CN103414903A - Bayer格式图像的压缩方法及装置 - Google Patents

Abstract

本发明涉及一种Bayer格式图像的压缩方法，包括：S1.对采集到的所述Bayer格式图像像素按照R-G1-G2-B空间进行分类并重新排列成三维矩阵；S2.对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；S3.对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据。本发明的图像压缩方法，利用了Bayer格式图像在颜色空间的特点，在低算法复杂度和高还原图像质量的前提下，能够提供很高的图像压缩比；因此，本发明为医学影像的获得及处理提供了有力的技术支持。

Description

Bayer格式图像的压缩方法及装置

技术领域

本发明涉及医学影像处理技术领域，特别涉及一种Bayer格式图像的压缩方法及装置。

背景技术

无线内窥镜***是用于在生物体腔内采集图像的重要***，它的出现不仅给胃肠道的检查带来了极大方便，同时还消除了接受检查的患者的痛苦，并且可以检查常规内窥镜无法检查的小肠部位。

在无线内窥镜***中，图像压缩技术可以有效地提高***的性能，例如，提高图像采集的帧率以及降低体内***的功耗等等。现有的应用于静态图像压缩的技术主要包括以下两类：一、无损/准无损图像压缩，该类静态图像压缩方法能够提供较高的还原图像质量，但其压缩比较低；二、基于分块变换、量化以及熵编码的有损图像压缩方法，该类静态图像压缩方法可提供较高的图像压缩比。虽然一定程度上提高了图像压缩比，但是与此同时，***运算复杂度高，还原图像有可能引入块效应，受到还原图像的主观质量要求的限制，压缩比还不够高。

一般的内窥镜***中都只是按照自然图像的压缩方法来进行压缩，却没有很好地利用生物体腔内图像RGB三个颜色通道间具有相关性的特点。生物体腔内的图像颜色一致性比较强，在颜色空间中分布比较集中，各颜色分量之间存在较强的相关性。这说明这种图像比一般的自然图像存在更多的冗余，有提高压缩比的可能。

综上所述，一种既能够保证还原图像的主观质量，又能够充分利用内窥镜图像特点提供较高的图像压缩比的静态图像压缩方法是亟待提供的。

发明内容

（一）要解决的技术问题

本发明的目的在于提供一种Bayer格式图像的压缩方法及装置，利用Bayer格式图像在颜色空间的特点，在低算法复杂度和高还原图像质量的前提下，能够提供更高的图像压缩比。

（二）技术方案

本发明提供了一种Bayer格式图像的压缩方法，包括：S1.对采集到的所述Bayer格式图像像素按照R-G1-G2-B空间进行分类并重新排列成三维矩阵；S2.对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；S3.对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据。

优选地，所述步骤S1包括：S101.依据颜色空间对采集到的所述Bayer格式图像像素进行分类，分为R、G1、G2、B四个部分；S102.以每个部分的像素为一个图层，在垂直于图层的方向上进行堆叠，形成三维矩阵。

优选地，所述步骤S2包括：S201.对重新排列得到的所述三维矩阵分块，以L×L×H的方块为单元进行三维正交变换得到所述频率系数矩阵，其中L为图层平面像素行数或列数，H为垂直图层平面的像素个数。

优选地，L=H=4，或L=8、H=4，所述正交变换为离散余弦变换以及整数变换中的一种或多种。

优选地，对于，L=H=4情况所述三维正交变换的表达式为：

$F(u,v,w)=\underset{k=1}{\overset{4}{\mathrm{\Σ}}}\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}I(i,j,k)\×M_x(u,i)\×M_y(v,j)\×M_z(w,k)$

其中，M_x、M_y、M_z表示变换矩阵。

优选地，对于所述方块为4×4×4情况，所述整数变换的变换矩阵为：

$M_x=M_y=\left[\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right]$

$M_z=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& 0& 0& -1\\ 1& -1& -1& 1\\ 0& -1& 1& 0\end{array}\right].$

优选地，所述步骤S3包括：S301.依据预设的量化表矩阵对所述频率系数矩阵进行量化处理，设频率系数矩阵为F，量化结果为F_Q，量化表矩阵为Q，“⊙”代表矩阵对应位置的元素相除，量化的表达式为：F_Q=F⊙Q；S302.将量化处理后的三维频率系数矩阵编排为一维向量；S303.对照熵编码表对所述一维向量进行熵编码；S304.将熵编码后的频率系数矩阵组成帧数据。

优选地，所述量化表矩阵为：

$Q\left(1\right)=\left[\begin{array}{cccc}64& 64& 128& 128\\ 64& 256& 256& 512\\ 128& 256& 512& 512\\ 128& 512& 512& 512\end{array}\right]$

$Q\left(2\right)=\left[\begin{array}{cccc}64& 64& 128& 256\\ 64& 256& 512& 512\\ 128& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

$Q\left(3\right)=\left[\begin{array}{cccc}64& 128& 256& 256\\ 128& 512& 512& 512\\ 256& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

$Q\left(4\right)=\left[\begin{array}{cccc}64& 256& 256& 256\\ 256& 512& 512& 512\\ 256& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

其中，Q(i)表示Q的第i层，i=1,2,3,4。

优选地，将三维频率系数矩阵矩阵各分量按照频率分量越低，排序位置越靠前的原则，编排为一维向量；对于述方块为4×4×4情况，设F_Q（i,j,k）代表F_Q的第i行，第j列，第k层元素，其优选的排序方式为：

[F_Q（1,1,1）,F_Q（1,1,2）,F_Q（1,1,3）,F_Q（1,2,1）,F_Q（2,1,1,）,F_Q（1,2,2）,F_Q（2,1,2）F_Q（1,3,1），F_Q（2,2,1）,F_Q（3,1,1），F_Q（1,1,4）,F_Q（1,2,3）,F_Q（2,1,3）,F_Q（1,3,2）,F_Q（2,2,2）,F_Q（3,1,2）,F_Q（1,4,1）,F_Q（2,3,1）,F_Q（3,2,1）,F_Q（4,1,1）,F_Q（1,2,4）,F_Q（2,1,4）,F_Q（1,3,3）,F_Q（2,2,3）,F_Q（3,1,3）,F_Q（1,4,2）,F_Q（2,3,2）,F_Q（3,2,2），F_Q（4,1,2）,F_Q（2,4,1）,F_Q（3,3,1）,F_Q（4,2,1）,F_Q（1,3,4）,F_Q（2,2,4）,F_Q（3,1,4）,F_Q（1,4,3）,F_Q（2,3,3）,F_Q（3,2,3）,F_Q（4,1,3）F_Q（2,4,2），F_Q（3,3,2）,F_Q（4,2,2）,F_Q（3,4,1）,F_Q（4,3,1）,F_Q（1,4,4）,F_Q（2,3,4）,F_Q（3,2,4）,F_Q（4,1,4）,F_Q（2,4,3）,F_Q（3,3,3）,F_Q（4,2,3）,F_Q（3,4,2）,F_Q（4,3,2）,F_Q（4,4,1）,F_Q（2,4,4）,F_Q（3,3,4）,F_Q（4,2,4）,F_Q（3,4,3）,F_Q（4,3,4）,F_Q（4,4,2）,F_Q（3,4,4）,F_Q（4,3,4）,F_Q（4,4,3）,F_Q（4,4,4）]。

本发明还提供了一种Bayer格式图像的压缩装置，包括：第一单元，用于对采集到的所述Bayer格式图像像素进行分类并重新排列成三维矩阵；第二单元，用于对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；第三单元，用于对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据。

（三）有益效果

本发明的一种Bayer格式图像的压缩方法首先对图像数据进行颜色空间的分类和重新排列成3维矩阵，其次得到重排矩阵的3维正交变换的频率系数矩阵，然后，重新编排量化处理后的频率系数矩阵并对其进行熵编码，最后解码由熵编码后的频率系数矩阵组成的帧数据并重构图像。本发明的图像压缩方法，利用了Bayer格式图像在颜色空间的特点，在低算法复杂度和高还原图像质量的前提下，能够提供很高的图像压缩比；因此，本发明为医学影像的获得及处理提供了有力的技术支持。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用附图简单地介绍显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是bayer图像进行颜色空间的分类和重新排列成3维矩阵的过程示意图；

图2是本发明的一种Bayer格式图像的压缩方法的流程示意图。

具体实施方式

为了使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图2所示，本发明提供的一种Bayer格式图像的压缩方法，主要包括以下步骤：

S1.对采集到的所述Bayer格式图像像素按照R-G1-G2-B空间进行分类并重新排列成三维矩阵；该步骤主要包括：

S101.依据颜色空间对采集到的所述Bayer格式图像像素进行分类，分为R、G1、G2、B四个部分；本实施例中以bayer图像的R-G1-G2-B(Red、Green1、Green2、Blue，红绿蓝)四色空间为依据进行分类举例说明：获取初始图像的数据，初始图像数据是以R-G-B色彩模式表示的图像数据，在2×2的重复单元中每一像素包含一个数值，表示该像素的红（R）、绿（G）、蓝（B）三原色中其中一种的取值，其中G有两个，分布称为G1、G2以示区分。通常情况下，图像的R、G1、G2、B值均由8位或更多位的无符号数表示；然后以R-G1-G2-B四色空间为依据对整个原始图像的像素进行分类；

S102.以每个部分的像素为一个图层，在垂直于图层的方向上进行堆叠，形成三维矩阵，如图1所示。

S2.对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；该步骤主要包括：

S201.对重新排列得到的所述三维矩阵分块，以L×L×H的方块为单元进行三维正交变换得到所述频率系数矩阵，其中L为图层平面像素行数或列数，H为垂直图层平面的像素个数，例如以为4×4×4个像素或8×8×4个像素为一个单元；本实施例中以4×4×4个像素为一个单元为例进行说明，当原始图像的长或宽或高不是4的整数倍时，应先将其补足以满足转换要求，补足的像素的值可以取相邻边缘像素的值；其中，所述正交变换为离散余弦变换以及整数变换中的一种或多种；本实施例中以整数变换为例进行说明；具体为：设上述4×4×4像素单元为I，I（i,j,k）表示I中的第i行，第j列，第k层的元素；变换结果为F，F（i,j,k）表示F中的第i行，第j列，第k层的元素。变换形式如式（1）所示，其中变换矩阵M_x、M_y、M_z如式（2）、（3）所示：

$F(u,v,w)=\underset{k=1}{\overset{4}{\mathrm{\Σ}}}\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}I(i,j,k)\×M_x(u,i)\×M_y(v,j)\×M_z(w,k)---\left(1\right)$

采用矩阵运算的话可以分为两步，D表示中间数据，同样为三维矩阵；M^T为M的转置矩阵。

首先对I中沿水平方向的每一层做二维正交变换，I(:,:,k)表示I中的第k层，k=1,2,3,4

D(:,:,k)=M_xI(:,:,k)M_y ^T

然后沿着纵轴把D切分为4部分，沿着纵轴方向再做一次一维正交变换。切割的方向可以沿着yz平面或者xz平面切割，把D分为D(i,:,:)或者D(:,j,:)四部分，其中i=1,2,3,4或者j=1,2,3,4

F(i,:,:)=M_zD(i,:,:)或者F(:,j,:)=M_zD(:,j,:)

本实施例中优选的变换矩阵：

$M_x=M_y=\left[\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right]---\left(2\right)$

$M_z=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& 0& 0& -1\\ 1& -1& -1& 1\\ 0& -1& 1& 0\end{array}\right]---\left(3\right)$

S3.对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据；该步骤主要包括：

S301.依据预设的量化表矩阵对所述频率系数矩阵F进行量化处理，设量化结果为F_Q，则可表示为式（4），“⊙”代表矩阵对应位置的元素相除，其中量化表矩阵为Q，Q同样为一个三维矩阵，本实施例优选的Q如式（5）所示；

F_Q=F⊙Q                       （4）

Q(i)表示Q的第i层

$Q\left(1\right)=\left[\begin{array}{cccc}64& 64& 128& 128\\ 64& 256& 256& 512\\ 128& 256& 512& 512\\ 128& 512& 512& 512\end{array}\right]$

$Q\left(2\right)=\left[\begin{array}{cccc}64& 64& 128& 256\\ 64& 256& 512& 512\\ 128& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

$Q\left(3\right)=\left[\begin{array}{cccc}64& 128& 256& 256\\ 128& 512& 512& 512\\ 256& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

$Q\left(4\right)=\left[\begin{array}{cccc}64& 256& 256& 256\\ 256& 512& 512& 512\\ 256& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]---\left(5\right)$

S302.对量化后的频率系数矩阵F_Q进行重新编排，由矩阵形式变成一维向量形式；其变换规则如下，设F_Q（i,j,k）代表F_Q的第i行，第j列，第k层元素；则形成的一维向量如式（6）所示：

[F_Q（1,1,1）,F_Q（1,1,2）,F_Q（1,1,3）,F_Q（1,2,1）,F_Q（2,1,1,）,F_Q（1,2,2）,F_Q（2,1,2）F_Q（1,3,1），F_Q（2,2,1）,F_Q（3,1,1），F_Q（1,1,4）,F_Q（1,2,3）,F_Q（2,1,3）,F_Q（1,3,2）,F_Q（2,2,2）,F_Q（3,1,2）,F_Q（1,4,1）,F_Q（2,3,1）,F_Q（3,2,1）,F_Q（4,1,1）,F_Q（1,2,4）,F_Q（2,1,4）,F_Q（1,3,3）,F_Q（2,2,3）,F_Q（3,1,3）,F_Q（1,4,2）,F_Q（2,3,2）,F_Q（3,2,2），F_Q（4,1,2）,F_Q（2,4,1）,F_Q（3,3,1）,F_Q（4,2,1）,F_Q（1,3,4）,F_Q（2,2,4）,F_Q（3,1,4）,F_Q（1,4,3）,F_Q（2,3,3）,F_Q（3,2,3）,F_Q（4,1,3）F_Q（2,4,2），F_Q（3,3,2）,F_Q（4,2,2）,F_Q（3,4,1）,F_Q（4,3,1）,F_Q（1,4,4）,F_Q（2,3,4）,F_Q（3,2,4）,F_Q（4,1,4）,F_Q（2,4,3）,F_Q（3,3,3）,F_Q（4,2,3）,F_Q（3,4,2）,F_Q（4,3,2）,F_Q（4,4,1）,F_Q（2,4,4）,F_Q（3,3,4）,F_Q（4,2,4）,F_Q（3,4,3）,F_Q（4,3,4）,F_Q（4,4,2）,F_Q（3,4,4）,F_Q（4,3,4）,F_Q（4,4,3）,F_Q（4,4,4）]（6）

S303.对照相应的熵编码表对所述一维向量中的每个元素进行熵编码。4*4*4的小块变成一维向量之后共有64个元素。

其中前三个元素采用huffman编码中的DC编码，不同的分块之间的系数先做差分预处理得到预测误差。以第一个元素为例，假设图像共分为n小块，把每一个小块的第一个系数排成一列得到

F₁=[F₁(1),F₁(2),F₁(3)，……F₁(n)]

做差分预处理后得到预测误差D₁：

然后对预测误差D₁(n)中每一个系数来进行熵编码（编码的原理和JPEG图像编码一样）。每个系数可表示为[代表二进制码长度的码字,该系数的二进制码]的形式。前面一部分表示了该系数需要多长的二进制码来储存，具体的码字可以通过查询DCTAB表来得到。本实施例优选的码字见表1。

要编码的系数	二进制码长度	码字
			0	0	00
-1，1	1	010
			-3，-2，2，3	2	011
-7，...，-4，4，...，7	3	100
			-15，...，-8，8，...，15	4	101
-31,...,-16,16,...,31	5	110
			-63,...,-32,32,...,63	6	1110
-127,...，-64，64，...，127	7	11110
			-255，...，-128，128，...,255	8	111110
-511,...,-256,256,...,511	9	1111110
			-1023,...,-512,512,...,1023	10	11111110
-2047,...,-1024,1024,...,2047	11	111111110

表1DCTAB

后61个元素采用huffman编码中的AC编码（编码的原理和JPEG图像编码一样）。在每一个小块中，每个非零系数表示成[代表行程/二进制码长度的码字,该系数的二进制码]的形式。行程是指非零系数前面的0的个数。前面一部分表示了该系数前面有多少个0和该系数需要多长的二进制码来储存，具体的码字可以通过查询ACTAB表来得到。每当行程大于等于16时***一个ZRL（即16/0）表示16个连零；每个小块最后一个非零系数编码结束后***块结束符EOB（0/0）。本实施例优选的码字见表2。

行程\二进制码长度	码字
		0\0	11
0\1	00
		0\2	010
0\3	1010
		0\4	011010
0\5	01101100
		0\6	0111111001
0\7	01111110000010
		0\8	0111111000001100000011011011
0\9	0111111000001100000011011010
		0\10	0111111000001100000011011001
1\1	100
		1\2	10111
1\3	01101111
		1\4	0111111101
1\5	0111111000110
		1\6	0111111000001111
1\7	0111111000001100000011011000
		1\8	0111111000001100000011010111
1\9	0111111000001100000011010110
		1\10	0111111000001100000011010101
2\1	01100
		2\2	011011010
2\3	011111110011
		2\4	01111110000011011
2\5	0111111000001100000011010100
		2\6	0111111000001100000011010011
2\7	0111111000001100000011010010
		2\8	0111111000001100000011010001
2\9	0111111000001100000011010000
		2\10	0111111000001100000011001111

3\1	10110
		3\2	0110110111
3\3	011111100000010
		3\4	011111100000110000000
3\5	0111111000001100000011001110
		3\6	0111111000001100000011001101
3\7	0111111000001100000011001100
		3\8	0111111000001100000011001011
3\9	0111111000001100000011001010
		3\10	0111111000001100000011001001
4\1	011110
		4\2	01111111000
4\3	0111111000001110
		4\4	0111111000001100000011001000
4\5	0111111000001100000011000111
		4\6	0111111000001100000011000110
4\7	0111111000001100000011000101
		4\8	0111111000001100000011000100
4\9	0111111000001100000011000011
		4\10	0111111000001100000011000010
5\1	011101
		5\2	011111110010
5\3	0111111000001100011
		5\4	0111111000001100000011000001
5\5	0111111000001100000011000000
		5\6	0111111000001100000010111111
5\7	0111111000001100000010111110
		5\8	0111111000001100000010111101
5\9	0111111000001100000010111100
		5\10	0111111000001100000010111011
6\1	0111000
		6\2	011111100010
6\3	011111100000110101
		6\4	0111111000001100000010111010
6\5	0111111000001100000010111001
		6\6	0111111000001100000010111000
6\7	0111111000001100000010110111
		6\8	0111111000001100000010110110
6\9	0111111000001100000010110101
		6\10	0111111000001100000010110100
7\1	0111110
		7\2	01111110000000
7\3	01111110000011000101

7\4	0111111000001100000010110011
		7\5	0111111000001100000010110010
7\6	0111111000001100000010110001
		7\7	0111111000001100000010110000
7\8	0111111000001100000010101111
		7\9	0111111000001100000010101110
7\10	0111111000001100000010101101
		8\1	01101110
8\2	0111111000111
		8\3	0111111000001100000010101100
8\4	0111111000001100000010101011
		8\5	0111111000001100000010101010
8\6	0111111000001100000010101001
		8\7	0111111000001100000010101000
8\8	0111111000001100000010100111
		8\9	0111111000001100000010100110
8\10	0111111000001100000010100101
		9\1	01110011
9\2	011111100000011
		9\3	01111110000011000100
9\4	0111111000001100000010100100
		9\5	0111111000001100000010100011
9\6	0111111000001100000010100010
		9\7	0111111000001100000010100001
9\8	0111111000001100000010100000
		9\9	0111111000001100000010011111
9\10	0111111000001100000010011110
		10\1	011100101
10\2	011111100000110011
		10\3	0111111000001100000010011101
10\4	0111111000001100000010011100
		10\5	0111111000001100000010011011
10\6	0111111000001100000010011010
		10\7	0111111000001100000010011001
10\8	0111111000001100000010011000
		10\9	0111111000001100000010010111
10\10	0111111000001100000010010110
		11\1	011111111
11\2	011111100000110010
		11\3	0111111000001100000010010101
11\4	0111111000001100000010010100
		11\5	0111111000001100000010010011
11\6	0111111000001100000010010010

11\7	0111111000001100000010010001
		11\8	0111111000001100000010010000
11\9	0111111000001100000010001111
		11\10	0111111000001100000010001110
12\1	011100100
		12\2	011111100000110100
12\3	0111111000001100000010001101
		12\4	0111111000001100000010001100
12\5	0111111000001100000010001011
		12\6	0111111000001100000010001010
12\7	0111111000001100000010001001
		12\8	0111111000001100000010001000
12\9	0111111000001100000010000111
		12\10	0111111000001100000010000110
13\1	0111111011
		13\2	01111110000011000011
13\3	0111111000001100000010000101
		13\4	0111111000001100000010000100
13\5	0111111000001100000010000011
		13\6	0111111000001100000010000010
13\7	0111111000001100000010000001
		13\8	0111111000001100000010000000
13\9	011111100000110000001111111
		13\10	011111100000110000001111110
14\1	0110110110
		14\2	01111110000011000010
14\3	011111100000110000001111101
		14\4	011111100000110000001111100
14\5	011111100000110000001111011
		14\6	011111100000110000001111010
14\7	011111100000110000001111001
		14\8	011111100000110000001111000
14\9	011111100000110000001110111
		14\10	011111100000110000001110110
15\1	011111100001
		15\2	01111110000011000001
15\3	011111100000110000001110101
		15\4	011111100000110000001110100
15\5	011111100000110000001110011
		15\6	011111100000110000001110010
15\7	011111100000110000001110001
		15\8	011111100000110000001110000
15\9	011111100000110000001101111

15\10	011111100000110000001101110
		16\0	0111111010

表2ACTAB

S304.将熵编码后的频率系数矩阵组成帧数据，整个压缩过程结束。

应用本发明的图像压缩方法对Bayer格式图像（本实施例中是无线胶囊内窥镜图像）进行处理，可以得到94%的图像压缩比率

重构图像客观质量可达到41.6dB，且重构图像内不存在块效应；而目前为止其他应用于Bayer格式图像的压缩方法，在同样的图像质量情况下，压缩比率仅为89%，本发明的压缩方法通过利用图像颜色空间的相关性，使得压缩比率有明显得提高，压缩后的数据减少40%以上。因此，本发明的图像压缩方法，在低算法复杂度和高还原图像质量的前提下，能够提供很高的图像压缩比。

本发明还提供了一种Bayer格式图像的压缩装置，包括：第一单元，用于对采集到的所述Bayer格式图像像素进行分类并重新排列成三维矩阵；第二单元，用于对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；第三单元，用于对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据。

本领域普通技术人员可以理解：实现上述实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最用应说明的是：以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中的部分技术特征进行等同替换；而这些修改或者替换，并不时相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种Bayer格式图像的压缩方法，其特征在于，包括：

S1.对采集到的所述Bayer格式图像像素按照R-G1-G2-B空间进行分类并重新排列成三维矩阵；

S2.对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；

S3.对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据。

2.如权利要求1所述的方法，其特征在于，所述步骤S1包括：

S101.依据颜色空间对采集到的所述Bayer格式图像像素进行分类，分为R、G1、G2、B四个部分；

S102.以每个部分的像素为一个图层，在垂直于图层的方向上进行堆叠，形成三维矩阵。

3.如权利要求1或2所述的方法，其特征在于，所述步骤S2包括：

S201.对重新排列得到的所述三维矩阵分块，以L×L×H的方块为单元进行三维正交变换得到所述频率系数矩阵，其中L为图层平面像素行数或列数，H为垂直图层平面的像素个数。

4.如权利要求3所述的方法，其特征在于，L=H=4，或L=8、H=4，所述正交变换为离散余弦变换以及整数变换中的一种或多种。

5.如权利要求4所述的方法，其特征在于，对于，L=H=4情况所述三维正交变换的表达式为：

$F(u,v,w)=\underset{k=1}{\overset{4}{\mathrm{\Σ}}}\underset{j=1}{\overset{4}{\mathrm{\Σ}}}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}I(i,j,k)\×M_x(u,i)\×M_y(v,j)\×M_z(w,k)$

其中，M_x、M_y、M_z表示变换矩阵。

6.如权利要求4所述的方法，其特征在于，对于所述方块为4×4×4情况，所述整数变换的变换矩阵为：

$M_x=M_y=\left[\begin{array}{cccc}1& 1& 1& 1\\ 2& 1& -1& -2\\ 1& -1& -1& 1\\ 1& -2& 2& -1\end{array}\right]$

$M_z=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& 0& 0& -1\\ 1& -1& -1& 1\\ 0& -1& 1& 0\end{array}\right].$

7.如权利要求1或2所述的方法，其特征在于，所述步骤S3包括：

S301.依据预设的量化表矩阵对所述频率系数矩阵进行量化处理，设频率系数矩阵为F，量化结果为F_Q，量化表矩阵为Q，“⊙”代表矩阵对应位置的元素相除，量化的表达式为：F_Q=F⊙Q；

S302.将量化处理后的三维频率系数矩阵编排为一维向量；

S303.对照熵编码表对所述一维向量进行熵编码；

S304.将熵编码后的频率系数矩阵组成帧数据。

8.如权利要求7所述的方法，其特征在于，所述量化表矩阵为：

$Q\left(1\right)=\left[\begin{array}{cccc}64& 64& 128& 128\\ 64& 256& 256& 512\\ 128& 256& 512& 512\\ 128& 512& 512& 512\end{array}\right]$

$Q\left(2\right)=\left[\begin{array}{cccc}64& 64& 128& 256\\ 64& 256& 512& 512\\ 128& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

$Q\left(3\right)=\left[\begin{array}{cccc}64& 128& 256& 256\\ 128& 512& 512& 512\\ 256& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

$Q\left(4\right)=\left[\begin{array}{cccc}64& 256& 256& 256\\ 256& 512& 512& 512\\ 256& 512& 512& 512\\ 256& 512& 512& 512\end{array}\right]$

其中，Q(i)表示Q的第i层，i=1,2,3,4。

9.如权利要求7所述的方法，其特征在于，将三维频率系数矩阵矩阵各分量按照频率分量越低，排序位置越靠前的原则，编排为一维向量；对于述方块为4×4×4情况，设F_Q（i,j,k）代表F_Q的第i行，第j列，第k层元素，其优选的排序方式为：

[F_Q（1,1,1）,F_Q（1,1,2）,F_Q（1,1,3）,F_Q（1,2,1）,F_Q（2,1,1,）,F_Q（1,2,2）,F_Q（2,1,2）F_Q（1,3,1），F_Q（2,2,1）,F_Q（3,1,1），F_Q（1,1,4）,F_Q（1,2,3）,F_Q（2,1,3）,F_Q（1,3,2）,F_Q（2,2,2）,F_Q（3,1,2）,F_Q（1,4,1）,F_Q（2,3,1）,F_Q（3,2,1）,F_Q（4,1,1）,F_Q（1,2,4）,F_Q（2,1,4）,F_Q（1,3,3）,F_Q（2,2,3）,F_Q(3,1,3）,F_Q（1,4,2）,F_Q（2,3,2）,F_Q（3,2,2），F_Q（4,1,2）,F_Q（2,4,1）,F_Q（3,3,1）,F_Q（4,2,1）,F_Q（1,3,4）,F_Q（2,2,4）,F_Q（3,1,4）,F_Q（1,4,3）,F_Q（2,3,3）,F_Q（3,2,3）,F_Q（4,1,3）F_Q（2,4,2），F_Q（3,3,2）,F_Q（4,2,2）,F_Q（3,4,1）,F_Q（4,3,1）,F_Q（1,4,4）,F_Q（2,3,4）,F_Q（3,2,4）,F_Q（4,1,4）,F_Q（2,4,3）,F_Q（3,3,3）,F_Q（4,2,3）,F_Q（3,4,2）,F_Q（4,3,2）,F_Q（4,4,1）,F_Q（2,4,4）,F_Q（3,3,4）,F_Q（4,2,4）,F_Q（3,4,3）,F_Q（4,3,4）,F_Q（4,4,2）,F_Q（3,4,4）,F_Q（4,3,4）,F_Q（4,4,3）,F_Q（4,4,4）]。

10.一种Bayer格式图像的压缩装置，其特征在于，包括：

第一单元，用于对采集到的所述Bayer格式图像像素进行分类并重新排列成三维矩阵；

第二单元，用于对重新排列的所述三维矩阵进行三维正交变换得到频率系数矩阵；

第三单元，用于对所述频率系数矩阵进行量化处理，然后重新编排量化处理后的频率系数矩阵并对其进行熵编码，组成帧数据。

Images