CN110969672A - 图像压缩方法及装置 - Google Patents
图像压缩方法及装置 Download PDFInfo
- Publication number
- CN110969672A CN110969672A CN201911113419.7A CN201911113419A CN110969672A CN 110969672 A CN110969672 A CN 110969672A CN 201911113419 A CN201911113419 A CN 201911113419A CN 110969672 A CN110969672 A CN 110969672A
- Authority
- CN
- China
- Prior art keywords
- image
- compressed
- compression
- vehicle
- gpu
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/005—Statistical coding, e.g. Huffman, run length coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/007—Transform coding, e.g. discrete cosine transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Discrete Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提供一种图像压缩方法及装置,应用于车载设备中的图形处理器GPU,方法包括:接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。本发明提供的图像压缩方法,基于GPU进行图像压缩,提高了图像压缩速度,同时不会影响图像压缩效果。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像压缩方法及装置。
背景技术
在无人驾驶***中,由于数据传输的实时性的要求较高,进而对于图像的压缩速度提出更高的要求。联合图像专家组(joint photographic experts group,JPEG)是国际标准化组织(international organization for standardization,ISO)和国际电话电报咨询委员会(international telephone and telegraph consultative Committee,CCITT)联合制定的静态图像的压缩编码标准。由于JPEG极高的压缩率,目前广泛地用于图像存储、数码相机、网络多媒体等领域。
现有技术中,基于离散余弦变换的JPEG压缩算法技术,可以用有损压缩的方式去除冗余的图像数据,进而在获取极高的压缩率的同时能展现十分丰富生动的图像。
尽管基于离散余弦变换和逆离散余弦变换都有快速算法,然而对于无人驾驶***而言,现有的JPEG压缩算法技术的处理速度仍然较慢,无法满足数据传输实时性的要求。
发明内容
本发明提供一种图像压缩方法及装置,以解决现有技术中图像压缩速度较慢的问题。
本发明第一个方面提供一种图像压缩方法,应用于车载设备中的图形处理器GPU,所述方法包括:
接收所述车载设备中的中央处理器CPU发送的图像压缩指令,所述图像压缩指令携带有车辆进行无人驾驶时采集的车辆周围的待压缩图像;
并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像;
将压缩后的图像发送给所述CPU,以使所述CPU将所述压缩后的图像发送给服务器。
一种可选的实施方式中,所述并行运行所述待压缩图像的压缩进程,包括:
在所述GPU的并行计算架构下,通过调用所述GPU的加速进程库函数来并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像。
一种可选的实施方式中,所述待压缩图像的压缩进程包括:颜色模式转换、离散余弦变换DCT、量化和哈夫曼编码。
一种可选的实施方式中,所述图像压缩指令还携带有所述待压缩图像的量化表和哈夫曼表;
所述并行运行所述待压缩图像的压缩进程,包括:
根据所述待压缩图像的量化表和哈夫曼表,并行运行所述量化和所述哈夫曼编码。
一种可选的实施方式中,在所述接收中央处理器CPU发送的压缩指令之前,还包括:
对所述GPU进行初始化,预留图像压缩所需的内存。
本发明第二方面提供一种图像压缩装置,应用于车载设备中的图形处理器GPU,装置包括:
接收模块,用于接收所述车载设备中的中央处理器CPU发送的图像压缩指令,所述图像压缩指令携带有车辆进行无人驾驶时采集的车辆周围的待压缩图像;
压缩模块,用于并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像;
发送模块,用于将压缩后的图像发送给所述CPU,以使所述CPU将所述压缩后的图像发送给服务器。
一种可选的实施方式中,所述压缩模块具体用于在所述GPU的并行计算架构下,通过调用所述GPU的加速进程库函数来并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像。
一种可选的实施方式中,所述待压缩图像的压缩进程包括:颜色模式转换、离散余弦变换DCT、量化和哈夫曼编码。
一种可选的实施方式中,所述图像压缩指令还携带有所述待压缩图像的量化表和哈夫曼表;
所述压缩模块具体用于根据所述待压缩图像的量化表和哈夫曼表,并行运行所述量化和所述哈夫曼编码。
一种可选的实施方式中,所述装置,还包括:
初始化模块,用于对所述GPU进行初始化,预留图像压缩所需的内存。
本发明第三个方面提供一种电子设备,包括:存储器与处理器;
所述存储器,用于存储所述处理器的可执行指令;
所述处理器配置为经由执行所述可执行指令来执行第一个方面任一所述的方法。
本发明的第四个方面提供一种存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序用于执行第一方面任一项所述的方法。
本发明提供的图像压缩方法及装置,通过接收中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。由于基于GPU进行图像压缩,可以提高图像压缩速度,同时不会影响图像压缩效果,从而可以提高自动驾驶时采集到的图像的传输速率。
附图说明
为了更清楚地说明本发明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的附图作一简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种图像压缩方法的场景示意图;
图2为本申请实施例提供的一种图像压缩方法的流程示意图;
图3为本申请实施例提供的另一种图像压缩方法的流程示意图;
图4为本申请实施例提供的再一种图像压缩方法的流程示意图;
图5为本申请实施例提供的一种图像压缩装置的结构示意图;
图6为本申请实施例提供的另一种图像压缩装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应当理解,在本申请中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
在无人驾驶***中,由于数据传输的实时性的要求较高,进而对于图像的压缩速度提出更高的要求。联合图像专家组(joint photographic experts group,JPEG)是国际标准化组织(international organization for standardization,ISO)和国际电话电报咨询委员会(international telephone and telegraph consultative Committee,CCITT)联合制定的静态图像的压缩编码标准。由于JPEG极高的压缩率,目前广泛地用于图像存储、数码相机、网络多媒体等领域。
现有技术中,基于离散余弦变换的JPEG压缩算法技术,可以用有损压缩的方式去除冗余的图像数据,进而在获取极高的压缩率的同时能展现十分丰富生动的图像。尽管基于离散余弦变换和逆离散余弦变换都有快速算法,然而对于无人驾驶***而言,现有的JPEG压缩算法技术的处理速度仍然较慢,无法满足数据传输实时性的要求。
考虑到上述问题,本发明提供了一种图像压缩方法及装置,基于图形处理器(graphics processing unit,GPU)进行图像压缩,进而可以提高图像压缩速度,同时不会影响图像压缩效果。
图1为本申请实施例提供的一种图像压缩方法的场景示意图。如图1所示,车辆101在自动行驶时,车辆上的摄像头会实时获取车辆周围的图像,并将图像发送给服务器102,从而为车辆规划行程,躲避障碍物。在车载终端将采集到的图像发送给服务器102前,需要对图像进行压缩,从而降低图像传输所消耗的网络资源。
可以理解,本申请实施例提供的图像压缩方法,不仅可以运用于图1所示的自动驾驶的场景,还可以实时监控、远程桌面等其他需要进行图像压缩的场景。
下面以车载设备上集成或安装有相关执行代码的GPU为例,以具体地实施例对本申请实施例的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本申请实施例提供的一种图像压缩方法的流程示意图。本实施例涉及的是车载设备中的GPU如何进行图像压缩的具体过程。如图2所示,该方法包括:
S201、接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆进行无人驾驶时采集的车辆周围的待压缩图像。
在本步骤中,当车辆进行无人驾驶时会实时采集车辆周围的图像作为待压缩图像,中央处理器(central processing unit,CPU)接收到车辆周围的待压缩图像后,可以向GPU发送图像压缩指令,图像压缩指令中可以携带有车辆进行无人驾驶时采集的车辆周围的待压缩图像。
其中,车辆周围的待压缩图像可以通过车辆上安装的摄像头获取,示例性的,可以在车辆的前后左右四个方向安装在摄像头,在车辆进行无人驾驶时实时采集车辆周围的待压缩图像发送给CPU,CPU在接收到摄像头发送的待压缩图像后,可以向CPU发送的图像压缩指令。
S202、并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像。
在本步骤中,当GPU接收到CPU发送的图像压缩指令后,可以并行运行待压缩图像的压缩进程,从而加速待压缩图像的压缩过程,生成待压缩图像对应的压缩后的图像。
其中,待压缩图像的压缩进程可以包括:颜色模式转换、离散余弦变换(discretecosine transform,DCT)、量化和哈夫曼编码。
在一些实施例中,GPU可以在GPU的并行计算架构下,通过调用GPU的加速进程库函数来并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像。
GPU的并行计算架构包括多个线程,一个线程就是程序中的一个单一指令流,多个线程组成构成并行计算网格。并行计算网格有多个流处理器构成,每个流处理器又包含n多块。相比于CPU的并行计算,GPU的并行计算可以处理较大的任务量,各线程之间的切换速度较快,在线程阻塞时可以迅速切入和切出。基于GPU的并行计算架构可以加快图像压缩速率。
GPU的加速进程库函数可例如性能原语库(NVIDIA performance primitiveslibrary,NPP),是针对图像和视频具有加速进程功能的库函数。
在一些实施例中,GPU进行的图像压缩进程可以符合JPEG的压缩编码标准。其中,JPEG具有调节图像质量的功能,其允许采用不同的压缩比例对文件进行压缩,压缩比通常在10:1到40:1之间,当压缩比越大时,品质就越低;相反地,当压缩比越小,品质就越好。
S203、将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。
在本步骤中,GPU在完成待压缩图像的压缩后,可以将压缩后的发送给CPU。在车辆进行无人驾驶时,CPU可以将压缩后的图像发送给服务器,以使服务器规划车辆的行程或者控制车辆躲避障碍物。
在一些实施例中,当CPU接收到GPU发送的压缩后的图片后,CPU还可以将压缩后的图片存储在车载终端的存储器中,或者,还可以对压缩后的图片进一步处理,例如按照时间顺序排序等。
在本申请中,由于基于GPU的图像压缩速度大大提高,相应的,可以提高图像传输速率,从而使得服务器可以及时获取车辆无人驾驶时车辆周围的图像。与现有技术相比,通过GPU利用NPP实现加速,相比传统利用CPU压缩的libjpeg库,减少了对CPU计算能力的依赖,极大的提高了处理速度,同时不影响JPEG的压缩结果。此外,该方法同时还具有调节图像质量的功能。
本申请实施例提供的图像压缩方法,通过接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。由于基于GPU进行图像压缩,可以提高图像压缩速度,同时不会影响图像压缩效果,从而可以提高自动驾驶时采集到的图像的传输速率。
在上述实施例的基础上,压缩图像可以包括多种压缩过程,下面以量化和哈夫曼编码为例,对图像压缩方法进行具体说明。图3为本申请实施例提供的另一种图像压缩方法的流程示意图。本实施例涉及的是车载设备中的GPU如何并行运行压缩进程的具体过程。如图3所示,在上述实施例的基础上,该方法包括:
S301、接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像,图像压缩指令还携带有待压缩图像的量化表和哈夫曼表。
步骤S301的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S201理解,对于重复的内容,在此不再累述。
S302、根据待压缩图像的量化表和哈夫曼表,并行运行量化和哈夫曼编码。
在本步骤中,GPU在接收到图像压缩指令后,若图像压缩指令中包含有待压缩图像的量化表和哈夫曼表,则根据量化表运行图像压缩的量化,同时根据哈夫曼表并行运行图像压缩的哈夫曼编码。
其中,量化表可以为JPEG标准量化表,可以根据人的视觉感受进行预先设定。在图像压缩过程中,在通过预测编码对待编码像素进行预测后,需要进行量化进程,即根据量化表对预测的残差进程量化。
哈夫曼表的编码过程如下:(1)将信源符号按概率顺序排序;(2)把两个最小的概率相加,作为新符号的概率;(3)重复步骤(1)、(2),直到概率和达到1为止;(4)在每次合并消息时,将被合并的消息赋以1和0或0和1;(5)寻找从每个信源符号到概率为1处的路径,记录下路径上的1和0;(6)对每个符号写出“1”“0”序列。
其中,哈夫曼表是对信源进行哈夫曼编码时所形成的,在信源的存储和传输过程中必须先存储和传输哈夫曼表,在计算压缩效果时,需要考虑哈夫曼表占有的比特数。
在一些实施例中,图像压缩进程还可以包括颜色模式转换和DCT。颜色模式转换是将RGB颜色模型转换为优化彩***信号(YCrCb)颜色模型。RGB颜色模型是将颜色分解为红绿蓝三种分量,从而可以将一张图分解为三张灰度图。YCrCb颜色模型即YUV颜色模型,主要用于优化彩***信号的传输。其中,“Y”表示明亮度(Luminance或Lum),即灰阶,“U”和“V”表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。
在颜色模式转换的过程中,图像中的每个像素点可以进行独立计算,通过GPU并行加速实现。DCT可以将图像中的数据分成直流分量和交流分量两部分,为后面的进一步压缩起到了充分的铺垫作用。
S303、将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。
步骤S303的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S203理解,对于重复的内容,在此不再累述。
本申请实施例提供的图像压缩方法,通过接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。由于基于GPU进行图像压缩,可以提高图像压缩速度,同时不会影响图像压缩效果,从而可以提高自动驾驶时采集到的图像的传输速率。
在上述实施例的基础上,在进行图像压缩前,GPU还需要进行初始化,下面对GPU进行初始化进行说明。图4为本申请实施例提供的再一种图像压缩方法的流程示意图。如图4所示,在上述实施例的基础上,该方法包括:
S401、对GPU进行初始化,预留图像压缩所需的内存。
在本步骤中,在对图像进行压缩前,需要对GPU进行初始化,确定GPU(Device端)运行图像压缩程序所需要的内存,从而为图像压缩预留所需要的内存。
在一些实施中,还可以对CPU进行初始化,确定CPU(Host端)运行图像压缩程序所需要的内存行,从而在CPU也预留图像压缩预留所需要的内存。
S402、接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;
S403、并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;
S404、将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。
步骤S402-S404的技术名词、技术效果、技术特征,以及可选实施方式,可参照图2所示的步骤S201-S203理解,对于重复的内容,在此不再累述。
本申请实施例提供的图像压缩方法,通过接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。由于基于GPU进行图像压缩,可以提高图像压缩速度,同时不会影响图像压缩效果,从而可以提高自动驾驶时采集到的图像的传输速率。
本领域普通技术人员可以理解:实现上述方法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,执行包括上述方法实施例的步骤;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。
图5为本申请实施例提供的一种图像压缩装置的结构示意图。该图像压缩装置可以通过软件、硬件或者两者的结合实现,可以为前述所说的车载设备中的GPU。
如图5所示,该图像压缩装置包括:
接收模块501,用于接收车载设备中的中央处理器CPU发送的图像压缩指令,图像压缩指令携带有车辆无人驾驶时采集的车辆周围的待压缩图像;
压缩模块502,用于并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像;
发送模块503,用于将压缩后的图像发送给CPU,以使CPU将压缩后的图像发送给服务器。
一种可选的实施方式中,压缩模块502具体用于在GPU的并行计算架构下,通过调用GPU的加速进程库函数来并行运行待压缩图像的压缩进程,生成待压缩图像对应的压缩后的图像。
一种可选的实施方式中,待压缩图像的压缩进程包括:颜色模式转换、离散余弦变换DCT、量化和哈夫曼编码。
一种可选的实施方式中,图像压缩指令还携带有待压缩图像的量化表和哈夫曼表;
压缩模块502具体用于根据待压缩图像的量化表和哈夫曼表,并行运行量化和哈夫曼编码。
一种可选的实施方式中,装置,还包括:
初始化模块504,用于对GPU进行初始化,预留图像压缩所需的内存。
本申请实施例提供的图像压缩装置,可以执行上述方法实施例中GPU的动作,其实现原理和技术效果类似,在此不再赘述。
图6为本申请实施例提供的另一种图像压缩装置的结构示意图。如图6所示,该图像压缩装置可以包括:至少一个处理器61和存储器62。图6示出的是以一个处理器为例的电子设备。
存储器62,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。
存储器62可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
处理器61用于执行存储器62存储的计算机执行指令,以实现信息查询方法。
其中,处理器61可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
可选的,在具体实现上,如果通信接口、存储器62和处理器61独立实现,则通信接口、存储器62和处理器61可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(Peripheral Component,简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果通信接口、存储器62和处理器61集成在一块芯片上实现,则通信接口、存储器62和处理器61可以通过内部接口完成通信。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或者光盘等各种可以存储程序代码的介质,具体的,该计算机可读存储介质中存储有程序指令,程序指令用于上述实施例中的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的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,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种图像压缩方法,其特征在于,应用于车载设备中的图形处理器GPU,所述方法包括:
接收所述车载设备中的中央处理器CPU发送的图像压缩指令,所述图像压缩指令携带有车辆进行无人驾驶时采集的车辆周围的待压缩图像;
并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像;
将压缩后的图像发送给所述CPU,以使所述CPU将所述压缩后的图像发送给服务器。
2.根据权利要求1所述的方法,其特征在于,所述并行运行所述待压缩图像的压缩进程,包括:
在所述GPU的并行计算架构下,通过调用所述GPU的加速进程库函数来并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像。
3.根据权利要求1所述的方法,其特征在于,所述待压缩图像的压缩进程包括:颜色模式转换、离散余弦变换DCT、量化和哈夫曼编码。
4.根据权利要求3所述的方法,其特征在于,所述图像压缩指令还携带有所述待压缩图像的量化表和哈夫曼表;
所述并行运行所述待压缩图像的压缩进程,包括:
根据所述待压缩图像的量化表和哈夫曼表,并行运行所述量化和所述哈夫曼编码。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述接收中央处理器CPU发送的压缩指令之前,还包括:
对所述GPU进行初始化,预留图像压缩所需的内存。
6.一种图像压缩装置,其特征在于,应用于车载设备中的图形处理器GPU,所述装置包括:
接收模块,用于接收所述车载设备中的中央处理器CPU发送的图像压缩指令,所述图像压缩指令携带有车辆进行无人驾驶时采集的车辆周围的待压缩图像;
压缩模块,用于并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像;
发送模块,用于将压缩后的图像发送给所述CPU,以使所述CPU将所述压缩后的图像发送给服务器。
7.根据权利要求6所述的装置,其特征在于,所述压缩模块具体用于在所述GPU的并行计算架构下,通过调用所述GPU的加速进程库函数来并行运行所述待压缩图像的压缩进程,生成所述待压缩图像对应的压缩后的图像。
8.根据权利要求6-7任一项所述的装置,其特征在于,所述装置,还包括:
初始化模块,用于对所述GPU进行初始化,预留图像压缩所需的内存。
9.一种电子设备,其特征在于,包括:存储器与处理器;
所述存储器,用于存储所述处理器的可执行指令;
所述处理器配置为经由执行所述可执行指令来执行权利要求1-5任一所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,包括:该程序被处理器执行时实现权利要求1-5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911113419.7A CN110969672A (zh) | 2019-11-14 | 2019-11-14 | 图像压缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911113419.7A CN110969672A (zh) | 2019-11-14 | 2019-11-14 | 图像压缩方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110969672A true CN110969672A (zh) | 2020-04-07 |
Family
ID=70030669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911113419.7A Pending CN110969672A (zh) | 2019-11-14 | 2019-11-14 | 图像压缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969672A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245173A (zh) * | 2021-12-17 | 2022-03-25 | 中国平安财产保险股份有限公司 | 一种图像压缩方法、装置、终端设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101415117A (zh) * | 2008-11-18 | 2009-04-22 | 浙江大学 | 基于gpgpu的高真实感图像的传输方法 |
CN105678680A (zh) * | 2015-12-30 | 2016-06-15 | 魅族科技(中国)有限公司 | 一种图像处理的方法和装置 |
CN109391816A (zh) * | 2018-10-26 | 2019-02-26 | 大连理工大学 | 基于cpu+gpu异构平台实现hevc中熵编码环节的并行处理方法 |
CN109741456A (zh) * | 2018-12-17 | 2019-05-10 | 深圳市航盛电子股份有限公司 | 基于gpu并行运算的3d环视车辆辅助驾驶方法及*** |
CN109842803A (zh) * | 2018-09-19 | 2019-06-04 | 华为技术有限公司 | 一种图像压缩的方法及装置 |
-
2019
- 2019-11-14 CN CN201911113419.7A patent/CN110969672A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101415117A (zh) * | 2008-11-18 | 2009-04-22 | 浙江大学 | 基于gpgpu的高真实感图像的传输方法 |
CN105678680A (zh) * | 2015-12-30 | 2016-06-15 | 魅族科技(中国)有限公司 | 一种图像处理的方法和装置 |
CN109842803A (zh) * | 2018-09-19 | 2019-06-04 | 华为技术有限公司 | 一种图像压缩的方法及装置 |
CN109391816A (zh) * | 2018-10-26 | 2019-02-26 | 大连理工大学 | 基于cpu+gpu异构平台实现hevc中熵编码环节的并行处理方法 |
CN109741456A (zh) * | 2018-12-17 | 2019-05-10 | 深圳市航盛电子股份有限公司 | 基于gpu并行运算的3d环视车辆辅助驾驶方法及*** |
Non-Patent Citations (2)
Title |
---|
伊小素;刘婧;王明;: "车载通信***中JPEG压缩算法的量化表改进" * |
张敏华等: "基于OpenCL的JPEG压缩算法并行化设计与实现" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114245173A (zh) * | 2021-12-17 | 2022-03-25 | 中国平安财产保险股份有限公司 | 一种图像压缩方法、装置、终端设备和存储介质 |
CN114245173B (zh) * | 2021-12-17 | 2023-04-25 | 中国平安财产保险股份有限公司 | 一种图像压缩方法、装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12003743B2 (en) | Video stream decoding method and apparatus, terminal device, and storage medium | |
CN111681167B (zh) | 画质调整方法和装置、存储介质及电子设备 | |
US20180084292A1 (en) | Web-based live broadcast | |
US20170302978A1 (en) | Video coding method, system and server | |
EP3410302B1 (en) | Graphic instruction data processing method, apparatus | |
CN107665128B (zh) | 图像处理方法、***、服务器及可读存储介质 | |
CN116803082A (zh) | 一种用于点云处理的装置和方法 | |
WO2023132919A1 (en) | Scalable framework for point cloud compression | |
CN110969672A (zh) | 图像压缩方法及装置 | |
CN111246208B (zh) | 视频处理方法、装置及电子设备 | |
CN110891195B (zh) | 花屏图像的生成方法、装置、设备和存储介质 | |
CN108668170B (zh) | 图像信息处理方法及装置、存储介质 | |
CN113613024B (zh) | 视频预处理方法及设备 | |
CN108668169B (zh) | 图像信息处理方法及装置、存储介质 | |
CN111225214A (zh) | 视频处理方法、装置及电子设备 | |
CN115883844A (zh) | 视频数据处理方法、装置、设备及存储介质 | |
CN113996056A (zh) | 云游戏的数据发送和接收方法以及相关设备 | |
CN114694007A (zh) | 一种视频结构化处理方法及视频结构化引擎 | |
CN111314701A (zh) | 视频处理方法及电子设备 | |
JP3839054B2 (ja) | 画像を送信ユニット内で符号化する方法 | |
CN115225881B (zh) | 一种数据传输方法、装置、设备和存储介质 | |
EP3989566A1 (en) | Motion information list construction method in video encoding and decoding, device, and apparatus | |
CN117412064A (zh) | 视频解码方法、装置、电子设备及计算机存储介质 | |
US20240195990A1 (en) | Residual-free palatte mode coding | |
WO2023113917A1 (en) | Hybrid framework for point cloud compression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |