CN114240975A - 图像处理方法和图像处理装置 - Google Patents
图像处理方法和图像处理装置 Download PDFInfo
- Publication number
- CN114240975A CN114240975A CN202210183169.XA CN202210183169A CN114240975A CN 114240975 A CN114240975 A CN 114240975A CN 202210183169 A CN202210183169 A CN 202210183169A CN 114240975 A CN114240975 A CN 114240975A
- Authority
- CN
- China
- Prior art keywords
- image
- blocks
- processing method
- image processing
- transformation
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 title claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 86
- 238000013139 quantization Methods 0.000 claims abstract description 32
- 238000007906 compression Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000006835 compression Effects 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 54
- 239000002775 capsule Substances 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/124—Quantisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20052—Discrete cosine transform [DCT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Discrete Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请公开了图像处理方法和图像处理装置。所述图像处理方法包括:将原始图像分割成多个图像块图像,所述多个图像块分别包括多个图像子块;根据所述多个图像块的图像特征,将所述多个图像块中每个图像块分成至少一个变换区域,在每个变换区域中包括至少一个图像子块;对所述多个图像块分别按照变换区域进行DCT变换;对所述多个图像块分别按照变换区域进行量化;以及采用熵编码方法,对所述多个图像块的量化数据进行编码以获得压缩数据。该图像处理方法采用与图像特征相关的自适应DCT变换和自适应量化提高图像的压缩比,因而可以提高图像传输效率。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及图像处理方法和图像处理装置。
背景技术
随着科技的发展,人们对高清高分辨图像的需求越来越高,特别是在医疗影像领域,高清的医疗图像能够极大地方便主治医生分析患者的病情和做出诊断。目前,采用磁控胶囊内窥镜进行肠胃内部检查的方法已被广泛应用,胶囊内窥镜内部包括磁体、摄像头和图像传输装置,通过外部磁体与胶囊内窥镜的内部磁体之间的相互作用控制胶囊内窥镜在体内移动,通过胶囊内窥镜的摄像头拍摄胃部和肠道内壁图像,通过胶囊内窥镜的图像传输装置将图像发送至体外的接收装置。医生根据胶囊内窥镜拍摄的图像能够分析用户的胃壁和肠壁的健康状况。
在胶囊内窥镜中采用图像压缩编码可以显著减小图像尺寸,因而可以提高图像传输效率。例如,可以采用JPEG标准对原始图像进行图像压缩编码。国际标准化组织制订的JPEG标准为连续色调图像的压缩提供了公共标准。JPEG压缩采用有损压缩技术,将数据分为重要和不重要的部分,而后滤掉不重要的部分,再保存起来。主要包含图像分割、色彩空间转换RGB->YCbCr、离散余弦变换(DCT)、数据量化、哈夫曼编码等步骤。经过JPEG压缩之后的图像能够得到1/8的压缩比。
然而,作为胶囊内窥镜的图像压缩技术,JPEG压缩仍然存在着一些缺点。例如,在JPEG压缩中采用的图像分割导致细节损失,例如,可能产生边块效应和振铃伪影,结果,人工智能医学影像诊断的准确性受到影响。采用统一的DCT变换和量化操作以及采用哈夫曼编码方式,可以获得较快的编码速度但压缩比较低。对整个图像的直接编码导致解码效率较低。
因此,期望进一步改进胶囊内窥镜的图像压缩技术以提高图像质量和图像传输效率。
发明内容
鉴于上述问题,本发明的目的在于提供一种图像处理方法和图像处理装置,其中,采用与图像特征相关的自适应DCT变换和自适应量化提高图像的压缩比,因而可以提高图像传输效率。
根据本发明的第一方面,提供一种图像处理方法,包括:将原始图像分割成多个图像块图像,所述多个图像块分别包括多个图像子块;根据所述多个图像块的图像特征,将所述多个图像块中每个图像块分成至少一个变换区域,在每个变换区域中包括至少一个图像子块;对所述多个图像块分别按照变换区域进行DCT变换;对所述多个图像块分别按照变换区域进行量化;以及采用熵编码方法,对所述多个图像块的量化数据进行编码以获得压缩数据。
优选地,将所述多个图像块中的每个图像块分成至少一个变换区域包括:根据所述原始图像在第一色彩空间的图像数据,获得所述图像块中的多个图像子块的图像特征评价指标;对所述多个图像子块的图像特征评价指标进行统计分析,以获得所述多个图像子块的统计参数;在预设变换区域中,根据所述多个图像子块的统计参数计算出变换区域评价指标;以及在所述变换区域评价指标小于等于参考值的情形下,将所述多个图像子块标记为同一个变换区域。
优选地,所述预设变换区域选自不同尺寸的多个预设区域。
优选地,所述多个预设区域包括最大变换区域和最小变换区域,所述最大变换区域包括图像块中的全部图像子块,所述最小变换区域包括图像块中的一个图像子块。
优选地,在所述变换区域评价指标大于所述参考值的情形下,在所述多个预设区域中重新选择所述预设变换区域。
优选地,按照从大到小的顺序,遍历所述多个预设区域,直至所述变换区域评价指标小于等于所述参考值。
优选地,所述第一色彩空间为XYB色彩空间,所述XYB色彩空间的三通道图像数据是对LMS色彩空间的三通道图像数据进行预处理和矩阵变换获得的三通道图像数据。
优选地,所述预处理包括采用下式修正LMS色彩空间的三通道图像数据:
其中,L、M、S分别表示像素在LMS色彩空间的三通道图像数据,L’、M’、S’分别表示像素经过预处理的三通道图像数据,cbrt表示3*1的偏置向量。
优选地,所述矩阵变换包括采用下式计算XYB空间的三通道图像数据:
其中,L’、M’、S’分别表示LMS色彩空间经过预处理后的三通道图像数据,X、Y、B表示XYB色彩空间的三通道图像数据,
X表示L’和M’之间的差值,Y表示L’和M’的均值,B表示S’,Y对应于亮度。
优选地,根据第二色彩空间的图像数据,按照变换区域进行DCT变换和量化。
优选地,所述第二色彩空间为YCbCr色彩空间。
优选地,所述图像特征评价指标表征所述图像子块的图像均匀度。
优选地,所述图像特征评价指标包括差异性评价指标和平滑性评价指标至少之一。
优选地,根据所述图像子块中的选定像素点与最近邻像素点的像素值之差计算所述差异性评价指标。
优选地,根据所述图像子块中的选定像素点与次近邻像素点的像素值之差计算所述平滑性评价指标。
优选地,对所述多个图像块分别按照变换区域进行DCT变换的步骤包括:按照所述变换区域,对所述第二色彩空间的图像数据进行DCT变换以获得系数矩阵。
优选地,对所述多个图像块分别按照变换区域进行量化的步骤包括:
对标准量化表采用双线性插值的方法生成与所述变换区域相对应的量化表;以及按照所述变换区域,对所述系数矩阵进行量化计算以获得量化矩阵。
优选地,所述将所述多个图像块中每个图像块分成至少一个变换区域的步骤生成变换区域文件。
优选地,所述对所述多个图像块的量化数据进行编码的步骤生成压缩图像文件。
优选地,所述图像处理方法用于胶囊内窥镜的图像压缩和图像传输。
优选地,所述图像处理方法在图像压缩时生成变换区域文件和压缩图像文件,在图像传输时发送所述变换区域文件和所述压缩图像文件。
根据本发明的另一方面,提供了一种图像处理装置,包括:块分割模块,用于将原始图像分割成多个图像块图像,所述多个图像块分别包括多个图像子块;变换区域分割模块,用于根据所述多个图像块的图像特征,将所述多个图像块中每个图像块分成至少一个变换区域,在每个变换区域中包括至少一个图像子块;DCT变换模块,用于对所述多个图像块分别按照变换区域进行DCT变换;量化模块,用于对所述多个图像块分别按照变换区域进行量化;以及编码模块,用于采用熵编码方法,对所述多个图像块的量化数据进行编码以获得压缩数据。
优选地,所述变换区域分割模块根据所述原始图像在第一色彩空间的图像数据,获得所述图像块中的多个图像子块的图像特征评价指标,对所述多个图像子块的图像特征评价指标进行统计分析,以获得所述多个图像子块的统计参数,在预设变换区域中,根据所述多个图像子块的统计参数计算出变换区域评价指标,以及在所述变换区域评价指标小于等于参考值的情形下,将所述多个图像子块标记为同一个变换区域。
优选地,所述图像处理装置生成变换区域文件和压缩图像文件。
根据本发明实施例的图像处理方法,将原始图像分成多个图像块,根据多个图像块的图像特征,将多个图像块中每个图像块分成至少一个变换区域。在图像块中,不同DCT变换区域的尺寸可以相同或不同。因此,根据图像特征选择不同尺寸的DCT变换区域,进行自适应DCT变换和量化。对于图像块中的均匀区域,采用大尺寸的DCT变换区域可以减少熵,不仅编码解码速度快,而且图像压缩比高,图像质量损失小,因而,可以提高编码效率。对于图像块中的异质区域,采用小尺寸的DCT变换区域可以减少伪影,因而可以提高图像质量。
该图像处理方法尤其适合用于胶囊内窥镜的图像压缩和图像传输,利用快速编码解码和高压缩比的特性,不仅可以提高胶囊内窥镜的图像采集频率,而且可以减少图像传输的数据量,提高图像传输速率。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示出根据本发明第一实施例的图像处理方法的流程图。
图2示出在图1所示图像处理方法中图像子块的对齐填充的图像数据。
图3示出在图1所示图像处理方法中的差异性评价指标计算中选择的像素点。
图4示出在图1所示图像处理方法中的平滑性评价指标计算中选择的像素点。
图5a、图5b、图5c分别示出胶囊内窥镜采集的原始图像、根据现有技术的JPEG图像和根据发明实施例的图像处理方法产生的图像。
图6示出根据本发明第二实施例的图像处理装置的示意性框图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
图1示出根据本发明第一实施例的图像处理方法的流程图。
在步骤S01中,将原始图像分成多个图像块。在图像分块之后,对多个图像块可以进行并行的编码或解码,因而可以提高编码效率和解码效率。
原始图像的图像数据例如是RGB三通道数据的集合。原始图像例如表示为W*H*3,其中,W和H分别表示水平方向的像素数量和垂直方向的像素数量,每个像素表示成一组RGB三通道数据。
在该步骤中,根据原始图像的实际特征和芯片性能,将原始图像分割成大小为m*m的图像块,例如,m=256。在后续处理中,可以对图像块进行独立编码。
进一步地,根据原始图像的大小和图像块大小,计算图像水平方向的块数目x_groups、垂直方向的块数目y_groups、以及总块数目num_groups,如式(1)所示:
其中,表示向下取整函数,W和H分别表示原始图像在水平方向上的像素数量和在垂直方向上的像素数量。
进一步地,根据原始图像大小和图像块的参考点坐标,计算每个图像块的位置,用于对图像块的位置进行索引。例如,图像块的形状为正方形,参考点例如是图像块左上角的像素。
进一步地,将图像块分割成大小为n*n的图像子块,例如,n=8。不论水平方向还是垂直水向上,图像块的像素数量均为图像子块的像素数据的整数倍,即,m为n的整数倍。
在上述的图像分块之后,一个完整图像块的像素总数A=m*m,例如,65536,一个完整图像子块的像素总数B=n*n,例如,64。因此,图像块包含A/B个图像子块,例如,1024。
进一步地,对齐填充图像子块的图像数据。如果原始图像的大小不是图像块的大小的整数倍,则至少一些图像子块为不完整像素子块。不完整像素子块的像素总数少于完整图像子块的像素总数A。对不完整像素子块进行对齐填充,对齐填充包括列填充和行填充,其中,列填充是在在最后一列后面填充新的列数据,行填充是在最后一行后面填充新的行数据。
优选地,参见图2,对不完整图像子块先后进行列填充和行填充,其中,列填充的图像数据直接复制最后一列的数据,行填充的图像数据直接复制最后一行的数据。
在步骤S02中,将原始图像的图像数据从RGB色彩空间转换成XYB色彩空间。
在该步骤中,对原始图像的图像数据的色彩空间进行多次转换,从RGB色彩空间转换到XYB色彩空间。例如,上述色彩空间的多次转换依次包括:从RGB色彩空间转换至线性空间的第一次转换,从线性空间转换至LMS色彩空间的第二次转换,以及从LSM色彩空间至XYB空间的第三次转换。
第一次转换采用gamma校正,如式(2)所示:
由于RGB色彩空间的图像数据是显示在gamma2.2空间中的,因此,需要进行gamma
系数为2.2的gamma矫正,将RGB色彩空间转换到线性空间。经过第一次转换后,图像数据变
小,图像变暗,经过gamma校正后的线性空间表示为 。
第二次转换采用矩阵变换,如式(3)所示:
其中,L、M、S分别表示像素在LMS色彩空间的相应通道图像数据,R’、G’、B’分别表示像素在线性空间的相应通道图像数据,Matrix表示3*3的转换矩阵,T表示矩阵转置,Bias表示3*1的偏置向量。
第三次转换采用LSM色彩空间的图像数据预处理和矩阵变换。
在第三次转换的图像数据预处理中,将LMS空间中小于0的像素值置为零,而后更新每个像素的LMS值,如式(4)所示:
其中,L、M、S分别表示像素在LMS色彩空间的相应通道图像数据,L’、M’、S’分别表示像素经过预处理的相应通道图像数据,cbrt表示3*1的偏置向量。
在上述式(4)的立方根计算中,可以通过牛顿迭代法获取计算结果。
在第三次转换的矩阵变换中,采用3*3的转换矩阵进行计算,将LSM色彩空间的图像数据转换成XYB空间的图像数据,如式(5)所示:
其中,L’、M’、S’分别表示像素经过预处理的相应通道图像数据,X表示L’和M’之间的差值,Y表示L’和M’的均值,B表示S’。进一步地,Y对应于亮度。
在步骤S03中,根据XYB色彩空间的图像数据,获得图像块的DCT变换区域。在本实施例中,以大小为64*64的图像块和大小为8*8的图像子块为例进行说明,每个图像块包括64个图像子块。
DCT变换区域选自不同尺寸的多个预设区域。在图像块大小为64*64且图像子块大小为8*8的情形下,在x方向和y方向的图像子块的数量均为8个。预设区域共有12种,包括:DCT64*64、DCT64*32、DCT32*64、DCT32*32、DCT16*32、DCT32*16、DCT16*16、DCT8*32、DCT32*8、DCT16*8、DCT8*16、DCT8*8。最小DCT变换区域包括图像块中的1个图像子块,即,大小为8*8,最大DCT变换区域包括图像块中的全部64个图像子块,即,大小为64*64。
在本实施例中,对于每个图像子块,求解出多个图像子块的图像特征评价指标。图像特征评价指标包括差异性评价指标max_delta和平滑性评价指标flat。
在计算差异性评价指标max_delta时,选择图像子块第二行到倒数第二行的所有像素点,分别计算出选择的像素点的差异性指标delta值。如图3所示,对于选择第i行第j列的像素点p1,进一步选择像素点p1的最近邻的四个像素点s1、n1、w1、e1。最近邻的四个像素点s1、n1、w1、e1分别为上一行相同列的像素点、下一行相同列的像素点、同一行前一列的像素点、同一行后一列的像素点。然后,计算出选择的像素点p1与最近邻的四个像素点s1、n1、w1、e1的像素值各自的差值的绝对值的最大值,作为像素点p1的差异性指标delta值,如式(6)所示:
其中,p1表示选择的像素点的像素值,s1、n1、w1、e1表示最近邻的四个像素点的像素值。
在上述的式(6)中,像素点的像素值为根据上式(5)计算出的XYB色彩空间的三通道图像数据。对于XYB色彩空间的不同通道图像数据,分别计算出像素点p1的差异性指标delta值。
在计算平滑性评价指标flat时,选择图像子块第三行到倒数第三行的所有像素点,分别计算出选择的像素点的平滑性指标s_val值。如图4所示,对于选择第i行第j列的像素点p2,进一步选择像素点p2的次近邻的四个像素点s2、n2、w2、e2。次近邻的四个像素点s2、n2、w2、e2分别为上两行相同列的像素点、下两行相同列的像素点、同一行前两列的像素点、同一行后两列的像素点。然后,计算出选择的像素点p2与次近邻的四个像素点s2、n2、w2、e2的像素值各自的差值的绝对值之和,作为像素点p2的平滑性指标s_val值,如式(8)所示:
其中,p2表示选择的像素点的像素值,s2、n2、w2、e2表示次近邻的四个像素点的像素值。
在上述的式(8)中,像素点的像素值为根据上式(5)计算出的XYB色彩空间的三通道图像数据。
其中,cx和cy分别表示选择的DCT变换区域在x方向和y方向上的图像子块的个数,表示多个图像子块的的最大值、表示多个图像子块的的最小值、表示多个图像子块的的总和、表
示多个图像子块的的次大值,表示多个图像子块的的最大值。
进一步地,将变换区域评价指标与参考值kMaxDelta进行比较,如
果,则将选择的DCT变换区域覆盖的全部图像子块标记为同
一个DCT变换区域。如果,则按照从大到小的顺序,遍历DCT
变换区域的所有尺寸的预设区域,对于每个预设区域,重复式(10)至(12)的计算过程,直至
符合的条件。
优选地,该步骤获得原始图像的图像块中的DCT变换区域可以写入变换区域文件,以便于后续的编码和解码操作。
在步骤S04中,在YCrCb色彩空间,按照DCT变换区域对图像块进行离散余弦变换(DCT)。
在该步骤中,对原始图像的图像数据的色彩空间进行转换,从RGB色彩空间转换到YCrCb色彩空间,然后,根据YCrCb色彩空间的图像数据进行DCT变换。与RGB色彩空间不同,YCrCb色彩空间根据图象中的明暗将重要信息和不重要信息彼此分开。利用YCrCb色彩空间的特性可以更高效地进行压缩处理。
采用以下的色彩空间变换公式,将RGB色彩空间的图像数据转换成YCrCb色彩空间的图像数据,
其中,R、G、B分别表示像素在RGB色彩空间的相应通道图像数据,Y、Cr、Cb分别表示像素在YCrCb色彩空间的相应通道图像数据,Y表示亮度,Cb和Cr分别表示绿色和红色的色差值,KR表示红色所贡献的亮度的份额,KB表示蓝色所贡献的亮度的份额。
应当注意,尽管上述的DCT变换公式是已知的,然而,在本实施例中,上式(13)中的变换矩阵大小M*N是可变的。
在本实施例中,根据XYB色彩空间的图像数据提取图像特征评价指标,然后根据图像特征计算出变换区域评价指标,进一步地,根据变换区域评价指标获得图像块的至少一个DCT变换区域。该图像特征评价指标表征图像均匀度。根据图像特征,将图像块中的多个图像子块分割成一个或多个DCT变换区域。在图像块中,不同DCT变换区域的尺寸可以相同或不同。因此,采用自适应DCT变换区域,根据图像均匀度选择不同尺寸的DCT变换区域。对于图像块中的均匀区域,采用大尺寸的DCT变换区域以提高编码效率,对于图像块中的异质区域,采用小尺寸的DCT变换区域以提高图像质量。
在步骤S05中,按照DCT变换区域,对图像块进行量化。
在图像处理中,图像的数字化包括取样和量化,其中,取样用于获得图像的采样点
的数字化坐标值,量化用于获得图像的采样点的数字化幅度值。在量化中使用量化表,对标
准量化表采用双线性插值的方法,生成DCT变换区域的量化表。进一步地,采用以下公知的
量化公式,可以获得量化矩阵,
在本实施例中,在图像块中,按照DCT变换区域进行自适应DCT变换之后,进一步按照DCT变换区域进行自适应量化。对于图像块中不同大小的变换区域,采用对标准量化进行双线性插值的方法生成相应规模的量化表,因此可以简化标准量化表的生成计算。
在步骤S06中,采用熵编码方法进行编码以获得压缩数据。
在图像处理中,熵编码方法用于按照熵原理进行编码,其中,根据消息出现概率的分布特性进行编码,以实现编码过程保存信息熵的无损数据压缩编码。
在本实施例中,在图像块中,统计每个图像子块在三通道上量化数据的直方图,而后采用tANS编码方法进行编码。将直方图的统计信息归一化到4096,而后将直方图中除最大数值外的其他数据取整到靠近的2次幂上,并将取整量化的差值叠加到最大的数上,得到新的图像统计信息计数(count)数组。
进一步地,利用桶排序的方法,根据计数数组中符号的统计信息,将0-4095个状态分配到各个符号,采用tANS的方法构建映射表。进一步地,设置初始状态为4095,依次输入待编码的符号,根据上一步构建的映射表进行编码,并输出编码后的比特流,从而获得压缩数据文件。
优选地,该步骤获得原始图像的压缩数据可以写入压缩图像文件。在胶囊内窥镜传输图像时,同时发送变换区域文件和压缩图像文件。位于体外的接收装置接收到变换区域文件和压缩图像文件之后,根据变换区域文件中的DCT变换区域信息进行解码操作。
为了验证上述图像处理方法的效果,对于胶囊内窥镜采集的480副图像,分别采用JPEG-70规范和本发明的图像处理方法进行编码以获得原始图像的压缩文件,然后获得压缩文件的压缩参数。
表1、采用不同图像处理方法进行编码获得的压缩文件参数
压缩文件参数 | JPEG-70 | 本发明 |
PSNR | 39.5958 | 39.6368 |
SIZE(kb) | 11.8174 | 10.7117 |
可以看出,本发明的图像处理方法与JPEG-70的图像处理方法相比,峰值信噪比(PSNR)并无明显劣化,并且压缩文件大小减小约9.4%,从而进一步提高了压缩比。
图5a、图5b、图5c分别示出胶囊内窥镜采集的原始图像、根据现有技术的JPEG图像和根据发明实施例的图像处理方法产生的图像。
对于图5a所示的原始图像,分别采用JPEG-70规范和本发明的图像处理方法进行编码以获得原始图像的压缩文件,然后分别对压缩文件进行解码以获得解码图像,如图5b和5c所示。对比图5a、图5b、图5c,本发明的图像处理方法可以获得高质量的解码图像,可以有效减少伪影。
图6示出根据本发明第二实施例的图像处理装置的示意性框图。图像处理装置100包括块分割模块101、变换区域分割模块102、DCT变换模块103、量化模块104、以及编码模块105。
在胶囊内窥镜中,例如采用胶囊内窥镜内部的处理器实现图像处理装置100的各个模块,或者,采用专用处理芯片实现图像处理装置100的各个模块。图像处理装置100将胶囊内窥镜采集的原始图像编码成压缩数据后,通过胶囊内窥镜的图像传输装置将压缩数据发送至体外的接收装置。
块分割模块101用于将原始图像分割成多个图像块图像,多个图像块分别包括多个图像子块。变换区域分割模块102用于根据多个图像块的图像特征,将多个图像块中每个图像块分成至少一个变换区域,在每个变换区域中包括至少一个图像子块。DCT变换模块103用于对多个图像块分别按照变换区域进行DCT变换。量化模块104用于对多个图像块分别按照变换区域进行量化。编码模块105用于采用熵编码方法,对多个图像块的量化数据进行编码以获得压缩数据。
进一步地,变换区域分割模块102根据原始图像在第一色彩空间的图像数据,获得图像块中的多个图像子块的图像特征评价指标,对多个图像子块的图像特征评价指标进行统计分析,以获得多个图像子块的统计参数,在预设变换区域中,根据多个图像子块的统计参数计算出变换区域评价指标,以及在变换区域评价指标小于等于参考值的情形下,将多个图像子块标记为同一个变换区域。
进一步地,图像处理装置生成变换区域文件和压缩图像文件。
以上所描述的装置实施方式仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施方式方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (25)
1.一种图像处理方法,包括:
将原始图像分割成多个图像块图像,所述多个图像块分别包括多个图像子块;
根据所述多个图像块的图像特征,将所述多个图像块中每个图像块分成至少一个变换区域,在每个变换区域中包括至少一个图像子块;
对所述多个图像块分别按照变换区域进行DCT变换;
对所述多个图像块分别按照变换区域进行量化;以及
采用熵编码方法,对所述多个图像块的量化数据进行编码以获得压缩数据。
2.根据权利要求1所述的图像处理方法,其中,将所述多个图像块中的每个图像块分成至少一个变换区域包括:
根据所述原始图像在第一色彩空间的图像数据,获得所述图像块中的多个图像子块的图像特征评价指标;
对所述多个图像子块的图像特征评价指标进行统计分析,以获得所述多个图像子块的统计参数;
在预设变换区域中,根据所述多个图像子块的统计参数计算出变换区域评价指标;以及
在所述变换区域评价指标小于等于参考值的情形下,将所述多个图像子块标记为同一个变换区域。
3.根据权利要求2所述的图像处理方法,其中,所述预设变换区域选自不同尺寸的多个预设区域。
4.根据权利要求3所述的图像处理方法,其中,所述多个预设区域包括最大变换区域和最小变换区域,所述最大变换区域包括图像块中的全部图像子块,所述最小变换区域包括图像块中的一个图像子块。
5.根据权利要求3所述的图像处理方法,其中,在所述变换区域评价指标大于所述参考值的情形下,在所述多个预设区域中重新选择所述预设变换区域。
6.根据权利要求5所述的图像处理方法,其中,按照从大到小的顺序,遍历所述多个预设区域,直至所述变换区域评价指标小于等于所述参考值。
7.根据权利要求2所述的图像处理方法,其中,所述第一色彩空间为XYB色彩空间,所述XYB色彩空间的三通道图像数据是对LMS色彩空间的三通道图像数据进行预处理和矩阵变换获得的三通道图像数据。
10.根据权利要求2所述的图像处理方法,其中,根据第二色彩空间的图像数据,按照变换区域进行DCT变换和量化。
11.根据权利要求10所述的图像处理方法,其中,所述第二色彩空间为YCbCr色彩空间。
12.根据权利要求2所述的图像处理方法,其中,所述图像特征评价指标表征所述图像子块的图像均匀度。
13.根据权利要求12所述的图像处理方法,其中,采用所述第一色彩空间的图像数据计算所述图像特征指标。
14.根据权利要求12所述的图像处理方法,其中,所述图像特征评价指标包括差异性评价指标和平滑性评价指标至少之一。
15.根据权利要求14所述的图像处理方法,其中,根据所述图像子块中的选定像素点与最近邻像素点的像素值之差计算所述差异性评价指标。
16.根据权利要求14所述的图像处理方法,其中,根据所述图像子块中的选定像素点与次近邻像素点的像素值之差计算所述平滑性评价指标。
17.根据权利要求10所述的图像处理方法,其中,对所述多个图像块分别按照变换区域进行DCT变换的步骤包括:
按照所述变换区域,对所述第二色彩空间的图像数据进行DCT变换以获得系数矩阵。
18.根据权利要求17所述的图像处理方法,其中,对所述多个图像块分别按照变换区域进行量化的步骤包括:
对标准量化表采用双线性插值的方法生成与所述变换区域相对应的量化表;以及
按照所述变换区域,对所述系数矩阵进行量化计算以获得量化矩阵。
19.根据权利要求1所述的图像处理方法,其中,所述将所述多个图像块中每个图像块分成至少一个变换区域的步骤生成变换区域文件。
20.根据权利要求19所述的图像处理方法,其中,所述对所述多个图像块的量化数据进行编码的步骤生成压缩图像文件。
21.根据权利要求1所述的图像处理方法,其中,所述图像处理方法用于胶囊内窥镜的图像压缩和图像传输。
22.根据权利要求21所述的图像处理方法,其中,所述图像处理方法在图像压缩时生成变换区域文件和压缩图像文件,在图像传输时发送所述变换区域文件和所述压缩图像文件。
23.一种图像处理装置,包括:
块分割模块,用于将原始图像分割成多个图像块图像,所述多个图像块分别包括多个图像子块;
变换区域分割模块,用于根据所述多个图像块的图像特征,将所述多个图像块中每个图像块分成至少一个变换区域,在每个变换区域中包括至少一个图像子块;
DCT变换模块,用于对所述多个图像块分别按照变换区域进行DCT变换;
量化模块,用于对所述多个图像块分别按照变换区域进行量化;以及
编码模块,用于采用熵编码方法,对所述多个图像块的量化数据进行编码以获得压缩数据。
24.根据权利要求23所述的图像处理装置,其中,所述变换区域分割模块根据所述原始图像在第一色彩空间的图像数据,获得所述图像块中的多个图像子块的图像特征评价指标,对所述多个图像子块的图像特征评价指标进行统计分析,以获得所述多个图像子块的统计参数,在预设变换区域中,根据所述多个图像子块的统计参数计算出变换区域评价指标,以及在所述变换区域评价指标小于等于参考值的情形下,将所述多个图像子块标记为同一个变换区域。
25.根据权利要求23所述的图像处理装置,其中,所述图像处理装置生成变换区域文件和压缩图像文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183169.XA CN114240975A (zh) | 2022-02-28 | 2022-02-28 | 图像处理方法和图像处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183169.XA CN114240975A (zh) | 2022-02-28 | 2022-02-28 | 图像处理方法和图像处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240975A true CN114240975A (zh) | 2022-03-25 |
Family
ID=80748310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210183169.XA Pending CN114240975A (zh) | 2022-02-28 | 2022-02-28 | 图像处理方法和图像处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240975A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102640498A (zh) * | 2009-12-04 | 2012-08-15 | 汤姆森特许公司 | 纹理图案自适应分区块变换 |
CN102685487A (zh) * | 2011-03-16 | 2012-09-19 | 华为技术有限公司 | 图像编解码方法、图像编解码设备及网络*** |
CN103108177A (zh) * | 2011-11-09 | 2013-05-15 | 华为技术有限公司 | 图像编码方法及图像编码装置 |
CN111510719A (zh) * | 2020-03-12 | 2020-08-07 | 西安电子科技大学 | 一种视频的分布式压缩感知编解码方法 |
-
2022
- 2022-02-28 CN CN202210183169.XA patent/CN114240975A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102640498A (zh) * | 2009-12-04 | 2012-08-15 | 汤姆森特许公司 | 纹理图案自适应分区块变换 |
CN102685487A (zh) * | 2011-03-16 | 2012-09-19 | 华为技术有限公司 | 图像编解码方法、图像编解码设备及网络*** |
CN103108177A (zh) * | 2011-11-09 | 2013-05-15 | 华为技术有限公司 | 图像编码方法及图像编码装置 |
CN111510719A (zh) * | 2020-03-12 | 2020-08-07 | 西安电子科技大学 | 一种视频的分布式压缩感知编解码方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2551562T3 (es) | Codecs de alto rango dinámico | |
Hosseini et al. | Medical ultrasound image compression using contextual vector quantization | |
Narayanaperumal et al. | VLSI Implementations of Compressive Image Acquisition using Block Based Compression Algorithm. | |
JP2018511227A (ja) | フレーム内符号化方法、フレーム内復号化方法、エンコーダ、及びデコーダ | |
CN108235020B (zh) | 一种面向量化分块压缩感知的螺旋式逐块测量值预测方法 | |
Fischer et al. | Sparse overcomplete Gabor wavelet representation based on local competitions | |
CN106658004B (zh) | 一种基于图像平坦区域特征的压缩方法和装置 | |
Suzuki | Wavelet-based spectral–spatial transforms for CFA-sampled raw camera image compression | |
CN107527371A (zh) | 一种在压缩感知中逼近光滑l0范数的图像重建算法的设计构建方法 | |
Hassan et al. | Color image compression based on DCT, differential pulse coding modulation, and adaptive shift coding | |
CN110881128A (zh) | 一种jpeg图像可逆数据隐藏方法 | |
CN110996101A (zh) | 一种视频编码的方法和装置 | |
CN112950596A (zh) | 基于多区域多层次的色调映射全向图像质量评价方法 | |
JP3948619B2 (ja) | 画像圧縮装置、画像圧縮方法、プログラム及び記録媒体 | |
Abu et al. | An efficient compact Tchebichef moment for image compression | |
JP4293912B2 (ja) | ウェーブレット変換を使用するカラー画像のデータ圧縮 | |
Lakshmi et al. | Visually lossless compression for Bayer color filter array using optimized vector quantization | |
Sadkhan | A proposed image compression technique based on DWT and predictive techniques | |
CN114240975A (zh) | 图像处理方法和图像处理装置 | |
CN110971913B (zh) | 一种基于填充Y通道的Bayer图像压缩方法 | |
CN108989812B (zh) | 一种基于图像压缩的去块效应方法 | |
Alshami et al. | Enhancing quality of lossy compressed images using minimum decreasing technique | |
US20040105590A1 (en) | Method for still image compressing using filter bank based on non-separable wavelet basis | |
Yusof et al. | A comparative analysis of transformation techniques for the reconstruction of medical images | |
Narasimhulu et al. | Hybrid LWT and DCT based High-Quality Image 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 |