CN103002282B - 一种颜色数目自适应决策方法和图像压缩方法 - Google Patents
一种颜色数目自适应决策方法和图像压缩方法 Download PDFInfo
- Publication number
- CN103002282B CN103002282B CN201210455329.8A CN201210455329A CN103002282B CN 103002282 B CN103002282 B CN 103002282B CN 201210455329 A CN201210455329 A CN 201210455329A CN 103002282 B CN103002282 B CN 103002282B
- Authority
- CN
- China
- Prior art keywords
- color
- image
- distortion
- quantization
- given
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明提供了一种颜色数目自适应决策方法和图像压缩方法,涉及数字信号处理技术领域。该颜色数目自适应决策方法包括以下步骤:从给定初始较小的颜色数目开始进行搜索;计算对应的图像量化失真和失真变化率;当图像量化失真或失真变化率小于设定阀值时或者颜色数目超过给定的最大颜色数目,其对应的颜色数目为最终量化所需颜色数目。该图像压缩方法,包括以下步骤:首先利用颜色数目自适应决策方法得到给定图像的合理颜色数目;接着利用颜色自适应量化算法将图像量化为给定的颜色数目;最后采用PNG压缩算法对图像进行压缩。本发明具有压缩效率高等优点。
Description
技术领域
本发明涉及数字信号处理技术领域,尤其涉及一种颜色数目自适应决策方法和图像压缩方法。
背景技术
PNG(Portable Network Graphics)图像是目前网络中最流行的图片格式之一,它是一种一种无损压缩格式,支持灰度和真彩色以及索引图像三种颜色类型,同时支持ɑ通道。对于灰度图像,它可以支持1,2,4,8或者16比特图像;对于彩色图像,他可以支持8或16比特的图像。使用索引图像压缩时,它可以支持多达256种颜色的彩色图像。然而,由于PNG图像是一种无损压缩算法,压缩比不高,一般在4:1~5:1左右。以256x256大小的24位真彩色图像为例,如果不经过压缩每张图片大约需要192KB,采用PNG压缩后大约为40KB左右,在目前3G室外网络环境带宽大约384kbps的条件下,需要850ms左右才能传输给用户,显然这样的传输速度无法满足用户体验的要求。尤其是对于地图图像,当用户在行车等环境下使用手机等移动终端导航时,网络效果不好,地图下载过慢,会产生很差的用户体验。因此,在兼容当前PNG图像压缩标准的前提下进一步提高压缩比,降低图片传输的数据量有助于提高网络图片传输速度,提升用户体验。
对于网络中的PNG图像,比如地图图像,用户对于图像质量的需求并不是图像无失真,一般在主观上只需要压缩图像和原始图像没有明显失真即可。因此,这种用户需求对进一步提升PNG压缩图像的压缩比提供了可行空间。常用的PNG压缩优化手段可以分为两类,第一类是PNG压缩参数的优化,即对PNG压缩算法中滤波器的选择以及滑动窗口大小等参数的选择,但是这类方法对压缩效率的提升不高,一般可以进一步降低图像文件大小大约4%左右。第二类是图像预处理算法,这种算法是对需要压缩的图像做预处理,以图像一定程度的失真换取压缩比的提升,比如图像颜色量化算法,通过降低图像颜色数目,可以提高PNG索引图像压缩过程中符号的匹配概率,进而提高压缩效率。
目前的自适应颜色量化算法主要分为两类,划分方法和聚类方法。划分的方法主要包括基于方差最小(Wu,Xiaolin"EfficientStatistical Computations for Optimal ColorQuantization",Graphics Gems II,Academic Press Professional,Inc.pp.126-133,1991),八叉树(Michael Gervautz,WernerPurgathofer,“A simple method for color quantization:octreequantization,”Graphics Gems I,Academic Press Professional,Inc.,pp.287-293,1990.),中位分割(Heckbert P."Color ImageQuantization for Frame Buffer Display",ACM SIGGRAPH ComputerGraphics,16(3),pp.297-303,1982.)等;聚类的方法主要包括K-means算法(Hideo Kasuga,Hiroaki Yamamoto and MasayukiOkamoto,“Color quantization using the fast k-meansalgorithm,”IEEE Trans.Image Process,vol.10,no.10,pp.1521–1527,Oct.2001.),minmax算法(Z.Xiang,“Color imagequantization by minimizing the maximum interclusterdistance,”ACM Transactions on Graphics,16(3)(1997),pp.260–276.),C-means算法(D.Ozdemir,L.Akarun,“Fuzzyalgorithm for color quantization of images,”PatternRecognition,35(8)(2002),pp.1785–1791.)等。一般来讲,划分的方法复杂度低,效果不如聚类方法,但是聚类方法往往复杂度较高。同时,虽然已有的自适应颜色量化算法,可以较好实现彩色图像的颜色量化,但是需要用户给定量化的数目。对于互联网中具有不同颜色数目的海量图像数据,如果用户指定颜色数目并且保证量化后的图像与原始图像主观质量无明显差异,自适应量化算法的颜色数目需要满足颜色最丰富的图像量化后没有明显失真,这就导致了这类算法所设定的颜色数目应该是在无明显失真的情况下表示颜色最丰富图像的所需的最小颜色数目。显然,对于颜色数目较少的图像,这类方法的压缩性能还存在较大的提升空间。
发明内容
本发明的目的在于提供一种颜色数目自适应决策方法和图像压缩方法,进一步提高PNG图像压缩效率。
为了达到以上目的,本发明实施例公开了一种颜色数目自适应决策方法,包括以下步骤:
从给定初始较小的颜色数目开始进行搜索;
计算对应的图像量化失真和失真变化率;
当图像量化失真或失真变化率小于设定阀值时或者颜色数目超过给定的最大颜色数目,其对应的颜色数目为最终量化所需颜色数目。
进一步,作为一种优选,搜索具体包括以下步骤:
首先,给定较小的颜色数目N0,利用已有自适应量化算法,对彩色图像进行颜色量化;
然后,增加颜色数目,每次增量为Ns,第i次量化操作时的颜色数目是Ni=N0+i*Ns,(i=0,1,2…);
每次量化操作后计算像素平均失真Di,计算两次失真的变化率Vi=Di–Di-1;
如果Vi小于给定的阈值T1或者Di小于给定阈值T2或者颜色数目Ni超过给定的最大颜色数目,那么该图像需要量化的颜色数目记作Ni,否则,继续增加量化所需的颜色数目,重新计算判定。
本发明实施例还公开了一种图像压缩方法,包括以下步骤:
首先利用颜色数目自适应决策方法得到给定图像的合理颜色数目;
接着利用颜色自适应量化算法将图像量化为给定的颜色数目;
最后采用PNG压缩算法对图像进行压缩。
进一步,作为一种优选,采用PNG压缩算法对图像进行压缩之前,对量化结果进行优化。
进一步,作为一种优选,优化包含聚类和/或空域自适应滤波。
进一步,作为一种优选,聚类为K-means聚类。
进一步,作为一种优选,对索引图像进行空域自适应滤波。
进一步,作为一种优选,空域自适应滤波的方法具体为:计算判断当前像素点是否为其所在8-邻域的极值点,如果是极值点那么对该点像素进行滤波,否则保持该位置处数值不变。
进一步,作为一种优选,极值点的滤波是利用8-邻域内的像素点值进行替换。
进一步,作为一种优选,利用该点相邻的左侧像素索引值进行替换。
本发明采用已有自适应颜色量化算法,如基于方差最小的自适应的颜色量化算法,统计图像失真与颜色数目的分布关系,利用颜色失真和失真变化率相结合的颜色数目决策准则,可以对颜色丰富程度不同的图像得到合理的颜色数目,自适应判断颜色数目,并应用到相应图像压缩方法中,提高了图像压缩效率。
附图说明
当结合附图考虑时,通过参照下面的详细描述,能够更完整更好地理解本发明以及容易得知其中许多伴随的优点,但此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,其中:
图1a-c不同颜色丰富程度的图像颜色量化后失真随着颜色数目的变化关系;
图2为基于颜色自适应量化的PNG图像压缩流程图。
具体实施方式
为使上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了实现颜色量化中图像颜色数目的自适应决策,我们首先采用已有自适应颜色量化算法,如基于方差最小的自适应的颜色量化算法,统计图像失真与颜色数目的分布关系,以3幅256x256大小的地图图像为例,其中横坐标表示颜色数目,纵坐标表示量化后图像与原始图像的失真,在这里失真是每个像素的平均失真,如图1所示,其中图1a图像颜色最多,图1b次之,图1c最少。我们可以看出:
1、随着图像颜色量化的颜色数目的增加,图像失真在逐步减小;
2、当颜色数目达到一定程度时,图像失真变化率随着颜色数目增加在减小;
我们知道当图像失真小于某一阈值时,图片主观质量可以认为是无明显差异,但是对于不同的图像,这个阈值是不同的。从图1中我们可以看到,图1c颜色数目较少,因此只需要量化到较少颜色数时图像失真就已经很小;图1a颜色丰富,需要量化为较多颜色数目时,图像失真才不明显。因此,为了有效的对不同图片决策出合理的颜色数目,我们提出了颜色失真和失真变化率相结合的颜色数目决策准则。首先,我们给定的较小的颜色数目N0,利用已有自适应量化算法,例如基于方差最小的自适应量化算法,对彩色图像进行颜色量化,然后增加颜色数目,每次增量为Ns,那么,第i次量化操作时的颜色数目是Ni=N0+i*Ns,(i=0,1,2…);每次量化操作后计算像素平均失真Di;然后,计算两次失真的变化率Vi=Di-Di-1,如果Vi小于给定的阈值T1或者Di小于给定阈值T2或者颜色数目超过设定的最大颜色数目MaxNum,那么该图像需要量化的颜色数目记作Ni,否则,继续增加量化所需的颜色数目。采用这种颜色失真与失真变化率相结合的颜色数目决策准则,并结合主观实验设定合理的阈值T1和T2,可以对颜色丰富程度不同的图像得到合理的颜色数目。
基于上述算法,我们提出了在保持主观质量无明显差异条件下,PNG图像的优化压缩方法。首先,利用上述提出的自适应颜色数目决策算法得到自适应颜色量化所需的颜色数目;之后,利用已有自适应颜色量化算法对需要压缩的图像进行预处理,得到颜色量化后的图像;接着,可以进一步利用颜色量化算法对已有量化结果进行优化,例如K-means聚类算法对颜色量化结果进行优化,同时根据需要可以对量化后的索引图像进行空域自适应滤波;最后采用PNG编码器,对处理后的图像进行无损压缩。该压缩流程图如图2所示,具体包括以下几个步骤:
S1、输入图像;
S2、图像颜色数目自适应决策;
S3、图像颜色自适应量化为N种颜色;
S4、判断是否为高压缩比模式,如果不是,则进入:S5、图像颜色聚类优化,再进入:S6、是否去噪;如果是,进行判断:S6、是否去噪,如果是,进入:S7、自适应滤波,再进入:S8、PNG压缩,否则直接进入:S8、PNG压缩。
本发明利用颜色量化失真和失真变化率来自适应决策不同图像的颜色量化数目,利用颜色自适应量化结果进行PNG图像压缩,以保证主观质量无明显失真的条件下实现图像压缩比的提升。本发明的一个具体实施方式如下:
一、颜色量化中图像颜色数目的自适应决策方法
设定颜色量化初始值N0,迭代计数初始值i=0,最大颜色数目MaxNum=256和两次迭代间颜色数目增加量Ns,以及颜色量化终止时的失真变化率阈值T1和失真阈值T2;
第一步:,采用基于方差最小的颜色量化算法,得到图像颜色量化数目为Ni=N0+i*Ns时的结果,并计算像素平均失真Di;
第二步:比较当前失真Di与T2,如果Di<T2,那么当前图像颜色量化数目为Ni,算法结束;如果Di≥T2且i>1,那么比较Vi=Di-1–Di与T1的关系,如果Vi<T1,算法结束;如果Vi≥T1,进入第三步;
第三步:迭代次数增加i=i+1,如果Ni<MaxNum,进入第二步;否则算法结束;
二、基于颜色数目自适应决策方法的PNG图像压缩方法为了兼容PNG图像压缩标准,我们通过增加图像预处理模块提出了新的PNG压缩优化方法,输入彩色图像记做I,具体实施方式如下:
第一步:利用上述颜色数目自适应决策方法得到输入彩色图像I在保证主观质量无明显失真条件下的所需的最小颜色数目,记做NI;
第二步:利用已有的自适应颜色量化算法将彩色图像I中颜色量化为NI种;
第三步:如果对压缩质量需求较高,利用已有聚类算法对第二步颜色量化结果进行优化;如果对压缩比需求较高,进入
第四步;
第四步:根据需要选择是否对索引图像进行空域自适应滤波;
第五步:利用PNG压缩算法对量化后的图像进行压缩;
按照本发明的具体实施方案,本发明可以直接应用于互联网中广泛使用的PNG图片,可以有效减少图像大小,节省传输带宽,提高用户体验。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和***的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (9)
1.一种颜色数目自适应决策方法,其特征在于,包括以下步骤:
从给定初始较小的颜色数目开始进行搜索;
计算对应的图像量化失真和失真变化率;
当图像量化失真或失真变化率小于设定阀值时或者颜色数目超过给定的最大颜色数目,其对应的颜色数目为最终量化所需颜色数目;其中,所述搜索具体为:
首先,给定较小的颜色数目N0,利用已有自适应量化算法,对彩色图像进行颜色量化;
然后,增加颜色数目,每次增量为Ns,第i次量化操作时的颜色数目是Ni=N0+i*Ns,(i=0,1,2…);
每次量化操作后计算像素平均失真Di,计算两次失真的变化率Vi=Di–Di-1;
如果Vi小于给定的阈值T1或者Di小于给定阈值T2或者颜色数目Ni超过给定的最大颜色数目,那么该图像需要量化的颜色数目记作Ni,否则,继续增加量化所需的颜色数目,重新计算判定。
2.一种图像压缩方法,其特征在于:包括以下步骤:
首先利用权利要求1所述的颜色数目自适应决策方法得到给定图像的合理颜色数目;
接着利用颜色自适应量化算法将图像量化为给定的颜色数目;
最后采用PNG压缩算法对图像进行压缩。
3.根据权利要求2所述的图像压缩方法,其特征在于:在所述采用PNG压缩算法对图像进行压缩之前,对量化结果进行优化。
4.根据权利要求3所述的图像压缩方法,其特征在于,所述优化包含聚类和/或空域自适应滤波。
5.根据权利要求4所述的图像压缩方法,其特征在于,所述聚类为K-means聚类。
6.根据权利要求4所述的图像压缩方法,其特征在于:对索引图像进行空域自适应滤波。
7.根据权利要求6所述的图像压缩方法,其特征在于,所述空域自适应滤波的方法具体为:计算判断当前像素点是否为其所在8-邻域的极值点,如果是极值点那么对该点像素进行滤波,否则保持该位置处数值不变。
8.根据权利要求7所述的图像压缩方法,其特征在于,所述极值点的滤波是利用8-邻域内的像素点值进行替换。
9.根据权利要求8所述的图像压缩方法,其特征在于,所述替换利用该点相邻的左侧像素索引值进行替换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210455329.8A CN103002282B (zh) | 2012-11-13 | 2012-11-13 | 一种颜色数目自适应决策方法和图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210455329.8A CN103002282B (zh) | 2012-11-13 | 2012-11-13 | 一种颜色数目自适应决策方法和图像压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103002282A CN103002282A (zh) | 2013-03-27 |
CN103002282B true CN103002282B (zh) | 2015-10-28 |
Family
ID=47930349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210455329.8A Active CN103002282B (zh) | 2012-11-13 | 2012-11-13 | 一种颜色数目自适应决策方法和图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103002282B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808567B (zh) * | 2014-12-30 | 2021-02-05 | 航天信息股份有限公司 | 降低png图片大小的方法及装置 |
US10511858B2 (en) * | 2016-07-13 | 2019-12-17 | Ati Technologies Ulc | Bit packing for delta color compression |
CN109819254B (zh) * | 2019-01-31 | 2022-05-03 | 深圳市战音科技有限公司 | 一种有损的图像压缩传输方法和*** |
CN117294853B (zh) * | 2023-09-26 | 2024-06-25 | 小红书科技有限公司 | 图像压缩方法、相关方法及相关装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101668107A (zh) * | 2008-09-04 | 2010-03-10 | ***通信集团公司 | 色深变换、传输色深变换后图像的方法、***和装置 |
US20100119156A1 (en) * | 2007-07-20 | 2010-05-13 | Fujifilm Corporation | Image processing apparatus, image processing method, image processing system and computer readable medium |
CN102325257A (zh) * | 2007-07-20 | 2012-01-18 | 富士胶片株式会社 | 图像处理设备和图像处理方法 |
-
2012
- 2012-11-13 CN CN201210455329.8A patent/CN103002282B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100119156A1 (en) * | 2007-07-20 | 2010-05-13 | Fujifilm Corporation | Image processing apparatus, image processing method, image processing system and computer readable medium |
CN102325257A (zh) * | 2007-07-20 | 2012-01-18 | 富士胶片株式会社 | 图像处理设备和图像处理方法 |
CN101668107A (zh) * | 2008-09-04 | 2010-03-10 | ***通信集团公司 | 色深变换、传输色深变换后图像的方法、***和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103002282A (zh) | 2013-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2831967C (en) | Image compression using sub-resolution images | |
CN109842803B (zh) | 一种图像压缩的方法及装置 | |
CN102611823B (zh) | 一种基于图片内容选择压缩算法的方法和设备 | |
CN110072119B (zh) | 一种基于深度学习网络的内容感知视频自适应传输方法 | |
US8780996B2 (en) | System and method for encoding and decoding video data | |
CN103002282B (zh) | 一种颜色数目自适应决策方法和图像压缩方法 | |
CN103636204A (zh) | 基于位预算的图像数据的选择性无损-有损压缩 | |
CN106937113A (zh) | 基于混合色度采样率的图像压缩方法和装置 | |
KR100809409B1 (ko) | 복호화 장치, 역양자화 방법 및 이들의 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체 | |
CN111726613B (zh) | 一种基于最小可觉差的视频编码优化方法 | |
CN102138158A (zh) | 统一纹理压缩框架 | |
CN110062231A (zh) | 基于多层卷积神经网络的图像压缩方法 | |
CN104023216A (zh) | 人脸视频压缩方法 | |
CN102210149B (zh) | 以位图格式对图像编码/解码的方法和装置 | |
CN111741313B (zh) | 基于图像熵k均值聚类的3d-hevc快速cu分割方法 | |
CN103313055A (zh) | 一种基于分割的色度帧内预测方法、及视频编码解码方法 | |
CN101472182A (zh) | 视觉无损视频数据压缩 | |
CN109219960B (zh) | 视频编码质量平滑度的优化方法、装置、设备及存储介质 | |
CN116416216A (zh) | 基于自监督特征提取的质量评价方法、存储介质及终端 | |
US11019366B2 (en) | Image compression and decompression using triangulation | |
CN113784147A (zh) | 一种基于卷积神经网络的高效视频编码方法及*** | |
CN116634147B (zh) | 基于多尺度特征融合的hevc-scc帧内cu快速划分编码方法及装置 | |
US11515961B2 (en) | Encoding data arrays | |
CN117241042B (zh) | 一种利用dct进行图像块分类的分形图像压缩方法及*** | |
WO2024146644A1 (en) | Method, apparatus, and medium for point cloud coding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |