_ELEMS-1; i >= 0; i--)
  807.     *bptr++ = 0x7FFFFFFFL;
  808.   
  809.   /* For each color selected by find_nearby_colors,
  810.    * compute its distance to the center of each cell in the box.
  811.    * If that's less than best-so-far, update best distance and color number.
  812.    */
  813.   
  814.   /* Nominal steps between cell centers ("x" in Thomas article) */
  815. #define STEP_C0  ((1 << C0_SHIFT) * C0_SCALE)
  816. #define STEP_C1  ((1 << C1_SHIFT) * C1_SCALE)
  817. #define STEP_C2  ((1 << C2_SHIFT) * C2_SCALE)
  818.   
  819.   for (i = 0; i < numcolors; i++) {
  820.     icolor = GETJSAMPLE(colorlist[i]);
  821.     /* Compute (square of) distance from minc0/c1/c2 to this color */
  822.     inc0 = (minc0 - GETJSAMPLE(cinfo->colormap[0][icolor])) * C0_SCALE;
  823.     dist0 = inc0*inc0;
  824.     inc1 = (minc1 - GETJSAMPLE(cinfo->colormap[1][icolor])) * C1_SCALE;
  825.     dist0 += inc1*inc1;
  826.     inc2 = (minc2 - GETJSAMPLE(cinfo->colormap[2][icolor])) * C2_SCALE;
  827.     dist0 += inc2*inc2;
  828.     /* Form the initial difference increments */
  829.     inc0 = inc0 * (2 * STEP_C0) + STEP_C0 * STEP_C0;
  830.     inc1 = inc1 * (2 * STEP_C1) + STEP_C1 * STEP_C1;
  831.     inc2 = inc2 * (2 * STEP_C2) + STEP_C2 * STEP_C2;
  832.     /* Now loop over all cells in box, updating distance per Thomas method */
  833.     bptr = bestdist;
  834.     cptr = bestcolor;
  835.     xx0 = inc0;
  836.     for (ic0 = BOX_C0_ELEMS-1; ic0 >= 0; ic0--) {
  837.       dist1 = dist0;
  838.       xx1 = inc1;
  839.       for (ic1 = BOX_C1_ELEMS-1; ic1 >= 0; ic1--) {
  840.     dist2 = dist1;
  841.     xx2 = inc2;
  842.     for (ic2 = BOX_C2_ELEMS-1; ic2 >= 0; ic2--) {
  843.       if (dist2 < *bptr) {
  844.         *bptr = dist2;
  845.         *cptr = (JSAMPLE) icolor;
  846.       }
  847.       dist2 += xx2;
  848.       xx2 += 2 * STEP_C2 * STEP_C2;
  849.       bptr++;
  850.       cptr++;
  851.     }
  852.     dist1 += xx1;
  853.     xx1 += 2 * STEP_C1 * STEP_C1;
  854.       }
  855.       dist0 += xx0;
  856.       xx0 += 2 * STEP_C0 * STEP_C0;
  857.     }
  858.   }
  859. }
  860.  
  861.  
  862. LOCAL(void)
  863. fill_inverse_cmap (j_decompress_ptr cinfo, int c0, int c1, int c2)
  864. /* Fill the inverse-colormap entries in the update box that contains */
  865. /* histogram cell c0/c1/c2.  (Only that one cell MUST be filled, but */
  866. /* we can fill as many others as we wish.) */
  867. {
  868.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  869.   hist3d histogram = cquantize->histogram;
  870.   int minc0, minc1, minc2;    /* lower left corner of update box */
  871.   int ic0, ic1, ic2;
  872.   register JSAMPLE * cptr;    /* pointer into bestcolor[] array */
  873.   register histptr cachep;    /* pointer into main cache array */
  874.   /* This array lists the candidate colormap indexes. */
  875.   JSAMPLE colorlist[MAXNUMCOLORS];
  876.   int numcolors;        /* number of candidate colors */
  877.   /* This array holds the actually closest colormap index for each cell. */
  878.   JSAMPLE bestcolor[BOX_C0_ELEMS * BOX_C1_ELEMS * BOX_C2_ELEMS];
  879.  
  880.   /* Convert cell coordinates to update box ID */
  881.   c0 >>= BOX_C0_LOG;
  882.   c1 >>= BOX_C1_LOG;
  883.   c2 >>= BOX_C2_LOG;
  884.  
  885.   /* Compute true coordinates of update box's origin corner.
  886.    * Actually we compute the coordinates of the center of the corner
  887.    * histogram cell, which are the lower bounds of the volume we care about.
  888.    */
  889.   minc0 = (c0 << BOX_C0_SHIFT) + ((1 << C0_SHIFT) >> 1);
  890.   minc1 = (c1 << BOX_C1_SHIFT) + ((1 << C1_SHIFT) >> 1);
  891.   minc2 = (c2 << BOX_C2_SHIFT) + ((1 << C2_SHIFT) >> 1);
  892.   
  893.   /* Determine which colormap entries are close enough to be candidates
  894.    * for the nearest entry to some cell in the update box.
  895.    */
  896.   numcolors = find_nearby_colors(cinfo, minc0, minc1, minc2, colorlist);
  897.  
  898.   /* Determine the actually nearest colors. */
  899.   find_best_colors(cinfo, minc0, minc1, minc2, numcolors, colorlist,
  900.            bestcolor);
  901.  
  902.   /* Save the best color numbers (plus 1) in the main cache array */
  903.   c0 <<= BOX_C0_LOG;        /* convert ID back to base cell indexes */
  904.   c1 <<= BOX_C1_LOG;
  905.   c2 <<= BOX_C2_LOG;
  906.   cptr = bestcolor;
  907.   for (ic0 = 0; ic0 < BOX_C0_ELEMS; ic0++) {
  908.     for (ic1 = 0; ic1 < BOX_C1_ELEMS; ic1++) {
  909.       cachep = & histogram[c0+ic0][c1+ic1][c2];
  910.       for (ic2 = 0; ic2 < BOX_C2_ELEMS; ic2++) {
  911.     *cachep++ = (histcell) (GETJSAMPLE(*cptr++) + 1);
  912.       }
  913.     }
  914.   }
  915. }
  916.  
  917.  
  918. /*
  919.  * Map some rows of pixels to the output colormapped representation.
  920.  */
  921.  
  922. void pass2_no_dither (j_decompress_ptr cinfo,
  923.          JSAMPARRAY input_buf, JSAMPARRAY output_buf, int num_rows)
  924. /* This version performs no dithering */
  925. {
  926.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  927.   hist3d histogram = cquantize->histogram;
  928.   register JSAMPROW inptr, outptr;
  929.   register histptr cachep;
  930.   register int c0, c1, c2;
  931.   int row;
  932.   JDIMENSION col;
  933.   JDIMENSION width = cinfo->output_width;
  934.  
  935.   for (row = 0; row < num_rows; row++) {
  936.     inptr = input_buf[row];
  937.     outptr = output_buf[row];
  938.     for (col = width; col > 0; col--) {
  939.       /* get pixel value and index into the cache */
  940.       c0 = GETJSAMPLE(*inptr++) >> C0_SHIFT;
  941.       c1 = GETJSAMPLE(*inptr++) >> C1_SHIFT;
  942.       c2 = GETJSAMPLE(*inptr++) >> C2_SHIFT;
  943.       cachep = & histogram[c0][c1][c2];
  944.       /* If we have not seen this color before, find nearest colormap entry */
  945.       /* and update the cache */
  946.       if (*cachep == 0)
  947.     fill_inverse_cmap(cinfo, c0,c1,c2);
  948.       /* Now emit the colormap index for this cell */
  949.       *outptr++ = (JSAMPLE) (*cachep - 1);
  950.     }
  951.   }
  952. }
  953.  
  954.  
  955. void pass2_fs_dither (j_decompress_ptr cinfo,
  956.          JSAMPARRAY input_buf, JSAMPARRAY output_buf, int num_rows)
  957. /* This version performs Floyd-Steinberg dithering */
  958. {
  959.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  960.   hist3d histogram = cquantize->histogram;
  961.   register LOCFSERROR cur0, cur1, cur2;    /* current error or pixel value */
  962.   LOCFSERROR belowerr0, belowerr1, belowerr2; /* error for pixel below cur */
  963.   LOCFSERROR bpreverr0, bpreverr1, bpreverr2; /* error for below/prev col */
  964.   register FSERRPTR errorptr;    /* => fserrors[] at column before current */
  965.   JSAMPROW inptr;        /* => current input pixel */
  966.   JSAMPROW outptr;        /* => current output pixel */
  967.   histptr cachep;
  968.   int dir;            /* +1 or -1 depending on direction */
  969.   int dir3;            /* 3*dir, for advancing inptr & errorptr */
  970.   int row;
  971.   JDIMENSION col;
  972.   JDIMENSION width = cinfo->output_width;
  973.   JSAMPLE *range_limit = cinfo->sample_range_limit;
  974.   int *error_limit = cquantize->error_limiter;
  975.   JSAMPROW colormap0 = cinfo->colormap[0];
  976.   JSAMPROW colormap1 = cinfo->colormap[1];
  977.   JSAMPROW colormap2 = cinfo->colormap[2];
  978.   SHIFT_TEMPS
  979.  
  980.   for (row = 0; row < num_rows; row++) {
  981.     inptr = input_buf[row];
  982.     outptr = output_buf[row];
  983.     if (cquantize->on_odd_row) {
  984.       /* work right to left in this row */
  985.       inptr += (width-1) * 3;    /* so point to rightmost pixel */
  986.       outptr += width-1;
  987.       dir = -1;
  988.       dir3 = -3;
  989.       errorptr = cquantize->fserrors + (width+1)*3; /* => entry after last column */
  990.       cquantize->on_odd_row = FALSE; /* flip for next time */
  991.     } else {
  992.       /* work left to right in this row */
  993.       dir = 1;
  994.       dir3 = 3;
  995.       errorptr = cquantize->fserrors; /* => entry before first real column */
  996.       cquantize->on_odd_row = TRUE; /* flip for next time */
  997.     }
  998.     /* Preset error values: no error propagated to first pixel from left */
  999.     cur0 = cur1 = cur2 = 0;
  1000.     /* and no error propagated to row below yet */
  1001.     belowerr0 = belowerr1 = belowerr2 = 0;
  1002.     bpreverr0 = bpreverr1 = bpreverr2 = 0;
  1003.  
  1004.     for (col = width; col > 0; col--) {
  1005.       /* curN holds the error propagated from the previous pixel on the
  1006.        * current line.  Add the error propagated from the previous line
  1007.        * to form the complete error correction term for this pixel, and
  1008.        * round the error term (which is expressed * 16) to an integer.
  1009.        * RIGHT_SHIFT rounds towards minus infinity, so adding 8 is correct
  1010.        * for either sign of the error value.
  1011.        * Note: errorptr points to *previous* column's array entry.
  1012.        */
  1013.       cur0 = RIGHT_SHIFT(cur0 + errorptr[dir3+0] + 8, 4);
  1014.       cur1 = RIGHT_SHIFT(cur1 + errorptr[dir3+1] + 8, 4);
  1015.       cur2 = RIGHT_SHIFT(cur2 + errorptr[dir3+2] + 8, 4);
  1016.       /* Limit the error using transfer function set by init_error_limit.
  1017.        * See comments with init_error_limit for rationale.
  1018.        */
  1019.       cur0 = error_limit[cur0];
  1020.       cur1 = error_limit[cur1];
  1021.       cur2 = error_limit[cur2];
  1022.       /* Form pixel value + error, and range-limit to 0..MAXJSAMPLE.
  1023.        * The maximum error is +- MAXJSAMPLE (or less with error limiting);
  1024.        * this sets the required size of the range_limit array.
  1025.        */
  1026.       cur0 += GETJSAMPLE(inptr[0]);
  1027.       cur1 += GETJSAMPLE(inptr[1]);
  1028.       cur2 += GETJSAMPLE(inptr[2]);
  1029.       cur0 = GETJSAMPLE(range_limit[cur0]);
  1030.       cur1 = GETJSAMPLE(range_limit[cur1]);
  1031.       cur2 = GETJSAMPLE(range_limit[cur2]);
  1032.       /* Index into the cache with adjusted pixel value */
  1033.       cachep = & histogram[cur0>>C0_SHIFT][cur1>>C1_SHIFT][cur2>>C2_SHIFT];
  1034.       /* If we have not seen this color before, find nearest colormap */
  1035.       /* entry and update the cache */
  1036.       if (*cachep == 0)
  1037.     fill_inverse_cmap(cinfo, cur0>>C0_SHIFT,cur1>>C1_SHIFT,cur2>>C2_SHIFT);
  1038.       /* Now emit the colormap index for this cell */
  1039.       { register int pixcode = *cachep - 1;
  1040.     *outptr = (JSAMPLE) pixcode;
  1041.     /* Compute representation error for this pixel */
  1042.     cur0 -= GETJSAMPLE(colormap0[pixcode]);
  1043.     cur1 -= GETJSAMPLE(colormap1[pixcode]);
  1044.     cur2 -= GETJSAMPLE(colormap2[pixcode]);
  1045.       }
  1046.       /* Compute error fractions to be propagated to adjacent pixels.
  1047.        * Add these into the running sums, and simultaneously shift the
  1048.        * next-line error sums left by 1 column.
  1049.        */
  1050.       { register LOCFSERROR bnexterr, delta;
  1051.  
  1052.     bnexterr = cur0;    /* Process component 0 */
  1053.     delta = cur0 * 2;
  1054.     cur0 += delta;        /* form error * 3 */
  1055.     errorptr[0] = (FSERROR) (bpreverr0 + cur0);
  1056.     cur0 += delta;        /* form error * 5 */
  1057.     bpreverr0 = belowerr0 + cur0;
  1058.     belowerr0 = bnexterr;
  1059.     cur0 += delta;        /* form error * 7 */
  1060.     bnexterr = cur1;    /* Process component 1 */
  1061.     delta = cur1 * 2;
  1062.     cur1 += delta;        /* form error * 3 */
  1063.     errorptr[1] = (FSERROR) (bpreverr1 + cur1);
  1064.     cur1 += delta;        /* form error * 5 */
  1065.     bpreverr1 = belowerr1 + cur1;
  1066.     belowerr1 = bnexterr;
  1067.     cur1 += delta;        /* form error * 7 */
  1068.     bnexterr = cur2;    /* Process component 2 */
  1069.     delta = cur2 * 2;
  1070.     cur2 += delta;        /* form error * 3 */
  1071.     errorptr[2] = (FSERROR) (bpreverr2 + cur2);
  1072.     cur2 += delta;        /* form error * 5 */
  1073.     bpreverr2 = belowerr2 + cur2;
  1074.     belowerr2 = bnexterr;
  1075.     cur2 += delta;        /* form error * 7 */
  1076.       }
  1077.       /* At this point curN contains the 7/16 error value to be propagated
  1078.        * to the next pixel on the current line, and all the errors for the
  1079.        * next line have been shifted over.  We are therefore ready to move on.
  1080.        */
  1081.       inptr += dir3;        /* Advance pixel pointers to next column */
  1082.       outptr += dir;
  1083.       errorptr += dir3;        /* advance errorptr to current column */
  1084.     }
  1085.     /* Post-loop cleanup: we must unload the final error values into the
  1086.      * final fserrors[] entry.  Note we need not unload belowerrN because
  1087.      * it is for the dummy column before or after the actual array.
  1088.      */
  1089.     errorptr[0] = (FSERROR) bpreverr0; /* unload prev errs into array */
  1090.     errorptr[1] = (FSERROR) bpreverr1;
  1091.     errorptr[2] = (FSERROR) bpreverr2;
  1092.   }
  1093. }
  1094.  
  1095.  
  1096. /*
  1097.  * Initialize the error-limiting transfer function (lookup table).
  1098.  * The raw F-S error computation can potentially compute error values of up to
  1099.  * +- MAXJSAMPLE.  But we want the maximum correction applied to a pixel to be
  1100.  * much less, otherwise obviously wrong pixels will be created.  (Typical
  1101.  * effects include weird fringes at color-area boundaries, isolated bright
  1102.  * pixels in a dark area, etc.)  The standard advice for avoiding this problem
  1103.  * is to ensure that the "corners" of the color cube are allocated as output
  1104.  * colors; then repeated errors in the same direction cannot cause cascading
  1105.  * error buildup.  However, that only prevents the error from getting
  1106.  * completely out of hand; Aaron Giles reports that error limiting improves
  1107.  * the results even with corner colors allocated.
  1108.  * A simple clamping of the error values to about +- MAXJSAMPLE/8 works pretty
  1109.  * well, but the smoother transfer function used below is even better.  Thanks
  1110.  * to Aaron Giles for this idea.
  1111.  */
  1112.  
  1113. LOCAL(void)
  1114. init_error_limit (j_decompress_ptr cinfo)
  1115. /* Allocate and fill in the error_limiter table */
  1116. {
  1117.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  1118.   int * table;
  1119.   int in, out;
  1120.  
  1121.   table = (int *) cinfo->mem->alloc_small
  1122.     (JPOOL_IMAGE, (MAXJSAMPLE*2+1) * sizeof(int));
  1123.   table += MAXJSAMPLE;        /* so can index -MAXJSAMPLE .. +MAXJSAMPLE */
  1124.   cquantize->error_limiter = table;
  1125.  
  1126. #define STEPSIZE ((MAXJSAMPLE+1)/16)
  1127.   /* Map errors 1:1 up to +- MAXJSAMPLE/16 */
  1128.   out = 0;
  1129.   for (in = 0; in < STEPSIZE; in++, out++) {
  1130.     table[in] = out; table[-in] = -out;
  1131.   }
  1132.   /* Map errors 1:2 up to +- 3*MAXJSAMPLE/16 */
  1133.   for (; in < STEPSIZE*3; in++, out += (in&1) ? 0 : 1) {
  1134.     table[in] = out; table[-in] = -out;
  1135.   }
  1136.   /* Clamp the rest to final out value (which is (MAXJSAMPLE+1)/8) */
  1137.   for (; in <= MAXJSAMPLE; in++) {
  1138.     table[in] = out; table[-in] = -out;
  1139.   }
  1140. #undef STEPSIZE
  1141. }
  1142.  
  1143.  
  1144. /*
  1145.  * Finish up at the end of each pass.
  1146.  */
  1147.  
  1148. void finish_pass1 (j_decompress_ptr cinfo)
  1149. {
  1150.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  1151.  
  1152.   /* Select the representative colors and fill in cinfo->colormap */
  1153.   cinfo->colormap = cquantize->sv_colormap;
  1154.   select_colors(cinfo, cquantize->desired);
  1155.   /* Force next pass to zero the color index table */
  1156.   cquantize->needs_zeroed = TRUE;
  1157. }
  1158.  
  1159.  
  1160. void finish_pass2 (j_decompress_ptr cinfo)
  1161. {
  1162.   /* no work */
  1163. }
  1164.  
  1165.  
  1166. /*
  1167.  * Initialize for each processing pass.
  1168.  */
  1169.  
  1170. void start_pass_2_quant (j_decompress_ptr cinfo, boolean is_pre_scan)
  1171. {
  1172.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  1173.   hist3d histogram = cquantize->histogram;
  1174.   int i;
  1175.  
  1176.   /* Only F-S dithering or no dithering is supported. */
  1177.   /* If user asks for ordered dither, give him F-S. */
  1178.   if (cinfo->dither_mode != JDITHER_NONE)
  1179.     cinfo->dither_mode = JDITHER_FS;
  1180.  
  1181.   if (is_pre_scan) {
  1182.     /* Set up method pointers */
  1183.     cquantize->pub.color_quantize = prescan_quantize;
  1184.     cquantize->pub.finish_pass = finish_pass1;
  1185.     cquantize->needs_zeroed = TRUE; /* Always zero histogram */
  1186.   } else {
  1187.     /* Set up method pointers */
  1188.     if (cinfo->dither_mode == JDITHER_FS)
  1189.       cquantize->pub.color_quantize = pass2_fs_dither;
  1190.     else
  1191.       cquantize->pub.color_quantize = pass2_no_dither;
  1192.     cquantize->pub.finish_pass = finish_pass2;
  1193.  
  1194.     /* Make sure color count is acceptable */
  1195.     i = cinfo->actual_number_of_colors;
  1196.     if (i < 1)
  1197.       cinfo->ERREXIT1(JERR_QUANT_FEW_COLORS, 1);
  1198.     if (i > MAXNUMCOLORS)
  1199.       cinfo->ERREXIT1(JERR_QUANT_MANY_COLORS, MAXNUMCOLORS);
  1200.  
  1201.     if (cinfo->dither_mode == JDITHER_FS) {
  1202.       size_t arraysize = (size_t) ((cinfo->output_width + 2) *
  1203.                    (3 * sizeof(FSERROR)));
  1204.       /* Allocate Floyd-Steinberg workspace if we didn't already. */
  1205.       if (cquantize->fserrors == NULL)
  1206.     cquantize->fserrors = (FSERRPTR) cinfo->mem->alloc_large
  1207.       (JPOOL_IMAGE, arraysize);
  1208.       /* Initialize the propagated errors to zero. */
  1209.       jzero_far((void *) cquantize->fserrors, arraysize);
  1210.       /* Make the error-limit table if we didn't already. */
  1211.       if (cquantize->error_limiter == NULL)
  1212.     init_error_limit(cinfo);
  1213.       cquantize->on_odd_row = FALSE;
  1214.     }
  1215.  
  1216.   }
  1217.   /* Zero the histogram or inverse color map, if necessary */
  1218.   if (cquantize->needs_zeroed) {
  1219.     for (i = 0; i < HIST_C0_ELEMS; i++) {
  1220.       jzero_far((void *) histogram[i],
  1221.         HIST_C1_ELEMS*HIST_C2_ELEMS * sizeof(histcell));
  1222.     }
  1223.     cquantize->needs_zeroed = FALSE;
  1224.   }
  1225. }
  1226.  
  1227.  
  1228. /*
  1229.  * Switch to a new external colormap between output passes.
  1230.  */
  1231.  
  1232. void new_color_map_2_quant (j_decompress_ptr cinfo)
  1233. {
  1234.   my_cquantize_ptr cquantize = (my_cquantize_ptr) cinfo->cquantize;
  1235.  
  1236.   /* Reset the inverse color map */
  1237.   cquantize->needs_zeroed = TRUE;
  1238. }
  1239.  
  1240.  
  1241. /*
  1242.  * Module initialization routine for 2-pass color quantization.
  1243.  */
  1244.  
  1245. GLOBAL(void)
  1246. jinit_2pass_quantizer (j_decompress_ptr cinfo)
  1247. {
  1248.   my_cquantize_ptr cquantize;
  1249.   int i;
  1250.  
  1251.   cquantize = (my_cquantize_ptr)
  1252.     cinfo->mem->alloc_small(JPOOL_IMAGE,
  1253.                 sizeof(my_cquantizer));
  1254.   cinfo->cquantize = (struct jpeg_color_quantizer *) cquantize;
  1255.   cquantize->pub.start_pass = start_pass_2_quant;
  1256.   cquantize->pub.new_color_map = new_color_map_2_quant;
  1257.   cquantize->fserrors = NULL;    /* flag optional arrays not allocated */
  1258.   cquantize->error_limiter = NULL;
  1259.  
  1260.   /* Make sure jdmaster didn't give me a case I can't handle */
  1261.   if (cinfo->out_color_components != 3)
  1262.     cinfo->ERREXIT(JERR_NOTIMPL);
  1263.  
  1264.   /* Allocate the histogram/inverse colormap storage */
  1265.   cquantize->histogram = (hist3d) cinfo->mem->alloc_small
  1266.     (JPOOL_IMAGE, HIST_C0_ELEMS * sizeof(hist2d));
  1267.   for (i = 0; i < HIST_C0_ELEMS; i++) {
  1268.     cquantize->histogram[i] = (hist2d) cinfo->mem->alloc_large
  1269.       (JPOOL_IMAGE,
  1270.        HIST_C1_ELEMS*HIST_C2_ELEMS * sizeof(histcell));
  1271.   }
  1272.   cquantize->needs_zeroed = TRUE; /* histogram is garbage now */
  1273.  
  1274.   /* Allocate storage for the completed colormap, if required.
  1275.    * We do this now since it is FAR storage and may affect
  1276.    * the memory manager's space calculations.
  1277.    */
  1278.   if (cinfo->enable_2pass_quant) {
  1279.     /* Make sure color count is acceptable */
  1280.     int desired = cinfo->desired_number_of_colors;
  1281.     /* Lower bound on # of colors ... somewhat arbitrary as long as > 0 */
  1282.     if (desired < 8)
  1283.       cinfo->ERREXIT1(JERR_QUANT_FEW_COLORS, 8);
  1284.     /* Make sure colormap indexes can be represented by JSAMPLEs */
  1285.     if (desired > MAXNUMCOLORS)
  1286.       cinfo->ERREXIT1(JERR_QUANT_MANY_COLORS, MAXNUMCOLORS);
  1287.     cquantize->sv_colormap = cinfo->mem->alloc_sarray
  1288.       (JPOOL_IMAGE, (JDIMENSION) desired, (JDIMENSION) 3);
  1289.     cquantize->desired = desired;
  1290.   } else
  1291.     cquantize->sv_colormap = NULL;
  1292.  
  1293.   /* Only F-S dithering or no dithering is supported. */
  1294.   /* If user asks for ordered dither, give him F-S. */
  1295.   if (cinfo->dither_mode != JDITHER_NONE)
  1296.     cinfo->dither_mode = JDITHER_FS;
  1297.  
  1298.   /* Allocate Floyd-Steinberg workspace if necessary.
  1299.    * This isn't really needed until pass 2, but again it is FAR storage.
  1300.    * Although we will cope with a later change in dither_mode,
  1301.    * we do not promise to honor max_memory_to_use if dither_mode changes.
  1302.    */
  1303.   if (cinfo->dither_mode == JDITHER_FS) {
  1304.     cquantize->fserrors = (FSERRPTR) cinfo->mem->alloc_large
  1305.       (JPOOL_IMAGE,
  1306.        (size_t) ((cinfo->output_width + 2) * (3 * sizeof(FSERROR))));
  1307.     /* Might as well create the error-limiting table too. */
  1308.     init_error_limit(cinfo);
  1309.   }
  1310. }
  1311.  
  1312. #endif /* QUANT_2PASS_SUPPORTED */
  1313.