1 压缩原理
要清楚 USI 的压缩原理，首先需要对图像的存储方式有一个基本的了解。USI 压缩是建立在索引色的基础上进行的。
1.1 索引图与RGB图
对于PNG图像，可以分为索引（Index）图和RGB图两种，索引图只包含固定数量的颜色，而RGB图的颜色数量是不受限制的。
RGB图的每一个象素都保存一个RGB值，代表这个象素的颜色，因此，一张RGB图有多少个象素，文件中就保存多少个RGB值。
而索引图会将其固定数量的颜色，按照顺序排列起来，作为颜色的索引保存在文件头中，被称为调色板(palette)。每一个象素只保存其颜色在调色板中的索引。
如一个32色的索引图，在文件头中保存了32个颜色，索引值从0到31。图中每一个象素只记录其颜色的索引。
因此，对于一般的PNG图，索引图文件的大小总是小于RGB图的。
1.2 行程压缩原理
当我们把一张索引图的所有象素（N个），按照从上到下，从左至右，即按行扫描的顺序排列起来的时候，我们得到一个队列。如果我们用1个字节来存储一个象素
的索引值（调色板颜色不超过256），那么数据的大小为N字节。这段数据的格式我们表示为 [I1][I2]…[In] 共 N 个。
在上面的队列中，可能会出现很多连续相同的索引值，最多的就是透明色。如果我们在每个索引值前用1个字节保存这个值连续出现的数量（最多可以表示256个
），那数据的格式变为 [C1][I1][C2][I2]…[Cm][Im] 共 M 个。那么一张256个象素的单色图的所有数据，只需要2个字节来保存。通常，我们所需的图中总
是有大片连续的颜色，包括透明色，因此按照这个格式保存的图像，其文件大小可以大大降低，这就是行程的压缩原理。
1.3 USI压缩原理
如果一张索引图的颜色数为32，那么在[C1][I1][C2][I2]…[Cm][Im] 格式中，I的数值都小于32，那么每个字节前3 bits 始终为0。为了充分利用这 3
bits，我们可以将 C 的值保存在这 3bits中，这样我们的格式变为 [G1][G2]….[Gk] 共 K 个（G的高位为数量，低位为颜色索引）。这样，对于32色的图，
每个字节最多可以保存8个象素的信息，对于64色的图，每个字节最多可以保存4个象素的信息，对于16色的图，每个字节最多可以保存16个象素的信息。
在 [G1][G2]….[Gk] 这K个字节前，再加上调色板数据和其它本图的必要信息，就得到了USI格式的文件。
conan(29842977) 15:03:01
1.1 载入文件
private void load(String file) {
try {
DataInputStream din = new DataInputStream(getClass().getResourceAsStream(file));
m_flags = din.readInt(); //格式标志
/** 读取调色板信息 */
m_count = din.readByte() & 0xff; //调色板位数
m_mask = 0xff >> (8 – m_count); //计算 取色板索引的掩码
int pal_count = din.readByte() & 0xff; //调色板数量
int pal_len = din.readByte() & 0xff; //调色板长度 即颜色数
m_pal = new int[pal_count][pal_len]; //初始化调色板容器
int pal;
//读取调色板信息
for (int i = 0; i < pal_count; i++) {
for (int j = 0; j < pal_len; j++) {
pal = din.readShort() & 0xffff;
m_pal[i][j] = (
( ( ( (pal & 0xF000) >>> 12) * (17 << 24)) & 0xFF000000) |
( ( ( (pal & 0x0F00) >>> 8) * (17 << 16)) & 0x00FF0000) |
( ( ( (pal & 0x00F0) >>> 4) * (17 << 8)) & 0x0000FF00) |
( ( ( (pal & 0x000F) * 17)))
);
}
}
/** 读取图块信息 */
m_modelCount = din.readShort() & 0xffff; //图块数量
//读取图块尺寸
if ( (m_flags & FLAG_REBUILD_SIZE) != 0) {
//基于尺寸的转换方式
m_rebuildWidth = din.readByte() & 0xff;
m_rebuildHeight = din.readByte() & 0xff;
} else if ( (m_flags & FLAG_REBUILD_MODULE) != 0) {
//基于动画model的转换方式
m_models = new byte[m_modelCount * 2];
din.read(m_models);
}
/** 读取像素数据 */
m_dataSize = din.readInt(); //像素数据大小(压缩数据)
m_data = new byte[m_dataSize];
din.read(m_data); //读取像素数据(压缩数据)
//读取每个图块数据的起始偏移量
int offset = 0;
m_dataOffset = new int[m_modelCount];
for (int i = 0; i < m_modelCount; i++) {
m_dataOffset[i] = offset;
if ( (m_flags & FLAG_16BIT_4_LEN) != 0) {
offset += din.readShort();
} else {
offset += din.readByte() & 0xff;
}
}
} catch (Exception ex) {}
}
1.2 解压缩
/******************************************
* 解压缩指定图块像素数据
* @param model_id int 图块号
* @param pal_id int 调色板号
* @return int[] 解压缩图块像素数据(ARPG值)
******************************************/
private int[] BuildRle8bFrm(int model_id, int pal_id) {
//计算解压后,像素数据的大小(图块W*图块H)
int size;
if ( (m_flags & FLAG_REBUILD_SIZE) != 0) {
size = m_rebuildWidth * m_rebuildHeight;
} else {
size = (m_models[model_id * 2] & 0xff) *
(m_models[model_id * 2 + 1] & 0xff);
}
//初始化像素buf
int[] m_bufB = new int[size];
int pal[] = m_pal[pal_id]; //获取当前调色板
int offset = m_dataOffset[model_id]; //获取压缩数据起点
//解压缩
int count, index, pos = 0;
while (pos < size) {
count = ( (m_data[offset] & 0xFF) >> m_count) + 1;
index = pal[m_data[offset] & m_mask];
offset++;
while (–count >= 0) {
m_bufB[pos++] = index;
}
}
return m_bufB;
}
/**********************************
* 获取指定图块Image
* @param model_id int 图块号
* @param pal_id int 调色板号
* @return Image 图块Image对象
**********************************/
public Image GetImage(int model_id, int pal_id) {
//获得指定图块解压数据(ARPG颜色数据)
int[] m_bufB = BuildRle8bFrm(model_id, pal_id);
//计算图块尺寸
int w, h;
if ( (m_flags & FLAG_REBUILD_SIZE) != 0) {
w = m_rebuildWidth;
h = m_rebuildHeight;
} else {
w = m_models[model_id * 2] & 0xff;
h = m_models[model_id * 2 + 1] & 0xff;
}
//生成Image图片
Image m_image = Image.createRGBImage(m_bufB, w, h, true);
m_bufB = null;
return m_image;
}
转自：http://blog.csdn.net/zykun/archive/2007/10/15/1825086.aspx