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 2.7 by greg, Tue Nov 22 12:19:21 1994 UTC

# Line 257 | Line 257 | int    n;
257   #define true            1
258  
259   /* network defs */
260 < #define netsize         256                     /* number of colours - can change this */
260 > #define netsize         clrtabsiz               /* number of colours - can change this */
261   #define maxnetpos       (netsize-1)
262   #define netbiasshift    4                       /* bias for colour values */
263   #define ncycles         100                     /* no. of learning cycles */
# Line 272 | Line 272 | int    n;
272   #define betagamma       (intbias<<(gammashift-betashift))
273  
274   /* defs for decreasing radius factor */
275 < #define initrad         (netsize>>3)            /* for 256 cols, radius starts */
275 > #define initrad         (256>>3)                /* for 256 cols, radius starts */
276   #define radiusbiasshift 6                       /* at 32.0 biased by 6 bits */
277   #define radiusbias      (((int) 1)<<radiusbiasshift)
278   #define initradius      (initrad*radiusbias)    /* and decreases by a */
# Line 297 | Line 297 | int alphadec;                                  /* biased by 10 bits */
297   #define prime4          503
298  
299   typedef int pixel[4];  /* BGRc */
300 < pixel network[netsize];
300 > pixel network[256];
301  
302   int netindex[256];      /* for network lookup - really 256 */
303  
304 < int bias [netsize];     /* bias and freq arrays for learning */
305 < int freq [netsize];
304 > int bias [256];         /* bias and freq arrays for learning */
305 > int freq [256];
306   int radpower[initrad];  /* radpower for precomputation */
307  
308  
# Line 313 | Line 313 | initnet()      
313          register int i;
314          register int *p;
315          
316 <        for (i=0; i<clrtabsiz; i++) {
316 >        for (i=0; i<netsize; i++) {
317                  p = network[i];
318 <                p[0] = p[1] = p[2] = (i << (netbiasshift+8))/clrtabsiz;
319 <                freq[i] = intbias/clrtabsiz;  /* 1/clrtabsiz */
318 >                p[0] = p[1] = p[2] = (i << (netbiasshift+8))/netsize;
319 >                freq[i] = intbias/netsize;  /* 1/netsize */
320                  bias[i] = 0;
321          }
322   }
# Line 332 | Line 332 | inxbuild()
332  
333          previouscol = 0;
334          startpos = 0;
335 <        for (i=0; i<clrtabsiz; i++) {
335 >        for (i=0; i<netsize; i++) {
336                  p = network[i];
337                  smallpos = i;
338                  smallval = p[1];        /* index on g */
339 <                /* find smallest in i..clrtabsiz-1 */
340 <                for (j=i+1; j<clrtabsiz; j++) {
339 >                /* find smallest in i..netsize-1 */
340 >                for (j=i+1; j<netsize; j++) {
341                          q = network[j];
342                          if (q[1] < smallval) {  /* index on g */
343                                  smallpos = j;
# Line 377 | Line 377 | register int b,g,r;
377          i = netindex[g]; /* index on g */
378          j = i-1;         /* start at netindex[g] and work outwards */
379  
380 <        while ((i<clrtabsiz) || (j>=0)) {
381 <                if (i<clrtabsiz) {
380 >        while ((i<netsize) || (j>=0)) {
381 >                if (i<netsize) {
382                          p = network[i];
383                          dist = p[1] - g;        /* inx key */
384 <                        if (dist >= bestd) i = clrtabsiz; /* stop iter */
384 >                        if (dist >= bestd) i = netsize; /* stop iter */
385                          else {
386                                  i++;
387                                  if (dist<0) dist = -dist;
# Line 418 | Line 418 | register int b,g,r;
418   /* finds closest neuron (min dist) and updates freq */
419   /* finds best neuron (min dist-bias) and returns position */
420   /* for frequently chosen neurons, freq[i] is high and bias[i] is negative */
421 < /* bias[i] = gamma*((1/clrtabsiz)-freq[i]) */
421 > /* bias[i] = gamma*((1/netsize)-freq[i]) */
422  
423   int contest(b,g,r)      /* accepts biased BGR values */
424   register int b,g,r;
# Line 434 | Line 434 | register int b,g,r;
434          p = bias;
435          f = freq;
436  
437 <        for (i=0; i<clrtabsiz; i++) {
437 >        for (i=0; i<netsize; i++) {
438                  n = network[i];
439                  dist = n[0] - b;   if (dist<0) dist = -dist;
440                  a = n[1] - g;   if (a<0) a = -a;
# Line 481 | Line 481 | register int b,g,r;
481          register int *p, *q;
482  
483          lo = i-rad;   if (lo<-1) lo= -1;
484 <        hi = i+rad;   if (hi>clrtabsiz) hi=clrtabsiz;
484 >        hi = i+rad;   if (hi>netsize) hi=netsize;
485  
486          j = i+1;
487          k = i-1;
# Line 572 | Line 572 | unbiasnet()
572   {
573          int i,j;
574  
575 <        for (i=0; i<clrtabsiz; i++) {
575 >        for (i=0; i<netsize; i++) {
576                  for (j=0; j<3; j++)
577                          network[i][j] >>= netbiasshift;
578                  network[i][3] = i; /* record colour no */
# Line 587 | Line 587 | cpyclrtab()
587   {
588          register int i,j,k;
589          
590 <        for (j=0; j<clrtabsiz; j++) {
590 >        for (j=0; j<netsize; j++) {
591                  k = network[j][3];
592                  for (i = 0; i < 3; i++)
593                          clrtab[k][i] = network[j][2-i];

Diff Legend

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