二叉树

解决一条线上所有点的聚合问题，比如一条线段最左端值为0，最右端值为10000，有1000个点随机分布在线段上。我们要把这些点最密集的区域挑出来，将其合并为1个带权值的点，就可以用到二叉树的合并算法。

四叉树

解决平面上点聚合的问题，比如地图上有10000个随机点，要生成这些点的热力图，就可以用到四叉树算法。

八叉树

解决空间上点聚合的问题，比如长宽高分别为100的的立方体上随机分布着10000个点，我们可以使用八叉树算法把最密集的区域调出来，用指定数量的点来代表他们。 对应到1个非常具体的场景就给一张图片，通过算法挑出它主色调，生成指定颜色数量的配色方案

八叉树算法也是在颜色量化中比较常见的，主要思路是将R、G、B通道的数值做二进制转换后逐行放下，可得到八列数字。如 #FF7880转换后为

R: 1111 1111
G: 0111 1000
B: 0000 0000

再将RGB通道逐列粘合，可以得到8个数字，即为该颜色在八叉树中的位置，如图。

在将所有颜色插入之后，再进行合并运算，直到得到所需要的颜色数量为止。

在实际操作中，由于需要对图像像素进行遍历后插入八叉树中，并且插入过程有较多的递归操作，所以比中位切分法要消耗更长的时间。

中位切分法

以上几种树所解决的聚合问题，也可以用中位切分法更高效地实现