CN1241149C - 一种jpeg2000多图像片压缩率预分配方法 - Google Patents

Abstract

本发明公开了一种JPEG2000图像片之间压缩率预分配算法。它能有效地在JPEG2000处理中根据各个图像片所包含的信息量将用户设定的压缩率分配到各个图像片中，从而解决了简单地将整体压缩率平均分配给每一个图像片所产生的色度差和边缘不光滑问题。并且引入JPEG-LS与PNG预测模板和边缘检测算子用于计算图像片的信息含量。大量的实验结果表明：使用压缩率预分配算法，重建图像的视觉效果可以得到不同程度的改善和加强，MSE显著降低，对于目标具有区域集中性的图像，尤为有效；用JPEG-LS与PNG预测算法和小模板的边缘检测算子来衡量图像片的信息量有较好的实时性和有效性，能够满足硬件要求。

Description

一种JPEG2000多图像片压缩率预分配方法

一、技术领域

本发明属于VLSI设计技术领域。具体涉及到在JPEG2000硬件实现中设计出一种新的JPEG2000压缩率预分配方法。

二、背景技术

JPEG2000静态图像压缩标准自其发布以来一直成为工程界和学术界所关注的热点。JPEG2000协议中所有关于压缩率控制(rate control)部分都是针对一个图像片进行，它详尽地说明了在一个图像片内应该如何分配有限长的码字，才能使图像重建后的失真达到最小。但是，对于比较大的图像，一般都会把它划分成多个图像片来处理，所有前向分量变换、DC位移、离散小波变换、量化、算术编码以及分层截断和打包，都只会在一个图像片的内部进行。那么应该如何在图像片之间进行压缩率分配呢？对于这个问题，从目前所了解到的国内和国际上已经发布的所有JPEG2000协议和关于JPEG2000压缩率控制方面的论文以及在JPEG2000软硬件结构实现上来看都没有相关的文献讨论这个问题，更没有提出相关的解决措施。从JasPer/JPEG2000源程序来看，它没有考虑到图像片之间的信息差别，只是将图像的整体压缩率平均分配给每一个图像片而已。申请人经过观察研究发现，当信息在整幅图像上分布比较均匀或压缩比相对较低的时候，这种处理方法还差强人意；但如果信息在各个图像片间分布极度不均和高压缩比的情况下，用此方法压缩图像在图像片与片之间会出现明显的色度差和边缘不光滑。当然不能让用户来手动设定每个图像片的压缩率，应该有一套根据图像片信息含量进行压缩率自动分配的自适应算法去解决这个问题。

但是传统的信息量的评价方法，如Shannon信息量要对图像的像素值进行统计，而且还要进行对数运算。同样MSE统计方法，需要对原图像进行两次扫描，而且还要进行平方运算。因此传统的信息含量的计算方法由于其计算量相当大，无法满足硬件的实时性要求，因此找到一种合适的信息量统计方法来评定图像的信息含量是必要的。

三、发明内容

根据上述背景技术存在的缺陷和不足，本发明的目的在于，提供一种JPEG2000多图像片压缩率预分配方法。

本发明采用的解决方案是：首先计算图像的信息含量，然后根据图像的信息含量在图像片之间进行压缩率的预分配；另外引入JPEG-LS与PNG的预测模块和边缘检测模块来衡量图像的信息含量；

至少包括以下步骤：

1)引入预测模板和边缘检测算子进行图像片的信息量评价

a)采用JPEG-LS或PNG预测模块，在四邻域范围内预测，设x’为预测量，则预测信息含量为：x-x’(x为实际象素值)，总体图象片的信息含量为所有像素的预测信息含量的总和；

b)采用边缘检测算子评价图象的信息量的方法：首先用边缘检测模板作用于原图象，得到各像素的信息量；各像素信息量总和就是图像的信息量；

2)根据不同图像片的信息含量和用户设定的压缩比的乘积作为加权系数分配各个图像片的压缩比。

本发明的JPEG2000多图像片压缩率预分配算法，重建图像的视觉效果可以得到不同程度的改善和加强，MSE显著降低，对于目标具有区域集中性的图像，尤为有效；用JPEG-LS与PNG预测算法和小模板的边缘检测算子来衡量图像片的信息量有较好的实时性和有效性，能够满足硬件设计的要求。

四、附图说明

图1是本发明的预测过程示意图；

图2是本发明的预测模板示意图；

图3是JPEG-LS预测算法示意图；

图4是PNG预测算法示意图；

图5是边缘检测过程示意图；

图6是简化的边缘检测模板示意图；

图7是改进后的JPEG2000编码流程图。

五、具体实施方式

本发明是根据图像片信息含量在图像片之间进行压缩率自动分配的方法。以下结合附图对本发明作进一步的详细描述。

1.信息含量的评价方法

图像信息含量的评价方法有很多，通常使用Shannon信息量来衡量。但是，Shannon信息量需要对所有点的像素值进行统计，而且还要对得到的统计概率进行对数运算，计算量很大，实时性差。同样均方误差(MSE)MSE也是一种衡量图像信息含量的方法，它需要对整个图像进行两次扫描，而且还要进行平方运算，因此计算量也相当大，更重要的是，它无法实现并行运算。另外，Shannon信息量和MSE统计方法都没有考虑图像像素的领域信息。针对上面两种方法的缺陷，首次引入边缘检测和预测模板来衡量图像信息含量的实用算法，这两个算子的实时性和有效性大大优于Shannon和MSE。

*预测信息含量  对图像加一个预测模块，然后用预测值与源像素值进行差值，最后用这个差值进行信息含量的计算。

预测信息含量的计算流程如图1所示，这种预测模块主要是基于四领域(图2)进行预测的，通常的预测模块有JPEG-LS(图3)和PNG(图4)，这两个预测模块具有三个有利的特点：

1)计算量小；

2)考虑了领域信息；

3)更符合信息量的定义。

*基于边缘检测的统计法

边缘对一幅图像来说是非常重要的特性，因此边缘也是衡量图像信息含量的一个重要标志。引入一些边缘检测模板先检测出图像的边缘，再用边缘来确定图像的信息含量，也是一种重要的方法。

通常的边缘检测算子有Roberts交叉算子、Sobel算子、Prewitt算子、Laplace算子、LOG算子和Canny算子等。边缘越丰富，图像所包含的信息含量就越大。检验边缘的最优算子首推Canny算子，它不仅可以检测图像的边缘，而且具有去噪的功能。通过实验发现，使用9×9Canny算子进行信息含量统计后，压缩率分配的平均效果确实是最好的，而且稳定性高。美中不足在于运算量过于庞大，无论是硬件还是软件，恐怕其开销都难以承受。

本发明推荐一种简化的边缘检测算子(如图6)，使用这种模板不需要进行乘法运算，效率大大提高。在实用中，还可以通过每4个点或8个点进行间隔采样，然后再进行边缘检测。这样不仅提高了运算速度，而且可以检测到大边缘，不易受到噪声的干扰。采用这种方法只需要付出很小的运算代价，就可以在压缩比不变的情况下显著提高图像质量，是本发明重点推荐的一种压缩率预分配方法。

2.预分配过程

令ImageSize为原始图像大小，N为划分出的图像片个数，ratio为用户给定的压缩比，则每一个图像片的压缩率权系数ri，i＝1，2，3，…N，满足(2.1)式：

$\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{ri}=1---\left(2.1\right)$

每一个图像片所分配到的字节数为R_i，满足(2.2)式：

                                        (2.2)

               Ri＝ImageSize×ratio×ri

压缩率权系数r_k满足(2.3)式：

$r_k=\frac{I_k}{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{I}_i}---(2.3)$

其中I_k为图像片k所对应的信息含量，可以用前面所给出的任意一种评价方法求出。加入压缩率预分配模块之后的JPEG2000编码流程如图7所示。

使用基于图像片信息含量的预分配算法对许多具有区域集中性的图像进行测试，结果表明：压缩解压后的效果可以得到大幅度的增强，本算法具有较高的实时性和有效性。

图像片的信息含量指可重构一幅图像片所需要的最小压缩存储空间。后一种意义没有一个确切的量化标准，它跟具体的去除冗余信息的算法密切相关。因此对于图像而言，不止是跟图像的像素值有关，而且和像素的位置排列密切相关。而Shannon信息量和MSE统计量，没有考虑到像素的位置信息。预测模板和边缘检测模块它们都考虑了与领域信息的关系，因此这种信息含量不仅是表达了像素值的统计更重要的是包含了像素位置信息的累计。另外预测模板和边缘检测算子的计算量小，只需在图像输入的前端加上2～3个图像的行存即可实时计算图像片的信息量，而无需多次扫描图像。

压缩率预分配算法，是指根据每一个图像片的信息含量的大小，将用户设定的压缩率分配到各个图像片中的方法。首先根据信息评定的方法计算出各个图像片的信息含量，然后再根据信息量的不同，给每个图像片分配不同的压缩率分配权系数，然后再与用户设定的压缩率相乘就可以得到当前图像片的实际压缩率。

大量的试验结果表明：使用压缩率预分配算法，重建图像的视觉效果可以得到不同程度的改善和加强，MSE显著降低，对于目标具有区域集中性的图像，尤为有效；用JPEG-LS与PNG预测算法和小模板的边缘检测算子来衡量图像片的信息量有较好的实时性和有效性，能够满足硬件设计的要求。

Claims (2)

1.一种JPEG2000多图像片压缩率预分配方法，其特征在于，首先计算图像的信息含量，然后根据图像的信息含量在图像片之间进行压缩率的预分配；另外引入JPEG-LS与PNG的预测模块和边缘检测模块来衡量图像的信息含量；

至少包括以下步骤：

1)引入预测模板和边缘检测算子进行图像片的信息量评价；

a)采用JPEG-LS或PNG预测模块，在四邻域范围内预测，设x’为预测量，x为实际象素值，则预测信息含量为：x-x’，总体图象片的信息含量为所有像素的预测信息含量的总和；

b)采用边缘检测算子评价图象的信息量的方法是：首先用边缘检测模板作用于原图象，得到各像素的信息量；各像素信息量总和就是图像的信息量；

2)根据不同图像片的信息含量和用户设定的压缩比的乘积作为加权系数分配各个图像片的压缩比。

2.如权利要求1所述的JPEG2000多图像片压缩率预分配方法，其特征在于，所述预分配方法按以下公式进行：

令ImageSize为原始图像大小，N为划分出的图像片个数，ratio为用户给定的压缩比，则每一个图像片的压缩率权系数为ri，i＝1，2，3，…N，满足(2.1)式：

$\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{ri}=1---\left(2.1\right)$

每一个图像片所分配到的字节数为R_i，满足(2.2)式：

                                                    (2.2)

                Ri＝ImageSize×ratio×ri

压缩率权系数r_k满足(2.3)式；

$r_k=\frac{I_k}{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{I}_i}------\left(2.3\right)$

其中I_k为图像片k所对应的信息含量。

Images