srp图像量化学习心得（1）

      目前颜色量化算法大致分为两种，一种是分割算法，则另一种是聚类算法。
    分割算法的典型代表是频度序列法（百度不到）和八叉树法（要么不分割要么分成八分，一直细分到单元不能再细分）。基本思想是将图像中出现频率最高的k种颜色作为调色板，然后按照NBS距离最小准则映射到调色板，或者是按照平均公式合并。优点量化后的图片有层次感，但丢失了概率小的颜色，无法保证细节，局部变得模糊。   
     聚类算法利用某种准则对颜色进行迭代聚合直到合适为止.典型的有K均值聚类算法、FCM聚类算法、学习向量法等。聚类算法为近似最优算法,但需迭代运算,计算量大,而且量化结果往往依赖于初始聚类中心的选取.另外,聚类算法容易将相近的色彩合并,而破坏色彩的层次感.
     pgf（同等组)快速滤波算法：只找出滤波窗口中与中心像素距离最近的   领域像素 作为同组成员参与滤波。

       luv颜色空间：LUV色彩空间全称CIE 1976(L*,u*,v*) 全称CIE 1976(L*,u*,v*)（（也作CIELUV）色彩空间，L*表示物体亮度，u*和v*是色度。于1976年由国际照明委员会CIE 提出，由CIE XYZ空间经简单变换得到，具视觉统一性。类似的色彩空间有CIELAB。对于一般的图像，u*和v*的取值范围为-100到+100，亮度为0到100。