本文提出了一种实现图像任意角度旋转的方案并提供了算法实现。然后对算法的应用问题进行了探讨，分析了算法的局限性。最后介绍了在j2me中实现旋转的另外两种参考性方案。
3.2 在J2ME中的算法实现
我们将上面的思想具体化，得到算法的流程图（见图4示）
图4：算法流程图
在MIDP2.0中，Image类提供了两个方法：getRGB()和createRGBImage()，分别完成获取图像象素信息和通过像素数组创建图像的功能。借助于这两个方法，结合上面的流程图，我们得到实现图像旋转算法的代码，如下面所示。
/**
*@param imgSource 源图像
*@param cx 旋转点相对于源图像坐上角横坐标
*@param cy 旋转点相对于源图像坐上角纵坐标
*@param theta 图像逆时针旋转的角度
*@param dd 含2个元素的整形数组，存放新图像相对源图像沿x轴和y轴的位置偏移量
*@return 旋转后的图像
**/
public Image rotate(Image imgSource, int cx, int cy, double theta, int[] dd) {
if (Math.abs(theta % 360) < 0.1) return imgSource; //角度很小时直接返回
int w1 = imgSource.getWidth(); //原始图像的高度和宽度
int h1 = imgSource.getHeight();
int[] srcMap = new int[w1 * h1];
imgSource.getRGB(srcMap, 0, w1, 0, 0, w1, h1); //获取原始图像的像素信息
int dx = cx > w1 / 2 ? cx : w1 - cx; //计算旋转半径
int dy = cy > h1 / 2 ? cy : h1 - cy;
double dr = Math.sqrt(dx * dx + dy * dy);
int wh2 = (int) (2 * dr + 1); //旋转后新图像为正方形，其边长+1是为了防止数组越界
int[] destMap = new int[wh2 * wh2]; //存放新图像象素的数组
double destX, destY;
double radian = theta * Math.PI / 180; //计算角度计算对应的弧度值
for (int i = 0; i < w1; i++) {
for (int j = 0; j < h1; j++) {
if (srcMap[j * w1 + i] >> 24 != 0) { //对非透明点才进行处理
// 得到当前点经旋转后相对于新图像左上角的坐标
destX = dr + (i - cx) * Math.cos(radian) + (j - cy)* Math.sin(radian);
destY = dr + (j - cy) * Math.cos(radian) - (i - cx)* Math.sin(radian);
//从源图像中往新图像中填充像素
destMap[(int) destY * wh2 + (int) destX] = srcMap[j * w1 + i];
}
}
}
dd[0] = cx-dr; //返回位置偏移分量
dd[1] = cy-dr;
return Image.createRGBImage(destMap, wh2, wh2, true); //返回旋转后的图像
} |
3.3 旋转失真问题
因为旋转公式含有三角函数，所以求出的旋转坐标取整后有可能插入到先前已插入的位置中，而没有插入到它本应该插入的位置。例如：计算出旋转坐标（3.1,4）取整后插入到（3,4）中；如果计算下个旋转坐标为（3.4，4），取整后又被插入到（3,4）中，因此覆盖了原来的像素点，而且（3.4，4）对应的像素点没有办法插入到它应该插入的位置，造成失真。
要解决这个问题，在不考虑牺牲额外资源的情况下，一般的方法是先将图像放大若干倍，然后再进行旋转，再等比例缩小。对于边界可考虑马赛克的处理方式或者用两行重描补偿误差的办法。
4、算法的应用与局限性
4.1、模拟浮点运算
上述算法是基于cldc1.1规范的，该规范提供了对浮点运算和三角函数运算的直接支持。为提高程序的通用性，我们希望算法能运行在cldc1.0设备上。
cldc1.0不支持任何非整形的数值，要实现三角函数的计算，我们可以考虑用已有的整型数来模拟浮点数：把一个整数分成两个域，分别存放浮点的整数和小数部分，这并不难，但要模拟通用的数学函数，如正弦、余弦、二次方根、指数运算等就不那么容易了，需要花费不少时间。由于一些现有的库已经能够很好地完成这些工作，一般情况下，我们可以直接拿来用。
这里我们选用Onne Hommes编写的MathFP库，该库提供了基于整形int和长整形long的不同精度的实现，有简单、健壮、速度快的特点。看下面使用该库的示例代码：
int xFP = MathFP.toFP(“0.10”); int yFP = MathFP.toFP(“0.2”); int zFP = MathFP.mul(xFP , yFP); System.out.println( MathFP.toString( zFP ) ); //0.02
|
前两行构造了两个定点数0.10和0.2，第三行计算他们的乘积，并根据这个值构造定点数zFP，最后一行把zFP的值输出。
这些定点值xFP,yFP,zFP不是真正意义上的整型值，虽然它们用整型值来存储数据。使用这些定点值时必须调用相应的MathFP方法。
别的可以选用的浮点运算库有JMFP、FPLib、shiftFP等。
京公网安备 11010802021500号