ViewVC Help
View File | Revision Log | Show Annotations | Download File | Root Listing
root/radiance/ray/src/px/neuclrtab.c
(Generate patch)

Comparing ray/src/px/neuclrtab.c (file contents):
Revision 2.6 by greg, Mon Nov 21 15:56:20 1994 UTC vs.
Revision 2.8 by greg, Mon Dec 12 12:19:04 1994 UTC

# Line 51 | Line 51 | static long    skipcount;
51  
52   #define setskip(sp,n)   ((sp)[0]=(n)>>16,(sp)[1]=((n)>>8)&255,(sp)[2]=(n)&255)
53  
54 + static  cpyclrtab();
55  
56 +
57   neu_init(npixels)               /* initialize our sample array */
58   long    npixels;
59   {
# Line 257 | Line 259 | int    n;
259   #define true            1
260  
261   /* network defs */
262 < #define netsize         256                     /* number of colours - can change this */
262 > #define netsize         clrtabsiz               /* number of colours - can change this */
263   #define maxnetpos       (netsize-1)
264   #define netbiasshift    4                       /* bias for colour values */
265   #define ncycles         100                     /* no. of learning cycles */
# Line 272 | Line 274 | int    n;
274   #define betagamma       (intbias<<(gammashift-betashift))
275  
276   /* defs for decreasing radius factor */
277 < #define initrad         (netsize>>3)            /* for 256 cols, radius starts */
277 > #define initrad         (256>>3)                /* for 256 cols, radius starts */
278   #define radiusbiasshift 6                       /* at 32.0 biased by 6 bits */
279   #define radiusbias      (((int) 1)<<radiusbiasshift)
280   #define initradius      (initrad*radiusbias)    /* and decreases by a */
# Line 297 | Line 299 | int alphadec;                                  /* biased by 10 bits */
299   #define prime4          503
300  
301   typedef int pixel[4];  /* BGRc */
302 < pixel network[netsize];
302 > pixel network[256];
303  
304   int netindex[256];      /* for network lookup - really 256 */
305  
306 < int bias [netsize];     /* bias and freq arrays for learning */
307 < int freq [netsize];
306 > int bias [256];         /* bias and freq arrays for learning */
307 > int freq [256];
308   int radpower[initrad];  /* radpower for precomputation */
309  
310  
# Line 313 | Line 315 | initnet()      
315          register int i;
316          register int *p;
317          
318 <        for (i=0; i<clrtabsiz; i++) {
318 >        for (i=0; i<netsize; i++) {
319                  p = network[i];
320 <                p[0] = p[1] = p[2] = (i << (netbiasshift+8))/clrtabsiz;
321 <                freq[i] = intbias/clrtabsiz;  /* 1/clrtabsiz */
320 >                p[0] = p[1] = p[2] = (i << (netbiasshift+8))/netsize;
321 >                freq[i] = intbias/netsize;  /* 1/netsize */
322                  bias[i] = 0;
323          }
324   }
# Line 332 | Line 334 | inxbuild()
334  
335          previouscol = 0;
336          startpos = 0;
337 <        for (i=0; i<clrtabsiz; i++) {
337 >        for (i=0; i<netsize; i++) {
338                  p = network[i];
339                  smallpos = i;
340                  smallval = p[1];        /* index on g */
341 <                /* find smallest in i..clrtabsiz-1 */
342 <                for (j=i+1; j<clrtabsiz; j++) {
341 >                /* find smallest in i..netsize-1 */
342 >                for (j=i+1; j<netsize; j++) {
343                          q = network[j];
344                          if (q[1] < smallval) {  /* index on g */
345                                  smallpos = j;
# Line 377 | Line 379 | register int b,g,r;
379          i = netindex[g]; /* index on g */
380          j = i-1;         /* start at netindex[g] and work outwards */
381  
382 <        while ((i<clrtabsiz) || (j>=0)) {
383 <                if (i<clrtabsiz) {
382 >        while ((i<netsize) || (j>=0)) {
383 >                if (i<netsize) {
384                          p = network[i];
385                          dist = p[1] - g;        /* inx key */
386 <                        if (dist >= bestd) i = clrtabsiz; /* stop iter */
386 >                        if (dist >= bestd) i = netsize; /* stop iter */
387                          else {
388                                  i++;
389                                  if (dist<0) dist = -dist;
# Line 418 | Line 420 | register int b,g,r;
420   /* finds closest neuron (min dist) and updates freq */
421   /* finds best neuron (min dist-bias) and returns position */
422   /* for frequently chosen neurons, freq[i] is high and bias[i] is negative */
423 < /* bias[i] = gamma*((1/clrtabsiz)-freq[i]) */
423 > /* bias[i] = gamma*((1/netsize)-freq[i]) */
424  
425   int contest(b,g,r)      /* accepts biased BGR values */
426   register int b,g,r;
# Line 434 | Line 436 | register int b,g,r;
436          p = bias;
437          f = freq;
438  
439 <        for (i=0; i<clrtabsiz; i++) {
439 >        for (i=0; i<netsize; i++) {
440                  n = network[i];
441                  dist = n[0] - b;   if (dist<0) dist = -dist;
442                  a = n[1] - g;   if (a<0) a = -a;
# Line 481 | Line 483 | register int b,g,r;
483          register int *p, *q;
484  
485          lo = i-rad;   if (lo<-1) lo= -1;
486 <        hi = i+rad;   if (hi>clrtabsiz) hi=clrtabsiz;
486 >        hi = i+rad;   if (hi>netsize) hi=netsize;
487  
488          j = i+1;
489          k = i-1;
# Line 572 | Line 574 | unbiasnet()
574   {
575          int i,j;
576  
577 <        for (i=0; i<clrtabsiz; i++) {
577 >        for (i=0; i<netsize; i++) {
578                  for (j=0; j<3; j++)
579                          network[i][j] >>= netbiasshift;
580                  network[i][3] = i; /* record colour no */
# Line 587 | Line 589 | cpyclrtab()
589   {
590          register int i,j,k;
591          
592 <        for (j=0; j<clrtabsiz; j++) {
592 >        for (j=0; j<netsize; j++) {
593                  k = network[j][3];
594                  for (i = 0; i < 3; i++)
595                          clrtab[k][i] = network[j][2-i];

Diff Legend

– Removed lines
+ Added lines
< Changed lines
> Changed lines