Просто подумайте «о манжете», так сказать.
Не могли бы вы организовать их в 2 списка, один для начала интервалов, а другой для конца интервалов.
Таким образом, вы можете сравнить y с элементами в начале списка интервалов (например, бинарным поиском), чтобы сократить кандидатов на основе этого.
Затем вы можете сравнить x с элементами в конце Список интервалов.
EDIT
Случай: Once Off
Если вы сравниваете только один интервал с перечнем интервалов в я не считаю, что сортировка поможет вам , так как идеальная сортировка - это O (n) .
Выполняя линейный поиск по всем x, чтобы обрезать любые невозможные интервалы, а затем выполнение другого линейного поиска через оставшиеся y, вы можете уменьшить свою общую работу. Хотя это все еще O (n), без этого вы бы делали 2n сравнения, тогда как в среднем вы делали бы это (3n-1) / 2 таким образом.
Я считаю, что это лучший вы можете сделать для несортированного списка.
Случай: предварительная сортировка не считается
В случае, когда вы будете повторно сравнивать отдельные интервалы с этот список интервалов и ваш предварительный сортировка списка, вы можете добиться лучших результатов. Этот процесс все еще применяется, но, выполняя двоичный поиск в первом списке, а затем вы можете получить O (m log n) в отличие от O (mn), где m - количество сравниваемых единичных интервалов. Обратите внимание, что все еще дает вам преимущество сокращения общих сравнений. [2m log n по сравнению с m (3 (log n) - 1) / 2]
Мне удалось выполнить преобразование для разрешения 640x480 следующим образом:
BufferedImage image = new BufferedImage(640,480,BufferedImage.TYPE_BYTE_INDEXED);
int i = 0;
for(int y = 0; y < 480; y++)
{
for(int x = 0; x < 640; x++)
{
int g = imageBytes[i++] & 0xFF;
image.setRGB(x,y,new Color(g,g,g).getRGB());
}
}
EDIT: удален бесполезный код (спасибо Marco13)
Есть два хороших способа сделать это, в зависимости от вашего варианта использования.
Либо создайте новое, серое изображение, и скопируйте в него данные. Это будет держать изображение «управляемым», что может привести к лучшей производительности рендеринга (т.е. на экране). Но для этого потребуется вдвое больше памяти и скопировать данные из вашего ввода в изображение.
Другой способ - создать серое изображение непосредственно «вокруг» существующих данных пикселей. Это будет быстрее и практически не использует лишнюю кучу, поскольку позволяет избежать копирования данных пикселей. Но изображение не будет управляемым (так как резервный массив открыт и изменчив).
Обе опции показаны ниже:
int w = 640;
int h = 480;
byte[] imageBytes = new byte[w * h];
// 1 Keeps the image "managed" at the expense of twice the memory + a large array copy
BufferedImage image = new BufferedImage(w, h, BufferedImage.TYPE_BYTE_GRAY);
image.getRaster().setDataElements(0, 0, w, h, imageBytes);
System.out.println("image: " + image);
// 2 Faster, and uses less memory, but will make the image "unmanaged"
ColorModel cm = new ComponentColorModel(ColorSpace.getInstance(ColorSpace.CS_GRAY), false, false, Transparency.OPAQUE, DataBuffer.TYPE_BYTE);
WritableRaster raster = Raster.createInterleavedRaster(new DataBufferByte(imageBytes, imageBytes.length), w, h, w, 1, new int[]{0}, null);
BufferedImage image2 = new BufferedImage(cm, raster, cm.isAlphaPremultiplied(), null);
System.out.println("image2: " + image2);
Если данные изображения не находятся в линейном пространстве серого цвета, можно использовать IndexColorModel
для отображения входных данных в любой диапазон, который вы хотите: [117 ]
// Alternate, using IndexColorModel, if your input isn't in linear gray color space
int[] cmap = new int[256]; // TODO: Add ARGB packed colors here...
IndexColorModel icm = new IndexColorModel(8, 256, cmap, 0, false, -1, DataBuffer.TYPE_BYTE);
// As 1
BufferedImage image3 = new BufferedImage(w, h, BufferedImage.TYPE_BYTE_INDEXED, icm);
image3.getRaster().setDataElements(0, 0, w, h, imageBytes);
System.out.println("image3: " + image3);
// As 2
BufferedImage image4 = new BufferedImage(icm, raster, cm.isAlphaPremultiplied(), null);
System.out.println("image4: " + image4);