CN103700121A - 一种复合图像的压缩方法及装置 - Google Patents
一种复合图像的压缩方法及装置 Download PDFInfo
- Publication number
- CN103700121A CN103700121A CN201310745863.7A CN201310745863A CN103700121A CN 103700121 A CN103700121 A CN 103700121A CN 201310745863 A CN201310745863 A CN 201310745863A CN 103700121 A CN103700121 A CN 103700121A
- Authority
- CN
- China
- Prior art keywords
- block
- image
- text
- sub
- mixed
- 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.)
- Pending
Links
Images
Landscapes
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明适用于图像处理技术领域,提供了一种复合图像的压缩方法及装置,所述方法包括:S1、根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;S2、分别采用对应的编码方式对所述若干个分割区域进行压缩。本发明,根据复合图像包括的不同特性的信息,将复合图像分割为进行分割文本/图形分割区域和自然图像分割区域,以便于对不同分割区域采用对应的压缩方法,保证了较高的压缩比,同时也使文本/图形区域重建后的清晰可读。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种复合图像的压缩方法及装置。
背景技术
随着计算机网络的迅速发展,人们越来越关注实时的桌面图像传输技术,目前,图像传输技术广泛应用于远程教学、远程办公、网络多媒体会议和产品演示等领域。同时,基于网络的语音、文本和视频已经不能满足人们的需求,人们开始用网络去实现远程控制与监视等,利用这种图像传输技术,不但可以在当前的数字设备上与远程的其它计算机进行交互,而且还可以操控远程的计算机来解决当前资源无法解决的问题。
由于这种多屏互动的实现需要进行大量包含了文本、图形和自然图像的复合图像的传输,传输数据量很庞大,利用网络传输会引起堵塞或延时,因此进行多屏互动共享之前必须进行压缩。然而,对于复合图像不做任何处理直接进行压缩时,如果采用游程编码、赫夫曼Huffman编码和字典压缩编码等无损压缩编码方法,其自然图像区域压缩效率会非常有限;若采用联合图像专家小组(Joint Photographic Experts Group,JPEG)系列、动态图像专家组(MovingPictures Experts Group/Motin Pictures Experts Group、MPEG)等传统的有损压缩编码方法,又会在复合图像中的文本和图形区域引起文本模糊和振铃效应。因此,现有图像处理技术对复合图像的自然图像区域压缩效率非常有限,或者是根据压缩图像重建图像的文本和图形区域存在文本模糊和振铃效应。
发明内容
本发明实施例提供了一种复合图像的压缩方法及装置,旨在解决现有技术中图像压缩效率不高的技术问题。
一方面,提供一种复合图像的压缩方法,所述方法包括:
S1、根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;
S2、分别采用对应的编码方式对所述若干个分割区域进行压缩。
另一方面,提供一种复合图像的压缩装置,所述装置包括:
图像分割单元,用于根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;
压缩单元,用于分别采用对应的编码方式对所述若干个分割区域进行压缩。
在本发明实施例,根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;分别采用对应的编码方式对所述若干个分割区域进行压缩,本发明,根据复合图像包括的不同特性的信息,将复合图像分割为进行分割文本/图形分割区域和自然图像分割区域,以便于对不同分割区域采用对应的压缩方法,保证了较高的压缩比,同时也使文本/图形区域重建后的清晰可读。
附图说明
图1是本发明实施例一提供的复合图像的压缩方法的实现流程图;
图2a是本发明实施例一提供的文本/图形块的梯度直方图统计图;
图2b是本发明实施例一提供的图像块的梯度直方图统计图;
图2c是本发明实施例一提供的混合块的梯度直方图统计图;
图3a是本发明实施例一提供的网页web1的一部分和它的文本/图形块;
图3b是本发明实施例一提供的壁纸的一部分和它的图像块;
图4a是本发明实施例一提供的平滑块的灰度直方图特征示意图;
图4b是本发明实施例一提供的文本块的灰度直方图特征示意图;
图4c是本发明实施例一提供的图形块的灰度直方图特征示意图;
图4d是本发明实施例一提供的图形块的灰度直方图特征示意图;
图5a是本发明实施例一提供的壁纸示意图;
图5b是本发明实施例一提供的壁纸中的文本/图形块图;
图5c是本发明实施例一提供的壁纸中的自然图像区域图;
图5d是本发明实施例一提供的重建之后壁纸示意图;
图6是本发明实施例二提供的复合图像的压缩装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中,根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;分别采用对应的编码方式对所述若干个分割区域进行压缩。
以下结合具体实施例对本发明的实现进行详细描述:
实施例一
图1示出了本发明实施例一提供的复合图像的压缩方法的实现流程,详述如下:
在步骤S1中,根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域。
在本实施例中,所述图像特征包括颜色和灰度。所述复合图像是包括了文本、图形和自然图像信息的一类混合图像,如桌面图像、web页面。所述子块是包括若干个像素点的复合图像的子块。具体地,所述复合图像分为16*16个子块。一张连续色调的图像在其一小块区域内有大量的颜色数量,然而在文本/图形在一大块区域内只有少量的颜色数量,所以,可以根据子块内的颜色种类的不同和各像素的梯度值的不同特点分为三类:文本/图形块、图像块和混合块。
具体的,所述步骤S1具体包括:
步骤S11、将所述复合图像分成若干个子块,
具体地,用预设模板将所述复合图像分成若干个子块,其中所述预设模板可根据需要而设,本实施例中,作为优选,所述预设模板为16*16的区域块,即将所述复合图像分成若干个所述预设模板。将采集到的复合图像分为若干个子块,有利于精确地区分出复合图像的文本/图形区域和图像区域,为压缩编码提供有效的信息,同时,基于“块”的图像分类编码比基于“对象”的分类编码和基于“层”的分类编码更加简单。
步骤S12,根据颜色特征对分块后的复合图像进行划分,得到文本/图像块及第一混合块。
其中所述第一混合块包括至少两个以上所述子块,所述文本/图形块包括至少一个所述子块。本步骤是对子块根据颜色进行的粗略分类时。
本实施例中,具体地,所述步骤S12具体包括:
步骤S121、分析计算所述若干个子块中的每一个子块对应的像素的颜色种类数量;
步骤S122、将颜色种类数量小于或等于第一阈值的子块归类为文本/图形块,将大于第一阈值的子块归类为第一混合块。
具体地,所述第一阈值可根据实际情况而设,本实施例中,优选地,所述第一阈值为32。颜色种类数量N小于或等于32,则划分为文本/图形块,颜色种类数量N大于32,则为第一混合块,对于颜色种类数量N大于32的第一混合块进行步骤12。图3a示出了第一阈值为32时,web页面的一部分和它的文本/图形块,图3b示出了第一阈值为32时,桌面的一部分和它的图像块。
步骤S13,基于像素梯度将所述第一混合块进行分类,得到图像块及第二混合块。
具体地,所述第一混合块包括至少两个以上所述子块,根据像素梯度的不同,可将第一混合块划分为图像块、文本/图像块及第二混合块。由于文本/图形像素的色彩简单,纹理变化剧烈,而图像像素的色彩丰富,纹理变化较平缓,因此可根据颜色特征先将颜色减淡及纹理变化剧烈的文本/图像块区分出来,如图2a所示,文本/图形块的颜色种类较少,像素梯度值较大,如图2b所示,图像块的颜色种类丰富,像素梯度值较小,而混合块包含了文本/图形块和图像块,如图2c所示,其颜色种类丰富,且部分梯度值较大。因此,根据所述像素梯度可以将所述第一混合块分块为图像块及第二混合块。
其中,所述步骤S13具体包括:
步骤121、计算所述第一混合块中的每一个子块对应的像素梯度值;
步骤122、将小于或等于第二阈值的像素梯度值所对应的子块归类为图像块,将大于所述第二阈值的像素梯度值对应的子块归类为第二混合块。
具体地,第二阈值是图像块与混合块梯度值的分界值,优选的,所述第二阈值为128,若第一混合块内每一个像素梯度值小于128,则该第一混合块分块为图像块,否则,该第一混合块分块为第二混合块。其中,计算梯度值有两种方法:
第一种方式,根据所述第一混合块中像素的显示坐标(i,j),和图像像素值s(i,j),计算所述第一混合块的每一个子块的像素梯度值T,其中,
T=dx(i,j)*i+dy(i,j)*j;
dx(i,j)=s(i+1,j)-s(i,j);
dy(i,j)=s(i,j+1)-s(i,j);
具体地,s(i,j)是图像像素值,i、j为像素的显示坐标。
第二种方式,调用基于发行的跨平台计算机视觉库OpenCV中voidcvSobel(const CvArr*src,CvArr*dst,int xorder,int yorder,intaperture_size=3)来获取像素梯度值T,其中src:输入图像;dst输出图像;xorder:x方向上的差分阶数;yorder:y方向上的差分阶数,aperture_size扩展Sobel核的大小,必须是1,3,5或7。
步骤S14,利用灰度直方图对所述第二混合块进行分解,得到文本/图形快及图像块。
在本实施例中,所述灰度化是指去掉彩色图像中的彩色信息,只留下亮度信息,彩色图像中的每个像素的颜色由红(R)、绿(G)、蓝(B)三个分量决定,而每个分量有255个值可取,这样一个像素点可以有1600多万(255*255*255)的颜色变化范围。其中0最暗,255最亮,而在RGB色彩模型中,如果R=G=B,则颜色就表示灰度色。所述强度值是指灰度直方图中局部最大值的灰度值。
其中,所述步骤S14具体包括:
步骤S141,根据预设灰度算法对将所述第二混合块灰度化,获得所述第二混合块的灰度直方图;
具体地,所述预设灰度算法为加权平均法、平均值法、最大值法和库函数法中的任一项。其中,加权平均法具体是根据R、G、B三个分量的重要性及其指标,将三个分量以不同的权值进行加权平均。平均值法具体是获得每个像素点的R、G、B三个分量的平均值。最大值法具体是取R、G、B三个分量中的最大值。库函数法具体是调用基于发行的跨平台计算机视觉库中cvCvtColor(const CvArr*src,CvArr*dst,int code)函数来实现,其中src为原彩色图像,dst为处理后图像,code为色彩空间转换方式。
步骤S142,分析所述灰度直方图,将所述灰度直方图中强度值数量小于或等于预设值,并且该强度值周围的累计概率大于第三阈值对应的子块划分为文本/图形块,否则划分为图像块。
由于每一种灰度直方图中有多个不同的强度值,因此可计算出每一种灰度直方图中的强度值的数量,以此来作为划分的基准之一;而所述强度值周围的累计概率指的是强度值波动范围对应的累计概率。具体地,所述预设值是预设的区分文本/图形块和图像块中强度值的数量。所述第三阈值是预设的区分文本/图形块和图像块中强度值的累计概率。优选的,第三阈值为0.95。由于不同块的不同特性,其灰度直方图的特性不同,如图3所示,其中3a示出了平滑块的灰度直方图特征,平滑块为文本块的一种,3b示出了文本块的灰度直方图特征,3c示出了图形块的灰度直方图特征,3d示出了自然图像块的灰度直方图特征。根据上述四种灰度直方图的特征可知,平滑块和文本块的灰度直方图有一种或两种模式,而图形块的直方图的模式会小于4,这样,就从第二混合块中分离出了文本/图形和图像块,平滑块和文本块的提取相对来说是显而易见的,平滑块和文本块的直方图有一个或两个强度值,当子块的尺寸足够小得时候,即当强度值周围的累计概率大于第三阈值时,图形块出现四种不同强度值的可能性就很小,所以当强度值的数量不大于4,并且累计概率大于0.95为第二文本/图形块,否则,则为第二图像块。
其中,所述步骤S142具体包括:
步骤S1421,分析灰度直方图,获得强度值数量n和强度值m1,…,mn,并且分别计算强度值的概率pi,本实施例中
Pi=freq(i)/B2,
其中,i为灰度值,i的取值范围0-255,freq(i)为灰度值i的像素数量,B是指每一个子块的大小;
步骤S1422,计算强度值周围的累计概率:
步骤S1423,如果n<=4并且强度值周围的累计概率c1+c2+c3+c4>第三阈值,归为文本/图形块,否则为图像块。
在步骤S2中,分别采用对应的编码方式对所述若干个分割区域进行压缩。
在本实施例中,将步骤11、步骤12和步骤13获得文本/图形块作为所述复合图像的文本/图形分割区域,将步骤12和步骤13获得图像块作为所述复合图像的图像分割区域,图5a所示的复合图像,进行上述步骤的处理获得了文本/图像像素5b,图像像素5c,其中白色代表文本/图形块。由于知道不同分割区域的特征,具体的,分别对文本/图形块采用无损算法及对图像块采用有损算法进行压缩,如对文本/图形块采用LZW无损算法进行压缩,而对图像分割区域采用JPEG有损压缩方法,这种方法可以保证了较高的压缩比,有保证了压缩时间,同时,保证了重建图像的文本可读性,不会出现模糊,还原出来的图像更清晰,重建图像如5d所示。
本实施例,可以达到根据复合图像包括的不同特性的信息,将复合图像分割为进行分割文本/图形分割区域和自然图像分割区域,以便于对不同分割区域采用对应的压缩方法,保证了较高的压缩比,同时也使文本/图形区域重建后的清晰可读。
实施例二
图6示出了本发明实施例二提供的复合图像的压缩装置的具体结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。在本实施例中,该复合图像的压缩装置包括:图像分割单元61和压缩单元62。所述图像分割单元61包括图像分块子单元、第一分类子单元、第二分类子单元和第三分类子单元。
其中,图像分割单元61,用于根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;
压缩单元62,用于分别采用对应的编码方式对所述若干个分割区域进行压缩。
本实施例,可以达到根据复合图像包括的不同特性的信息,将复合图像分割为进行分割文本/图形分割区域和自然图像分割区域,以便于对不同分割区域采用对应的压缩方法,保证了较高的压缩比,同时也使文本/图形区域重建后的清晰可读。
进一步的,所述图像分割单元61具体包括:
图像分块子单元,用于将所述复合图像分成若干个子块;
第一分类子单元,用于基于颜色特征对所述若干个子块进行区分,得到文本/图形块及第一混合块;
第二分类子单元,用于基于像素梯度对所述第一混合块进行分类,得到图像块及第二混合块;
第三分类子单元,用于利用灰度直方图对所述第二混合块进行分解,得到文本/图形块及图像块。
进一步的,所述第一分类子单元具体用于分析计算所述若干个子块中的每一个子块对应的像素的颜色种类数量;将颜色种类数量小于或等于第一阈值的子块归类为文本/图形块,将大于第一阈值的子块归类为第一混合块。
进一步的,所述第二分类子单元具体用于计算所述第一混合块中的每一个子块对应的像素梯度值;将小于或等于第二阈值的像素梯度值所对应的子块归类为图像块,将大于所述第二阈值的像素梯度值对应的子块归类为第二混合块。
进一步的,所述第二分类子单元还具体用于根据所述第一混合块中像素的显示坐标(i,j),和图像像素值s(i,j),计算所述第一混合块的像素梯度值T,其中,
T=dx(i,j)*i+dy(i,j)*j;
dx(i,j)=s(i+1,j)-s(i,j);
dy(i,j)=s(i,j+1)-s(i,j);
具体地,s(i,j)是图像像素值,i、j为像素的显示坐标。
进一步的,所述第三分类子单元具体用于根据预设灰度算法对将所述第二混合块灰度化,获得所述第二混合块的灰度直方图;分析所述灰度直方图,将所述灰度直方图中强度值数量小于或等于预设值,并且该强度值周围的累计概率大于第三阈值对应的子块划分为文本/图形块,否则划分为图像块。
进一步的,所述压缩单元62具体用于分别对文本/图形块采用无损算法及对图像块采用有损算法进行压缩。
本发明实施例提供的复合图像的压缩装置可以应用在前述对应的方法实施例一中,主要实现过程及所带来的技术效果参见上述实施例一的描述,在此不再赘述。
值得注意的是,上述***实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种复合图像的压缩方法,其特征在于,所述方法包括:
S1、根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;
S2、分别采用对应的编码方式对所述若干个分割区域进行压缩。
2.如权利要求1所述的方法,其特征在于,所述步骤S1具体包括:
S11、将所述复合图像分成若干个子块;
S12、基于颜色特征对所述若干个子块进行区分,得到文本/图形块及第一混合块;
S13、基于像素梯度对所述第一混合块进行分类,得到图像块及第二混合块;
S14、利用灰度直方图对所述第二混合块进行分解,得到文本/图形块及图像块。
3.如权利要求2所述的方法,其特征在于,所述步骤S12具体为:
S121、分析计算所述若干个子块中的每一个子块对应的像素的颜色种类数量;
S122、将颜色种类数量小于或等于第一阈值的子块归类为文本/图形块,将大于第一阈值的子块归类为第一混合块。
4.如权利要求2所述的方法,其特征在于,所述步骤S13具体为:
S131、计算所述第一混合块中的每一个子块对应的像素梯度值;
S132、将小于或等于第二阈值的像素梯度值所对应的子块归类为图像块,将大于所述第二阈值的像素梯度值对应的子块归类为第二混合块。
5.如权利要求4所述的方法,其特征在于,所述步骤S131中计算像素梯度值具体为:
根据所述第一混合块中像素的显示坐标(i,j),和图像像素值s(i,j),计算所述第一混合块的像素梯度值T,其中,
T=dx(i,j)*i+dy(i,j)*j;
dx(i,j)=s(i+1,j)-s(i,j);
dy(i,j)=s(i,j+1)-s(i,j);
具体地,s(i,j)是图像像素值,i、j为像素的显示坐标。
6.如权利要求2所述的方法,其特征在于,所述步骤S14具体包括:
S141、根据预设灰度算法对将所述第二混合块灰度化,获得所述第二混合块的灰度直方图;
S142、分析所述灰度直方图,将所述灰度直方图中强度值数量小于或等于预设值,并且该强度值周围的累计概率大于第三阈值对应的子块划分为文本/图形块,否则划分为图像块。
7.如权利要求2至6任意一项所述的方法,其特征在于,所述步骤S2具体为:
分别对文本/图形块采用无损算法及对图像块采用有损算法进行压缩。
8.一种复合图像的压缩装置,其特征在于,所述装置包括:
图像分割单元,用于根据图像特征将复合图像进行分割,得到若干个分割区域,所述图像特征包括颜色和灰度,所述分割区域包括文本/图形区域及图像区域;
压缩单元,用于分别采用对应的编码方式对所述若干个分割区域进行压缩。
9.如权利要求1所述的压缩装置,其特征在于,所述图像分割单元具体包括:
图像分块子单元,用于将所述复合图像分成若干个子块;
第一分类子单元,用于基于颜色特征对所述若干个子块进行区分,得到文本/图形块及第一混合块;
第二分类子单元,用于基于像素梯度对所述第一混合块进行分类,得到图像块及第二混合块;
第三分类子单元,用于利用灰度直方图对所述第二混合块进行分解,得到文本/图形块及图像块。
10.如权利要求9所述的压缩装置,其特征在于,所述第一分类子单元具体用于分析计算所述若干个子块中的每一个子块对应的像素的颜色种类数量;将颜色种类数量小于或等于第一阈值的子块归类为文本/图形块,将大于第一阈值的子块归类为第一混合块。
11.如权利要求9所述的压缩装置,其特征在于,所述第二分类子单元具体用于计算所述第一混合块中的每一个子块对应的像素梯度值;将小于或等于第二阈值的像素梯度值所对应的子块归类为图像块,将大于所述第二阈值的像素梯度值对应的子块归类为第二混合块。
12.如权利要求9所述的压缩装置,其特征在于,所述第三分类子单元具体用于根据预设灰度算法对将所述第二混合块灰度化,获得所述第二混合块的灰度直方图;分析所述灰度直方图,将所述灰度直方图中强度值数量小于或等于预设值,并且该强度值周围的累计概率大于第三阈值对应的子块划分为文本/图形块,否则划分为图像块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310745863.7A CN103700121A (zh) | 2013-12-30 | 2013-12-30 | 一种复合图像的压缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310745863.7A CN103700121A (zh) | 2013-12-30 | 2013-12-30 | 一种复合图像的压缩方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103700121A true CN103700121A (zh) | 2014-04-02 |
Family
ID=50361639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310745863.7A Pending CN103700121A (zh) | 2013-12-30 | 2013-12-30 | 一种复合图像的压缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103700121A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997651A (zh) * | 2014-05-17 | 2014-08-20 | 北京中和卓远科技有限公司 | 一种合成图像的数据压缩方法及装置 |
CN105338360A (zh) * | 2014-06-25 | 2016-02-17 | 优视科技有限公司 | 图像解码方法及装置 |
CN106385592A (zh) * | 2016-08-31 | 2017-02-08 | 苏睿 | 图像压缩方法和装置 |
CN107318023A (zh) * | 2017-06-21 | 2017-11-03 | 西安万像电子科技有限公司 | 图像帧的压缩方法及装置 |
WO2017190691A1 (zh) * | 2016-05-05 | 2017-11-09 | 贵州白山云科技有限公司 | 图片压缩方法和装置 |
CN107609195A (zh) * | 2017-10-18 | 2018-01-19 | 广东小天才科技有限公司 | 一种搜题方法及装置 |
CN110110105A (zh) * | 2019-05-08 | 2019-08-09 | 中国联合网络通信集团有限公司 | 图片展示方法和设备 |
CN110505483A (zh) * | 2019-07-09 | 2019-11-26 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
WO2022021938A1 (zh) * | 2020-07-30 | 2022-02-03 | 华为技术有限公司 | 图像处理方法与装置、神经网络训练的方法与装置 |
CN115858832A (zh) * | 2023-03-01 | 2023-03-28 | 天津市邱姆预应力钢绞线有限公司 | 一种用于钢绞线生产数据存储方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1687969A (zh) * | 2005-05-12 | 2005-10-26 | 北京航空航天大学 | 基于文档图像内容分析与特征提取的文档图像压缩方法 |
CN101640744A (zh) * | 2008-07-30 | 2010-02-03 | 夏普株式会社 | 成像装置以及预览显示方法 |
-
2013
- 2013-12-30 CN CN201310745863.7A patent/CN103700121A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1687969A (zh) * | 2005-05-12 | 2005-10-26 | 北京航空航天大学 | 基于文档图像内容分析与特征提取的文档图像压缩方法 |
CN101640744A (zh) * | 2008-07-30 | 2010-02-03 | 夏普株式会社 | 成像装置以及预览显示方法 |
Non-Patent Citations (2)
Title |
---|
XIN LI等: "Block-based Segmentation and Adaptive Coding for Visually Lossless Compression of Scanned Documents", 《INTERNATIONAL CONFERENCE PROCESSING》 * |
吴婧等: "基于块分类的计算机桌面图像压缩算法", 《浙江大学学报(工学版)》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997651A (zh) * | 2014-05-17 | 2014-08-20 | 北京中和卓远科技有限公司 | 一种合成图像的数据压缩方法及装置 |
CN105338360B (zh) * | 2014-06-25 | 2019-02-15 | 优视科技有限公司 | 图像解码方法及装置 |
CN105338360A (zh) * | 2014-06-25 | 2016-02-17 | 优视科技有限公司 | 图像解码方法及装置 |
WO2017190691A1 (zh) * | 2016-05-05 | 2017-11-09 | 贵州白山云科技有限公司 | 图片压缩方法和装置 |
CN106385592A (zh) * | 2016-08-31 | 2017-02-08 | 苏睿 | 图像压缩方法和装置 |
CN106385592B (zh) * | 2016-08-31 | 2019-06-28 | 西安万像电子科技有限公司 | 图像压缩方法和装置 |
CN107318023A (zh) * | 2017-06-21 | 2017-11-03 | 西安万像电子科技有限公司 | 图像帧的压缩方法及装置 |
CN107318023B (zh) * | 2017-06-21 | 2020-12-22 | 西安万像电子科技有限公司 | 图像帧的压缩方法及装置 |
CN107609195A (zh) * | 2017-10-18 | 2018-01-19 | 广东小天才科技有限公司 | 一种搜题方法及装置 |
CN110110105A (zh) * | 2019-05-08 | 2019-08-09 | 中国联合网络通信集团有限公司 | 图片展示方法和设备 |
CN110505483A (zh) * | 2019-07-09 | 2019-11-26 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
WO2021004126A1 (zh) * | 2019-07-09 | 2021-01-14 | 西安万像电子科技有限公司 | 图像编码方法及装置 |
WO2022021938A1 (zh) * | 2020-07-30 | 2022-02-03 | 华为技术有限公司 | 图像处理方法与装置、神经网络训练的方法与装置 |
CN115858832A (zh) * | 2023-03-01 | 2023-03-28 | 天津市邱姆预应力钢绞线有限公司 | 一种用于钢绞线生产数据存储方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103700121A (zh) | 一种复合图像的压缩方法及装置 | |
CN103886623B (zh) | 一种图像压缩方法、设备及*** | |
CN109842803B (zh) | 一种图像压缩的方法及装置 | |
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 | |
CN108495135A (zh) | 一种屏幕内容视频编码的快速编码方法 | |
CN103945214A (zh) | 终端侧时间域视频质量评价方法及装置 | |
Chen et al. | Learning based facial image compression with semantic fidelity metric | |
CN110446041A (zh) | 一种视频编解码方法、装置、***及存储介质 | |
CN107657228A (zh) | 视频场景相似性分析方法及***、视频编解码方法及*** | |
CN103810681B (zh) | 一种低功耗对比度增强方法 | |
CN103606134A (zh) | 一种弱光照视频图像的增强方法 | |
Zhang et al. | Fast CU decision-making algorithm based on DenseNet network for VVC | |
CN113068034B (zh) | 视频编码方法及装置、编码器、设备、存储介质 | |
CN103402091A (zh) | 云桌面图像分类与编码方法 | |
CN110312134A (zh) | 一种基于图像处理和机器学习的屏幕视频编码方法 | |
CN1937748A (zh) | 图像压缩的方法 | |
US20060062301A1 (en) | Spatial domain pre-processing for computational complexity reduction in advanced video coding (AVC) encoder | |
CN107820095A (zh) | 一种长期参考图像选择方法及装置 | |
CN102663682A (zh) | 基于感兴趣区域的自适应图像增强方法 | |
CN108924557B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
Dong et al. | Coding efficiency preserving steganography based on HEVC steganographic channel model | |
He et al. | End-to-end facial image compression with integrated semantic distortion metric | |
JP2003087572A (ja) | 画像圧縮方法および装置、画像圧縮プログラムならびに画像処理装置 | |
CN106713924B (zh) | 用于文字分层压缩方法和装置 | |
CN113784147B (zh) | 一种基于卷积神经网络的高效视频编码方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140402 |