RU2557755C1

RU2557755C1 - Method for image compression during fractal coding

Info

Publication number: RU2557755C1
Application number: RU2014107166/08A
Authority: RU
Inventors: Алексей Николаевич Зыков; Сергей Константинович Карцов
Original assignee: Открытое акционерное общество "Центр судоремонта "Звездочка"
Priority date: 2014-02-25
Filing date: 2014-02-25
Publication date: 2015-07-27

Abstract

FIELD: information technology.

SUBSTANCE: in the method, after using a modified LBP technique, calculation of LBP code values and search for equivalent LBP code values are performed in rank and domain regions, formed by the same number of pixels located on a circle, where the radius of the circle of the domain region is greater than the radius of the circle of the rank region; the number of pixels, the radius of the circle and the coordinates of the position of the centre pixel for the rank and domain regions are stored.

EFFECT: faster encoding through selection of image characteristics which describe the domain and rank regions.

4 dwg

Description

Изобретение относится к области обработки изображений для хранения и передачи цифровой информации и может применяться при фрактальном кодировании изображения.The invention relates to the field of image processing for storing and transmitting digital information and can be used in fractal image encoding.

Фрактальное кодирование изображения является одним из наиболее перспективных методов сжатия информации с потерями в настоящее время. Фрактальное кодирование отличается как высокой степенью сжатия, так и высокой скоростью восстановления изображения. Степень сжатия данного алгоритма можно сравнить с известными современными методами кодирования, например JPEG, а скорость восстановления изображения гораздо выше. Математическое описание изображения как результат фрактального кодирования позволяет восстановить изображение любого размера без каких-либо значительных масштабных искажений, которые свойственны другим методам кодирования. Фрактальное кодирование является очень перспективным для компьютерных мультимедиа приложений и цифрового видео. Основным недостатком метода является большая вычислительная сложность этапа кодирования изображения [1].Fractal image coding is one of the most promising lossy information compression methods at present. Fractal coding is distinguished by both a high compression ratio and a high image recovery rate. The compression ratio of this algorithm can be compared with well-known modern encoding methods, for example JPEG, and the image recovery speed is much higher. The mathematical description of the image as a result of fractal coding allows you to restore the image of any size without any significant scale distortion, which are characteristic of other encoding methods. Fractal coding is very promising for computer multimedia applications and digital video. The main disadvantage of this method is the large computational complexity of the image coding stage [1].

Фрактальное кодирование изображения подразумевает нахождение множества сжимающих преобразований, которые отображают доменные блоки во множество ранговых блоков. Ранговые блоки покрывают все изображение, могут быть одинакового размера, но чаще используют адаптивное разбиение с переменным размером блоков.Fractal coding of an image involves finding a lot of compressive transformations that map domain blocks to a lot of rank blocks. Rank blocks cover the entire image, can be the same size, but more often they use adaptive partitioning with a variable block size.

Рассмотрим базовый алгоритм фрактального кодирования изображения [2]. Изображение I разбивают на прямоугольные ранговые блоки R_i, причем ранговые блоки не перекрываются и покрывают все изображение. Далее покрывают изображение I множеством доменных блоков D_i. Доменные блоки могут перекрываться, иметь разный размер, и их количество может достигать сотни или тысячи единиц. Для каждого рангового блока R_i находят сжимающее аффинное преобразование w_i, которое наилучшим образом аппроксимирует данный ранговый блок в доменный блок D_i.Consider the basic algorithm for fractal image coding [2]. Image I is divided into rectangular ranking blocks R _i , and the ranking blocks do not overlap and cover the entire image. Next, image I is covered with a plurality of domain blocks D _i . Domain blocks can overlap, have different sizes, and their number can reach hundreds or thousands of units. For each rank block R _i , a compressive affine transformation w _i is found that best approximates the given rank block to the domain block D _i .

Аффинное преобразование включает поворот, сжатие, масштабирование, сдвиг, отражение. Для того чтобы аффинное преобразование было сжимающим, размеры доменной области должны превышать размеры ранговой. Параметры этого преобразования сохраняют для дальнейшего восстановления рангового блока. Хорошее сжатие зависит от возможности найти хорошее соответствие между доменными и ранговыми блоками. Поиск наилучшего соответствия между ранговым и доменным блоками требует наибольших вычислительных затрат.Affine transformation includes rotation, compression, scaling, shift, reflection. In order for the affine transformation to be compressive, the dimensions of the domain domain must exceed the sizes of the rank domain. The parameters of this transformation are saved for further restoration of the rank block. Good compression depends on the ability to find a good match between domain and rank blocks. Finding the best match between rank and domain blocks requires the most computational cost.

Наиболее близким по технической сущности к заявляемому способу сжатия изображения при фрактальном кодировании является способ обработки изображений с помощью метода LBP [3].The closest in technical essence to the claimed method of image compression during fractal coding is a method of image processing using the LBP method [3].

В данной процедуре предложено использовать известный метод двоичных локальных шаблонов LBP (Local Binary Patterns) [4]. Алгоритм метода LBP заключается в следующем. Выделяют окрестность размера 3x3 вокруг каждого пикселя. Соседним пикселям, которые имеют значение выше или равны значению центрального пикселя, присваивают значение 1, а тем пикселям, у которых значение меньше значения центрального пикселя, присваивают значение 0. Восемь двоичных чисел, связанных с восемью соседними пикселями, читают последовательно по часовой стрелке, чтобы сформировать двоичное число. Эти двоичные числа или их десятичный эквивалент могут быть ассоциированы с центральным числом и использованы как характеристики локальной текстуры.In this procedure, it is proposed to use the well-known method of local binary patterns LBP (Local Binary Patterns) [4]. The algorithm of the LBP method is as follows. Select a 3x3 neighborhood around each pixel. Neighboring pixels that have a value higher than or equal to the central pixel value are assigned a value of 1, and those pixels that have a value lower than the central pixel value are assigned a value of 0. Eight binary numbers associated with eight neighboring pixels are read clockwise sequentially so that form a binary number. These binary numbers or their decimal equivalent can be associated with a central number and used as characteristics of a local texture.

В данной позиции пикселя (x_c, y_c) LBP код определен как упорядоченный набор двоичных сравнений интенсивности пикселя между центральным пикселем и восемью соседними пикселями.At this pixel position (x _c , y _c ), the LBP code is defined as an ordered set of binary comparisons of pixel intensity between a central pixel and eight adjacent pixels.

Десятичная форма получающегося 8-битного слова - LBP кода для пикселя с координатами (x_c, y_c) выражена формулой:The decimal form of the resulting 8-bit word is the LBP code for a pixel with coordinates (x _c , y _c ) expressed by the formula:

где i_{n -} значение интенсивности соседнего пикселя с индексом n;where i _{n is} the intensity value of the neighboring pixel with index n;

i_c - значение интенсивности центрального пикселя (x_c, y_c);i _c is the intensity value of the central pixel (x _c , y _c );

s(x) - пороговая функция, которая определена следующим образом:s (x) is a threshold function, which is defined as follows:

Благодаря отличительным свойствам текстуры и очень низким вычислительным затратам LBP метод является эффективным методом при анализе текстуры изображения.Due to its distinctive texture properties and very low computational cost, the LBP method is an effective method for analyzing image texture.

Способ-прототип предусматривает уменьшение исходного изображения и вычисление его LBP кода, получение новой матрицы значений LBP кода размером с уменьшенное изображение. Ввиду того, что вторая матрица ассоциируется с уменьшенным исходным изображением, то число LBP кода, выбранное в ней, представляет область изображения большую, чем значение из первой матрицы в исходном изображении. Эта матрица представляет доменные области.The prototype method involves reducing the original image and calculating its LBP code, obtaining a new matrix of LBP code values the size of a reduced image. Due to the fact that the second matrix is associated with a reduced original image, the number of LBP code selected in it represents a region of the image larger than the value from the first matrix in the original image. This matrix represents domain domains.

Недостатком данного способа является то, что LBP код вычисляют для ранговой и доменной областей с одинаковыми размерами, и получаемые характеристики, описывающие данные области, не обладают достаточной точностью.The disadvantage of this method is that the LBP code is calculated for the rank and domain domains with the same size, and the resulting characteristics that describe these areas do not have sufficient accuracy.

Технический результат, на достижение которого направлено изобретение, заключается в создании способа для увеличения скорости фрактального кодирования изображений. Способ сжатия изображений заключается в выделении характеристик, описывающих доменную и ранговую области, для сравнения доменной и ранговой областей на основании этих характеристик, а не по отдельным пикселям, что существенно сокращает объем работы.The technical result to which the invention is directed is to create a method for increasing the speed of fractal coding of images. A method of compressing images consists in highlighting the characteristics that describe the domain and rank areas for comparing the domain and rank areas based on these characteristics, rather than individual pixels, which significantly reduces the amount of work.

Поставленная задача осуществляется путем применения модифицированного метода LBP, при котором пиксели выбирают на некотором расстоянии от центрального пикселя и их координаты P(x_p, y_p) определяют следующим образом:The task is carried out by applying the modified LBP method, in which the pixels are selected at some distance from the central pixel and their coordinates P (x _p , y _p ) are determined as follows:

где x_p, y_p - координаты выбранных пикселей;where x _p , y _p are the coordinates of the selected pixels;

x_c, y_c - координаты центрального пикселя;x _c , y _c - coordinates of the central pixel;

R - радиус окружности, которую образуют выбранные пиксели;R is the radius of the circle that the selected pixels form;

Р - количество пикселей на окружности.P is the number of pixels on the circle.

После вычисления значений LBP кода ранговой области с определенным радиусом R и количеством точек Р берут для вычисления доменной области такое же количество точек Р, но с радиусом большим радиуса, который использовался для вычисления значения LBP кода ранговой области, причем каждое значение матрицы LBP кода доменной области представляет большую область, чем значение матрицы LBP кода ранговой области. При этом некоторые соседние пиксели имеют разные значения LBP кода, на что влияет его чувствительность к вращению и выбор первого соседнего пикселя (фиг. 4.).After calculating the values of the LBP code of the rank domain with a certain radius R and the number of points P, the same number of points P are taken to calculate the domain area, but with a radius larger than the radius that was used to calculate the LBP code of the rank domain, each value of the matrix of the LBP code of the domain domain represents a larger area than the value of the LBP matrix of the rank domain code. Moreover, some neighboring pixels have different values of the LBP code, which is affected by its sensitivity to rotation and the choice of the first neighboring pixel (Fig. 4.).

Просмотр значений выполняют последовательно по часовой стрелке, от того какой пиксель является стартовым, зависит, какие двоичные номера и их десятичные эквиваленты будут сформированы. В данном случае можно брать максимальное, минимальное или медианное значение LBP кода, чтобы сделать инвариантным данный код к вращению.Viewing values is performed sequentially clockwise, on which pixel is the starting one, it depends on which binary numbers and their decimal equivalents will be generated. In this case, you can take the maximum, minimum, or median value of the LBP code to make this code invariant to rotation.

Далее для любого значения LBP кода из первой матрицы находят эквивалентное значение во второй. Таким образом находят подобные области на обоих изображениях, которые представляют ранговую и доменную область и соответствие между ними. Проделывают это для всех значений LBP кода первой матрицы и сохраняют координаты второй матрицы, где находится число эквивалентное значению первой матрицы, и позицию центрального пикселя.Next, for any value of the LBP code from the first matrix, an equivalent value is found in the second. In this way, similar regions are found in both images that represent the rank and domain domains and the correspondence between them. This is done for all values of the LBP code of the first matrix and the coordinates of the second matrix are stored, where the number equivalent to the value of the first matrix is located, and the position of the central pixel.

Заявленный способ поясняется чертежами:The claimed method is illustrated by drawings:

фиг.1 - отображение ранговых областей в доменные области;figure 1 - mapping of ranking areas in domain domains;

фиг.2 - вычисление LBP кода;figure 2 - calculation of the LBP code;

фиг.3 - модифицированный LBP код;figure 3 is a modified LBP code;

фиг.4 - варианты формирования LBP кода.figure 4 - options for the formation of LBP code.

Экспериментальное применение предлагаемого способа сжатия изображения с применением метода LBP позволяет значительно сократить временные и вычислительные расходы при фрактальном кодировании изображений. Способ прост, эффективен и универсален.The experimental application of the proposed image compression method using the LBP method can significantly reduce the time and computational costs of fractal image encoding. The method is simple, efficient and versatile.

Источники информацииInformation sources

1. Barnsley М., Hurd L. Fractal Image Compression. - Wellesley, MA: A.K. Peters, Ltd, 1993.1. Barnsley M., Hurd L. Fractal Image Compression. - Wellesley, MA: A.K. Peters, Ltd, 1993.

2. С. Уэлстид. Фракталы и вейвлеты для сжатия изображений в действии. Учебное пособие. - М.: Издательство Триумф, 2003, 320 с;2. S. Welstead. Fractals and wavelets for compressing images in action. Tutorial. - M .: Triumph Publishing House, 2003, 320 p .;

3. Зыков А.Н., Карцов С.К., Куприянов Д.Ю. Обработка изображений с помощью метода LBP (Local Binary Patterns). Известия МГИУ №3 (27), 2012, с.42.3. Zykov A.N., Kartsov S.K., Kupriyanov D.Yu. Image processing using the LBP (Local Binary Patterns) method. Proceedings of MGIU No. 3 (27), 2012, p. 42.

4. Ojala Т., Pietikainen М., Maenpaa Т. Multi resolution gray-scale and rotation invariant texture classification with local binary patterns. - IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol.24. N7. Jul 2002. P.971-987.4. Ojala T., Pietikainen M., Maenpaa T. Multi resolution gray-scale and rotation invariant texture classification with local binary patterns. - IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol.24. N7. Jul 2002. P.971-987.

Claims

Способ сжатия изображения при фрактальном кодировании, включающий поступление изображения на вход кодировщика, разделение изображения на множество неперекрывающихся ранговых областей, вычисление значений LBP кодов, создание доменных областей, создание матриц значений LBP кодов, поиск в доменной матрице значений LBP кодов, эквивалентных значениям LBP кодов ранговой матрицы, отличающийся тем, что применив модифицированный метод LBP, вычисление значений LBP кодов и поиск эквивалентных значений LBP кодов выполняют в ранговой и доменной областях, образованных одинаковым количеством пикселей, расположенных на окружности, причем радиус окружности доменной области больше радиуса окружности ранговой области, и сохраняют количество пикселей, радиус круга, координаты позиции центрального пикселя для ранговой и доменной областей. A method of compressing an image during fractal coding, including the image arriving at the encoder input, dividing the image into many non-overlapping ranking areas, calculating the values of LBP codes, creating domain domains, creating matrices of LBP code values, searching in the domain matrix for LBP code values equivalent to the values of LBP rank codes matrices, characterized in that using the modified LBP method, the calculation of the values of LBP codes and the search for equivalent values of LBP codes are performed in the rank and domain domains, razovannyh same number of pixels arranged on a circle, the circle radius larger than the radius of the domain region rank circumferential region, and storing the number of pixels, the radius of the circle, the coordinates position of the central pixel of rank and the domain regions.