CN105376578A - 图像压缩方法及装置 - Google Patents
图像压缩方法及装置 Download PDFInfo
- Publication number
- CN105376578A CN105376578A CN201510712616.6A CN201510712616A CN105376578A CN 105376578 A CN105376578 A CN 105376578A CN 201510712616 A CN201510712616 A CN 201510712616A CN 105376578 A CN105376578 A CN 105376578A
- Authority
- CN
- China
- Prior art keywords
- image
- view data
- conversion
- probability
- data
- 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
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种图像压缩方法及装置,其中所述方法包括:对图像原始数据进行预处理;对于预处理得到的图像数据进行沃尔什WALSH变换;针对变换后的图像数据采用熵编码算法进行图像压缩。本发明实施例能够有效去除图像中的冗余信息,提高编码效率和压缩比。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种图像压缩方法及装置。
背景技术
随着生活进入信息化时代,人们将更多依靠设备从互联网中获取信息,从而需要大量的储存、记录和传输信息。但大量的信息以数字化方式表示、存储、传输,这些数字化的信息中图像占用了极大的空间。为了使图像的信息数据能够有效的储存、传输和利用,必须压缩数据的大小。可把图像视为一个庞大的信息集合,描述这些信息中就要包括是信息量和信息冗余等。图像数据压缩技术就是研究怎样利用图像数据的冗余性减少图像数据量的方法。
如图1所示,为图像压缩的一般步骤,主要包括编码阶段和解码阶段,其中编码阶段包括:第一步对图像数据进行映射变换,采用这种方式其目的就是为了消除图像里面的大部分的相关性,使其冗余度大大降低。经过映射阶段,原始图像的数据特点将被转变,更加有利于图片压缩编码。第二步是量化过程,本质是将去除冗余信息形成的参数进入熵编码阶段。第三步是统计编码也就是熵编码,完成量化之后可以使用统计编码处理符号,这也能减少图像不必要的数据量,使压缩能够完成,目前常用的统计编码包括Huffman编码等。把上述过程的流程反向操作就是压缩的解码过程,主要包括:对编码流进行解码,然后进行反量化,最后进行反映射变换。
而现有技术中,在现有的图像压缩过程中,采用的映射变换为DCT变换,而DCT变换并不能有效的去除图像中的冗余信息,致使后续编码过程中含有较多的冗余信息,降低了编码效率和压缩比。
发明内容
本发明实施例提供一种图像压缩方法和装置,以有效去除图像中的冗余信息,提高编码效率和压缩比。
第一方面,本发明实施例提供了一种图像压缩方法,包括:
对图像原始数据进行预处理;
对于预处理得到的图像数据进行沃尔什WALSH变换;
针对变换后的图像数据采用熵编码算法进行图像压缩。
第二方面,本发明实施例还提供一种图像压缩装置,包括:
预处理模块,用于对图像原始数据进行预处理;
变换模块,用于对于预处理得到的图像数据进行沃尔什WALSH变换;
压缩编码模块,用于针对变换后的图像数据采用熵编码算法进行图像压缩。
本发明实施例通过对图像原始数据进行预处理;对于预处理得到的图像数据进行沃尔什WALSH变换;针对变换后的图像数据采用熵编码算法进行图像压缩。本发明实施例通过使用WALSH能够有效去除图像中的冗余信息,提高编码效率和压缩比。
附图说明
图1为现有技术提供的图像压缩方法的流程示意图;
图2A为本发明实施例一提供的图像压缩方法的流程示意图;
图2B为本发明实施例一提供的图像压缩方法中的图像分块的流程示意图;
图2C为本发明实施例一提供的图像压缩方法中的Z字形的扫描流程示意图;
图3为本发明实施例二提供的图像压缩装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明实施例提供的图像压缩方法的执行主体,可为本发明实施例提供的图像压缩装置,或者集成了所述图像压缩装置的终端设备(例如,智能手机、平板电脑等),该图像压缩装置可以采用硬件或软件实现。
实施例一
图2A为本发明实施例一提供的图像压缩方法的流程示意图,如图2所示,具体包括如下步骤:
步骤11、对图像原始数据进行预处理;
其中,所述预处理包括图像格式转换和/或图像分块处理等操作。
步骤12、对于预处理得到的图像数据进行沃尔什WALSH变换;
其中,WALSH变换是一种正交变换,它只包含值为“+1”和“-1”的两个数值构成整交函数基。常用的DCT虽然有比较多的优点,但是其劣势也很明显,首先量化过程比较复杂,其次需要通过多步复杂的计算过程,而且硬件实现起来也不是很方便。而WALSH变换的函数基是二值正交基,与数字逻辑的两个状态对应,所以更适用于计算机处理。WALSH变换相对减少了存储空间而且使运算速率获得提升。
具体的,WALSH函数将不完备的Rademacher函数加以完备化,形成了一组完备的正交矩阵函数,其值只能是+1和-1。归一化时,函数在区间[0,1]内定义为:
其中,n=0,1,2……,p,为n的二进制编码位数,gm为n的格雷码的第m位数值。
其中,WALSH变换的指数形式如下:
可见,该WALSH变换的指数函数定义的是+1或-1的连乘积。WALSH变换的前8个波形的每一个波形的正负变更次数为n。若将区间平均分成N等分,对每个区间的波形取样,可得到一个离散的函数值矩阵,该矩阵为8×8的矩阵如下所示:
上式中表示离散WALSH函数的8次取样的,T表示取样序号,从左到右为第0,1.....第7次。
举例来说,二维WALSH变换可以将图像信号进行数据压缩,将下列信号 进行4次取样的WALSH变换 并观察结果Y:
从结果可以得出以下结论,对于最初的二维矩阵数据经过变换后仅仅在左上角的部分保留了一些信息,而剩余的绝大部分位置的信息都为0。如果传输的是变换后的矩阵而不是一开始的取样信号,并且可以传送左上角的部分元素,就可以完全达到压缩数据的目的。
因此,可以用WALSH变换达到数据压缩的预期目的,是因为在其过程中去除了原始的数据信息的冗余相关性。而得到的变换后的矩阵代表低频和直流成分的系数在左上角部分,这些系数的对应图像变换缓慢,相对应的,指示高频成分的变换系数在右下部,它们的WALSH图像中变换速度快。在对变换系数进行编码时,完成数据压缩的方法可以使用区域滤波法和不同精度量化方法,不一样的区域取不同的量化层数,层数的大小取决去该区域所具有的信号能量的数值。
步骤13、针对变换后的图像数据采用熵编码算法进行图像压缩。
其中,熵编码算法可包括Huffman编码算法和算术编码算法。
本实施例通过对图像原始数据进行预处理;对于预处理得到的图像数据进行沃尔什WALSH变换;针对变换后的图像数据采用熵编码算法进行图像压缩。本实施例通过使用WALSH能够有效去除图像中的冗余信息,提高编码效率和压缩比。
示例性的,在上述实施例的基础上,对图像原始数据进行预处理包括:
将红绿蓝RGB格式的图像原始数据转换为YUV格式的图像数据;
对YUV格式的图像数据进行分块处理。
其中,预处理是将图像中的色差RGB信号,转换成量化编码所需要的YUV色差信号,经过一系列的运算输出6个8×8的组成最小编码单元MCU才能进行之后的变换量化编码等步骤。通常预处理阶段主要包括以下两个方面:
第一方面:颜色转换
在通常情况下,压缩的静态图片的颜色空间是由RGB来标识的。因为在JEPG中,颜色空间的分量由YCbCr组成,另一种说法是YUV,即U表示Cb,V表示Cr.Y表示静态图片的亮度,UV均表示静态图片的色度分量。因此在压缩图片的过程中,首先需要将静态图片在这两种不同的颜色空间分量进行转换,由RGB格式转换为YUV格式,在解压缩中,需要让YUV格式还原成RGB格式原图像。其转换公式为:
在分析一幅图像是首先会得到该图像的RGB信号,为了进行图像压缩,首先将要将RGB信号转换成YUV信号。将源图像的RGB信号传入到演算块ConvertRgbYuv中,因为规定色差的划分比例为4:1:1,所以规定HorizontalSize和VerticalSize的值为16,将16×16的RGB信号装换成16×16的亮度分量和色差分量。
第二方面:采样和分块
接下来对转换后获得的YUV信号进行采样,此时将分量YUV分别看做16×16的三个矩阵,因为规定色差划分为4:1:1,所以亮度分量需要亮度分量需要平均分成4个8×8的矩阵,分别放入YUV_1到YUV_4中。对于色度分量UV,只需取矩阵中偶数行的值分别放入到YUV_5和YUV_6中。由这6个8×8的矩阵组成一个最大运算单元,采样分块方式如图2B所示。
示例性的,在上述实施例的基础上,针对变换后的图像数据采用熵编码算法进行图像压缩包括:
对变换后的图像数据进行量化处理;
对量化后的图像数据进行Z字形扫描,得到对应的图像矢量矩阵;
采用算术编码算法对图像矢量矩阵进行编码。
示例性的,采用算术编码算法对图像矢量进行编码包括:
通过概率估计计算所述图像矢量矩阵中每个符号对应的概率;
根据所述概率标识每个符号;
根据符号的概率标识确定编码区间;
根据所述编码区间确定输出比特流。
其中,所述编码区间范围为28~29。
具体的,WALSH变换和量化过程是图像压缩的重要过程,也是消除图像无用信息的重要一步。预处理步骤后是量化过程,量化可以使编码的数据量下降,把它转换成有限数据的离散值,删除在人眼对观察和判断改变不明显的信息,也就是属于人眼不能轻易察觉到的数据信息,对数据进行有效的压缩。JPEG采用线性均匀量化器,量化表的长宽为8×8,需要定义64个系数对应量化步长,每个系数都是一一对应的,但是具体的步长并没有固定,量化步长同时由量化因子scale决定,它可控制图像的压缩质量和压缩比。
WALSH系数经过量化后进行重新编排,将8×8的数组以线性的方式进行存储,并且为了增加了连续系数为“0”的个数长度。重新排列的顺序是以Z字形的行进轨道进行扫描,如图2C所示,这样的编排顺序就可以把8×8的数组矩阵转变为1×64的单线矢量矩阵,还有一个好处是可以将左上角代表低频率的部分放在矢量的前端,然后在进行接下来的编码处理包括直流系数和交换系数的处理。
该编码结构的输入为Bin,Bin表示待编码的字符。在区间分割之前,要通过概率估计大概率字符MPS和小概率字符LPS来确定编码区间长度R和下限L并且时时更新概率状态。区间划分时,MPS区间在前,LPS区间在后。然后判断当前符号的类型确定下一个编码区间。当输入MPS时,MPS作为下一个编码区间,并且下限L不变。当输入LPS时,LPS作为下一个编码区间,同时区间下限L要增加MPS的编码区间。划分之后的新编码区间要式中保持在28~29范围内,当小于28时,就需要经过重整。重整过程会有可能输出一个或多个“0”,“1”比特作为算术编码的输出,最终是以比特流的形式。
上述各实施例同样通过对图像原始数据进行预处理;对于预处理得到的图像数据进行沃尔什WALSH变换;针对变换后的图像数据采用熵编码算法进行图像压缩。同样通过使用WALSH能够有效去除图像中的冗余信息,提高编码效率和压缩比。
上述各实施例同样通过控制终端接收智能终端发送包含设备信息的特征消息,并通过解析所述特征消息获取到所述智能终端的设备信息,只向所述设备信息符合预定条件的智能终端发送网络连接消息,以使设备信息符合预定条件的智能终端根据所述网络连接消息接入到智能终端***中。上述各实施例同样只允许符合预定条件的智能终端接入到智能终端***中,从而能够有针对性的将特定的智能终端加入智能终端***中,降低智能终端***的安全隐患。
实施例二
图3为本发明实施例三提供的图像压缩装置的结构示意图,如图3所示,具体包括:预处理模块21、变换模块22和压缩编码模块23;
所述预处理模块21用于对图像原始数据进行预处理;
所述变换模块22用于对于预处理得到的图像数据进行沃尔什WALSH变换;
所述压缩编码模块23用于针对变换后的图像数据采用熵编码算法进行图像压缩。
本实施例所述的图像压缩装置用于执行上述各实施例所述的图像压缩方法,其技术原理和产生的技术效果类似,这里不再累述。
示例性的,在上述实施例的基础上,所述预处理模块21用于:
将红绿蓝RGB格式的图像原始数据转换为YUV格式的图像数据;对YUV格式的图像数据进行分块处理。
示例性的,在上述实施例的基础上,所述压缩编码模块23包括:量化处理单元231、扫描单元232和算术编码单元233;
所述量化处理单元231用于对变换后的图像数据进行量化处理;
所述扫描单元232用于对量化后的图像数据进行Z字形扫描,得到对应的图像矢量矩阵;
所述算术编码单元233用于采用算术编码算法对图像矢量矩阵进行编码。
示例性的,所述算术编码单元233具体用于:
通过概率估计计算所述图像矢量矩阵中每个符号对应的概率;根据所述概率标识每个符号;根据符号的概率标识确定编码区间;根据所述编码区间确定输出比特流。
示例性的,所述编码区间范围为28~29。
上述各实施例所述的图像压缩装置同样用于执行上述各实施例所述的图像压缩方法,其技术原理和产生的技术效果类似,这里不再累述。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像压缩方法,其特征在于,包括:
对图像原始数据进行预处理;
对于预处理得到的图像数据进行沃尔什WALSH变换;
针对变换后的图像数据采用熵编码算法进行图像压缩。
2.根据权利要求1所述的方法,其特征在于,对图像原始数据进行预处理包括:
将红绿蓝RGB格式的图像原始数据转换为YUV格式的图像数据;
对YUV格式的图像数据进行分块处理。
3.根据权利要求1或2所述的方法,其特征在于,针对变换后的图像数据采用熵编码算法进行图像压缩包括:
对变换后的图像数据进行量化处理;
对量化后的图像数据进行Z字形扫描,得到对应的图像矢量矩阵;
采用算术编码算法对图像矢量矩阵进行编码。
4.根据权利要求3所述的方法,其特征在于,采用算术编码算法对图像矢量进行编码包括:
通过概率估计计算所述图像矢量矩阵中每个符号对应的概率;
根据所述概率标识每个符号;
根据符号的概率标识确定编码区间;
根据所述编码区间确定输出比特流。
5.根据权利要求4任一项所述的方法,其特征在于,所述编码区间范围为28~29。
6.一种图像压缩装置,其特征在于,包括:
预处理模块,用于对图像原始数据进行预处理;
变换模块,用于对于预处理得到的图像数据进行沃尔什WALSH变换;
压缩编码模块,用于针对变换后的图像数据采用熵编码算法进行图像压缩。
7.根据权利要求6所述的装置,其特征在于,所述预处理模块用于:
将红绿蓝RGB格式的图像原始数据转换为YUV格式的图像数据;对YUV格式的图像数据进行分块处理。
8.根据权利要求6或7所述的装置,其特征在于,所述压缩编码模块包括:
量化处理单元,用于对变换后的图像数据进行量化处理;
扫描单元,用于对量化后的图像数据进行Z字形扫描,得到对应的图像矢量矩阵;
算术编码单元,用于采用算术编码算法对图像矢量矩阵进行编码。
9.根据权利要求8所述的装置,其特征在于,所述算术编码单元具体用于:
通过概率估计计算所述图像矢量矩阵中每个符号对应的概率;根据所述概率标识每个符号;根据符号的概率标识确定编码区间;根据所述编码区间确定输出比特流。
10.根据权利要求9任一项所述的装置,其特征在于,所述编码区间范围为28~29。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510712616.6A CN105376578A (zh) | 2015-10-28 | 2015-10-28 | 图像压缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510712616.6A CN105376578A (zh) | 2015-10-28 | 2015-10-28 | 图像压缩方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105376578A true CN105376578A (zh) | 2016-03-02 |
Family
ID=55378315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510712616.6A Pending CN105376578A (zh) | 2015-10-28 | 2015-10-28 | 图像压缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105376578A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059719A (zh) * | 2019-03-18 | 2019-07-26 | 西北工业大学 | 一种基于沃尔什变换的图像矩的目标识别方法 |
CN112560901A (zh) * | 2020-12-01 | 2021-03-26 | 南京航空航天大学 | 一种基于图像预处理与对抗训练结合的防御对抗样本的方法 |
CN113034625A (zh) * | 2019-12-25 | 2021-06-25 | 武汉Tcl集团工业研究院有限公司 | 一种基于图片的无损压缩方法、智能终端及存储介质 |
WO2022028197A1 (zh) * | 2020-08-06 | 2022-02-10 | 华为技术有限公司 | 一种图像处理方法及其设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5155772A (en) * | 1990-12-11 | 1992-10-13 | Octel Communications Corporations | Data compression system for voice data |
JPH05227125A (ja) * | 1992-02-14 | 1993-09-03 | Matsushita Electric Ind Co Ltd | スペクトラム拡散方式通信装置 |
CN1829327A (zh) * | 2006-03-22 | 2006-09-06 | 天津大学 | 全相位沃尔什双正交变换及其对jpeg的改进方法 |
CN103246499A (zh) * | 2013-05-28 | 2013-08-14 | 西安电子科技大学 | 图像并行化处理装置和方法 |
CN103957426A (zh) * | 2014-04-11 | 2014-07-30 | 河海大学 | 一种rgb565真彩色图像有损压缩及解压方法 |
-
2015
- 2015-10-28 CN CN201510712616.6A patent/CN105376578A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5155772A (en) * | 1990-12-11 | 1992-10-13 | Octel Communications Corporations | Data compression system for voice data |
JPH05227125A (ja) * | 1992-02-14 | 1993-09-03 | Matsushita Electric Ind Co Ltd | スペクトラム拡散方式通信装置 |
CN1829327A (zh) * | 2006-03-22 | 2006-09-06 | 天津大学 | 全相位沃尔什双正交变换及其对jpeg的改进方法 |
CN103246499A (zh) * | 2013-05-28 | 2013-08-14 | 西安电子科技大学 | 图像并行化处理装置和方法 |
CN103957426A (zh) * | 2014-04-11 | 2014-07-30 | 河海大学 | 一种rgb565真彩色图像有损压缩及解压方法 |
Non-Patent Citations (1)
Title |
---|
黄会营等: "沃尔什变换在图像数据压缩中的应用", 《微计算机信息》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059719A (zh) * | 2019-03-18 | 2019-07-26 | 西北工业大学 | 一种基于沃尔什变换的图像矩的目标识别方法 |
CN110059719B (zh) * | 2019-03-18 | 2022-08-09 | 西北工业大学 | 一种基于沃尔什变换的图像矩的目标识别方法 |
CN113034625A (zh) * | 2019-12-25 | 2021-06-25 | 武汉Tcl集团工业研究院有限公司 | 一种基于图片的无损压缩方法、智能终端及存储介质 |
WO2022028197A1 (zh) * | 2020-08-06 | 2022-02-10 | 华为技术有限公司 | 一种图像处理方法及其设备 |
CN112560901A (zh) * | 2020-12-01 | 2021-03-26 | 南京航空航天大学 | 一种基于图像预处理与对抗训练结合的防御对抗样本的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517329A (zh) | 一种基于语义分析的深度学习图像压缩方法 | |
CN105376578A (zh) | 图像压缩方法及装置 | |
CN110290387A (zh) | 一种基于生成模型的图像压缩方法 | |
CN102523453B (zh) | 一种图像超大压缩传输方法及传输*** | |
CN113822147A (zh) | 一种协同机器语义任务的深度压缩方法 | |
CN101669819B (zh) | 基于pt变换与线性预测结合的心电图信号无损压缩方法 | |
CN104427349A (zh) | 一种Bayer图像压缩方法 | |
Xu et al. | Singular vector sparse reconstruction for image compression | |
CN100409693C (zh) | 用于图像和视频压缩的正交变换方法 | |
CN103957426A (zh) | 一种rgb565真彩色图像有损压缩及解压方法 | |
Fu et al. | An extended hybrid image compression based on soft-to-hard quantification | |
CN101267566A (zh) | 图像编码方法和装置 | |
Gao et al. | Image compression and encryption based on wavelet transform and chaos | |
CN101841709A (zh) | 数字视频监控***分流编码方法和视频监控*** | |
Zhang et al. | Global Priors with Anchored-stripe Attention and MultiScale Convolution for Remote Sensing Images Compression | |
CN104581158A (zh) | 量化表、图像压缩处理方法、装置、终端及图像搜索*** | |
CN104869426A (zh) | 在低压缩码率下降低图像方块效应的jpeg编码方法 | |
CN101754021B (zh) | 基于改进小波变换图像压缩方法实现手机移动门户的方法 | |
Garg et al. | Analysis of different image compression techniques: a review | |
CN115102934B (zh) | 点云数据的解码方法、编码方法、装置、设备及存储介质 | |
CN113422965A (zh) | 一种基于生成对抗网络的图像压缩方法及装置 | |
CN100426866C (zh) | 全相位沃尔什双正交变换及其对jpeg的改进方法 | |
CN105007483B (zh) | 一种与h264标准兼容的屏幕内容编码解码方法 | |
EP4354872A1 (en) | Point cloud attribute information encoding and decoding method and apparatus, and related device | |
CN113573078B (zh) | 一种基于卷积神经网络增强avs帧内解码的方法 |
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: 20160302 |