CN101267557A - 一种用复合矢量量化进行图像压缩的方法 - Google Patents
一种用复合矢量量化进行图像压缩的方法 Download PDFInfo
- Publication number
- CN101267557A CN101267557A CN 200810017954 CN200810017954A CN101267557A CN 101267557 A CN101267557 A CN 101267557A CN 200810017954 CN200810017954 CN 200810017954 CN 200810017954 A CN200810017954 A CN 200810017954A CN 101267557 A CN101267557 A CN 101267557A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- pixel
- smooth
- coding
- 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.)
- Granted
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种用复合矢量量化进行图像压缩的方法,编码时,首先判断输入图像块的平滑性,再根据平滑与否,分别对输入的图像块进行分类编码,如果平滑则用像素编码,如果图像块不平滑,则采用矢量量化算法进行编码;解码时,如果接收到的编码结果是一个像素值,用该像素值还原原来平滑图像区域的每一个像素点,得到相应的图像区域,如果接收到的编码结果不是一个像素值,采用矢量量化方法进行相应的解码,得到相应的图像区域。本发明方法大大减小了编码的复杂度,从而大大降低了编码的时间,而图像在合适的阈值下进行压缩时可以达到既能使得图像编码时间大幅降低的同时,图像的峰值信噪比还会提高,并且该方法十分易于硬件实现。
Description
技术领域
本发明属于图像压缩传输技术领域,涉及复合图像压缩的方法,具体涉及一种用复合矢量量化进行图像压缩的方法。
背景技术
在计算机技术中,图像以数字形式存在,每幅图像都可以数字化为一个二维数组,这就是数字图像。数字图像由若干个像素组成,每个像素的亮度可以量化为8位(即256级灰度)。由于数字图像本质是一组数据,具有处理方便和易于存储的优点,因此成为人们交流信息的主要媒介。通过互联网,人们通过图像交流获得更丰富的信息,实时的视频会议和视频电话为人们的工作和生活带来更多的便利,图像的实时传输技术已经成为当前信息技术的一个重要组成部分。
然而,数字图像中包含的数据量是非常巨大的。一幅640×480的24位真彩色图像的数据量约占900KB的存储空间,这样大的数据量不仅对计算机的存储和处理能力提出了很高的要求,而且也使得图像通信的信道传输速率受到限制。因此,为了存储、处理和传输数字图像,必须要对图像信息进行压缩编码。
图像压缩就是在保证一定图像质量的前提下,采用某种编码方法,将图像的位图信息转变成另外一种能将数据量缩减的表达形式。图像数据的压缩基于两个特点:一个是图像信息存在很大的冗余度,数据之间存在着相关性,如相邻像素之间灰度值的相关性等,一般来说,原始图像越有规律,像素间的相关性就越强,可以压缩的数据就越多;另一个特点是,由于人眼是图像信息的接收端,所以可以利用视觉对边缘急剧变化不敏感(视觉掩盖效应),以及对图像的亮度信息敏感,对颜色分辨率弱等特点来实现对图像的高压缩比,使得解压后的图像信息仍有着令人满意的质量。
矢量量化(Vector Quantization,VQ)是20世纪70年代后期发展起来的一种数据压缩技术,由于其压缩率较高,编、解码的方法简单,易于硬件实现,因此在数字视频与音频压缩以及图像压缩方面得到广泛应用。
矢量量化VQ包括编码和解码两个主要部分。用矢量量化技术对一幅图像编码时,首先要将原始图像按n×n个像素大小为单位进行小块划分,每个小块组成一个k维(k=n×n)的矢量,含k个像素;编码时,首先通过在码书C中为每个输入图像矢量x搜索最匹配的码字yp,使其失真测度值最小;然后将最匹配码字的索引p作为编码值代替矢量x进行存储或传输。解码时,则先根据接收到的索引p从相同码书中找出对应的码字,然后用这些码字重构图像。
矢量量化有两点关键技术:高性能的矢量量化器(码书)和快速的搜索方法。过去传统的矢量量化搜索编码采用全搜索方法,编码时对整个码书进行遍历,耗费的时间很多,好的编码方法可以减小搜索的数据量,进而减少编码耗费的资源和时间。基于此,国内外专家学者提出了各种改进方法提高VQ性能。一种是通过提高码本的质量来提高VQ的性能,如结构树矢量量化和格型矢量量化等。另外一种是通过改进搜索码本的方式来提高VQ编码性能,如多级矢量量化,预测矢量量化等。但是,无论怎样改进矢量量化搜索方法,由于矢量量化技术自身的特点,仍然存在计算量大的缺点,这使得图像处理的速度受到很大的限制。原因是,矢量量化的改进方法大都集中在怎样在同样的码书下能够在保证图像画质的前提下尽量降低编码复杂度,也即降低编码时间。所以矢量量化的改进方法大都只能是使图像画质接近全搜索时的图像质量,而不能对图像质量有进一步的提高。
发明内容
本发明的目的是,提供一种用复合矢量量化进行图像压缩的方法,在输入图像区域中的像素点中找到或计算出可以代表输入图像区域中所有像素点特征的特征像素值,对平滑图像区域直接进行像素编码,对不平滑图像区域采用矢量量化方法进行编码,解决图像处理的速度低、计算量大的问题。
本发明所采用的技术方案是,一种用复合矢量量化进行图像压缩的方法,该方法按照以下步骤实施,
步骤1、判定待压缩编码的图像区域是否平滑,
如果输入的图像区域矢量x中的像素点灰度的最大值和最小值满足下式:
则该图像区域为平滑;反之,则该图像区域为不平滑,其中TH表示平滑度阈值,i是该码字在码书中对应位置的地址索引,k是x矢量的维数,
步骤2、编码,
对判断为平滑的图像区域采用像素编码,在输入图像区域中的像素点中用一个可以代表输入图像区域中所有像素点特征的特征像素值做为该图像区域的编码结果,并加标识位后输出,
对判断为不平滑的图像区域,采用矢量量化图像压缩方法进行编码,然后将编码后的结果加标示位后输出,
步骤3,解码,
如果接收到的编码结果是一个像素值,用该像素值还原原来平滑图像区域的每一个像素点,得到相应的图像区域,
如果接收到的编码结果不是一个像素值,采用步骤2所述的矢量量化图像压缩方法进行相应的解码,得到相应的图像区域。
在对平滑图像区域进行编码时,是用代表本图像区域特征的一个像素点来代替这个平滑区域,并加标示位标示该图像区域是平滑的图像区域,编码结果为该个像素点的像素值。
对平滑图像区域进行像素编码时,采用平均值编码的方法。
在对平滑图像区域进行像素编码时所述的特征像素值,是指该平滑图像区域所有像素点的平均值。
平滑区域是指该图像区域内的像素的位置关系是相邻的部分行/列或整行/列的图像区域。
平滑度阈值TH的取值为1~42。
本发明的图像压缩方法和相对于现有的采用矢量量化对图像进行编码时,对图像的平滑和非平滑部分都采用地址编码输出的方法,大大减小了编码的复杂度,从而大大降低了编码的时间,而图像的质量在合适的阈值下进行压缩时可以达到既能使得图像编码时间大幅降低的同时,图像的峰值信噪比反而会有提高,并且该方法十分易于硬件实现。
附图说明
图1是本发明方法对图像压缩时平滑块比率和编码时间随阈值TH的变化趋势图;
图2是本发明方法对单幅重建图像PSNR随阈值TH的变化趋势图;
图3是本发明方法对重建图像的PSNR平均效果随阈值TH的变化趋势图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明的图像压缩方法是在深入分析矢量量化对图像进行编码的特点和缺点的基础上发明的,研究表明,矢量量化在对平滑性图像区域编码后绝大多数得到的最优码字中的像素点的像素值都是相同的,因此,像这样的码字根本无须存储在码书中,因为码书的资源是非常有限的,另外,平滑图像区域中的像素点的相关性非常大,甚至可以忽略它们的不同,所以可以采用直接在输入图像区域中的像素点中找到或计算出可以代表输入图像区域中所有像素点特征的特征像素值,来直接对平滑图像进行像素编码。
矢量量化可被看成是从k维Euclidean空间Rk到Rk的有限子集C的一个映射,即Q:→C,其中,C={y0,y1,…,yN-1|yi∈Rk}称为码书,N为码书大小,yi称为码字,下标i是该码字在码书中对应位置的地址索引。该映射满足:Q(x|x∈Rk)=yp,其中x=(x0,x1,…,xk-1), 并满足
其中,x代表-输入矢量,yp代表---码书中与输入矢量最匹配的码字,yp的下标p代表最佳匹配码字在码书中的地址索引,而d(x,yi)为矢量x与码字yi之间的失真测度,本发明采用的失真测度为平方误差测度,其表达式为
其中,下标l代表矢量的维数序号。
本发明的图像压缩方法,其原理是,首先判断输入图像区域的平滑性;再根据平滑与否,分别对输入的图像区域进行分类编码,而不是像普通方法对所用图像区域采用一种编码方法。即在输入图像区域中的像素点中找到或计算出可以代表输入图像区域中所有像素点特征的特征像素值,对平滑图像区域直接进行像素编码,对不平滑图像区域采用矢量量化方法进行编码。
本发明方法具体的实现步骤是,
首先、对输入图像区域的平滑性进行判断。
如果输入的图像区域x中的像素点灰度的最大值和最小值能够满足下式:
则认为此输入图像区域为平滑区域;反之,则为非平滑区域。其中TH表示平滑度阈值,i是该码字在码书中对应位置的地址索引,k是x矢量的维数。
其次、对平滑区域采用像素编码,对非平滑区域采用矢量量化编码。
对平滑区域进行像素编码可以采用直接在输入图像区域中的像素点中找到或计算出可以代表输入图像区域中所有像素点特征的特征像素值,用这个代表本图像区域特征的像素值做为该图像区域的编码结果,并加标识位后输出。因为待编码的图像区域为平滑区域,所以可以用该平滑区域所有像素点的平均值作为特征像素值。对平滑区域编码并不局限于用平均值编码的方法。
在对平滑图像区域,是指该图像区域内的像素的位置关系是相邻的任意形状的图像区域,该方法同样也适合于仅水平或垂直相邻的像素点组成的部分行/列或整行/列。在对平滑区域进行编码时,是用代表本图像区域特征的一个像素点来代替这个平滑区域,并加标示位标示该图像区域是平滑的图像区域,编码结果为该个像素点的像素值。该方法同样也适合于彩色图像。
而对非平滑区域可以采用普通或各种改进矢量量化方法如最近邻矢量量化搜索方法等进行图像编码,然后将编码后得到的码字地址加标示位后输出。在对非平滑区域进行编码时,采用的矢量量化方法并不局限于普通全搜索矢量量化方法,同样也适合于各种改进的矢量量化方法。
在编码时,因为要加一位标志位,所以变成9位编码结果,同时矢量量化后的编码结果也要加一位标志位,所以当矢量量化得到的编码结果大于9位时即码书尺寸大于512时,图像的编码压缩比会有提高,码书尺寸越大同时平滑区域越多时压缩比越高。例如采用1024阶的码书用本发明方法对灰白静止图像进行编码时,当平滑图像个数占总图像的比例大于50%时,图像的压缩比就开始大于完全采用矢量量化方法的压缩比。
平滑度阈值TH的取值原则如下,
在Matlab软件平台下,用十幅标准512×512尺寸的灰白静止图像来测试阈值TH对zz图像编码的速度和编码重建后图像的质量的影响,通过测试结果来说明平滑度阈值TH的取值原则,其中像素编码采用求平均值的方法,矢量量化采用普通矢量量化,码书尺寸等于1024。分别设置阈值TH=0,1,2,3,...,42。图1中横轴为阈值T,纵轴为编码后的重建图像的峰值信噪比PSNR。
随着阈值TH取值的不同,待压缩图像中平滑区域的个数也随之变化,理论上讲TH越大,平滑区域的个数越多,编码时间越短。而表1和表2以及图1的实验数据也证实了这一点。表1是采用本发明方法分别对十幅图像压缩时平滑区域的百分比随阈值TH的变化表;表2是采用本发明方法分别对十幅图像压缩时编码时间随阈值TH的变化表,其中时间单位为秒(s)。同时图1给出了采用本发明方法对十幅图像压缩时平滑区域的百分比和编码时间的平均值随阈值TH的变化趋势图,从图1中可以清晰地看出,随着平滑度阈值TH从0到42的逐渐增大,平滑区域的百分比快速增加,其趋势和编码时间正好相反,编码时间快速下降,说明这两个变量对平滑度阈值TH非常敏感,所以可以用该阈值来作为图像区域是否平滑的条件。如果在两条线的交叉点上作一条水平线,可以观察到这两条曲线基本上是关于该水平线对称。另外,从表1中我们不但可以看到随TH增大,平滑区域的个数增多,而且还可以发现当平滑度阈值为0时,平滑区域的个数是0,此时待压缩的图像中,没有平滑区域,所有块都是采用矢量量化方法进行编码的。由此还可以得到结论,认为实际图像中的看似平滑的地方,像素点并不是完全相同的,只不过这种差别人眼有时分辨不出来,所以就采用像素点的最大差异来判断图像区域是否平滑,这是选用像素点灰度的最大值和最小值的差值做为滑度阈值的原因。
前面分析过,图像的图像质量与纯粹采用矢量量化的质量在某种程度上会有提高。
图2是采用本发明方法对图像压缩后重建图像的PSNR随阈值TH的变化趋势图,图2中,相对于阈值TH为0时,与所有图像都采用矢量量化方法编码相比,图像的峰值信噪比都有提高,但是提高不大,对于splash、peppers等细节较少的平滑图像提高较明显,而对man、airplan、boat等细节较多的非平滑图像提高不多,而且当阈值TH增加到25~30左右时,还会出现下降的趋势,图2纵坐标步长较大,效果不是很明显。
表1
名称阈值 | lena | Babo-on | boat-H | Brid-ge | Coup-le | lax | Airpl-ane | man | Pepp-ers | spla-sh |
0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
3 | 0.13 | 0 | 7.59 | 0.33 | 0 | 0 | 3.93 | 1.57 | 0 | 0.98 |
6 | 4.10 | 0.59 | 36.60 | 1.67 | 0.59 | 0 | 21.19 | 7.22 | 0.59 | 13.17 |
9 | 20.37 | 3.24 | 43.52 | 4.00 | 5.61 | 0.19 | 39.11 | 15.3 | 8.53 | 40.55 |
12 | 37.49 | 5.97 | 47.52 | 4.37 | 14.17 | 1.68 | 50.86 | 24.84 | 23.96 | 60.10 |
15 | 49.36 | 8.14 | 51.68 | 8.13 | 23.82 | 6.45 | 57.78 | 33.15 | 39.29 | 71.38 |
18 | 57.12 | 9.77 | 55.43 | 12.48 | 32.82 | 14.28 | 61.79 | 40.15 | 52.20 | 78.29 |
21 | 62.83 | 11.63 | 58.95 | 15.84 | 40.19 | 21.15 | 64.80 | 46.39 | 61.56 | 82.59 |
24 | 67.43 | 14.07 | 62.38 | 17.18 | 46.54 | 27.04 | 67.47 | 51.37 | 67.94 | 85.77 |
27 | 71.08 | 16.76 | 65.56 | 22.18 | 52.16 | 32.18 | 69.99 | 56.17 | 72.67 | 87.87 |
28 | 72.17 | 17.86 | 66.51 | 22.18 | 53.59 | 33.87 | 70.8 | 57.48 | 73.77 | 88.31 |
29 | 73.21 | 18.95 | 67.55 | 25.24 | 54.91 | 35.47 | 71.50 | 59.05 | 74.8 | 88.85 |
30 | 74.18 | 20.23 | 68.5 | 27.08 | 56.29 | 36.98 | 72.30 | 60.56 | 75.85 | 89.21 |
33 | 76.71 | 23.80 | 71.11 | 30.20 | 60.53 | 41.74 | 74.19 | 64.4 | 78.52 | 90.32 |
36 | 78.93 | 27.73 | 73.43 | 32.21 | 63.89 | 45.88 | 76.04 | 67.98 | 80.63 | 90.97 |
39 | 80.86 | 31.60 | 75.45 | 37.48 | 66.72 | 49.68 | 77.42 | 71.08 | 82.37 | 91.56 |
42 | 82.6 | 35.5 | 77.44 | 42.52 | 69.32 | 53.02 | 78.92 | 73.82 | 83.97 | 92.05 |
表2
名称阈值 | lena | Babo-on | boat-H | Brid-ge | Coup-le | lax | Airpl-ane | man | Pepp-ers | Spla-sh |
0 | 89.42 | 90.98 | 59.55 | 87.00 | 88.44 | 86.42 | 86.19 | 85.97 | 87.52 | 87.45 |
3 | 89.63 | 90.14 | 53.70 | 88.38 | 86.61 | 86.84 | 83.03 | 84.77 | 88.03 | 87.27 |
6 | 86.34 | 89.53 | 50.17 | 85.63 | 87.27 | 87.08 | 69.52 | 80.06 | 87.09 | 76.59 |
9 | 72.58 | 86.33 | 46.67 | 84.02 | 82.28 | 85.45 | 55.22 | 73.97 | 80.63 | 55.03 |
12 | 59.09 | 84.48 | 43.67 | 82.84 | 75.34 | 84.73 | 45.99 | 66.05 | 68.22 | 39.3 |
15 | 49.56 | 83.45 | 41.09 | 80.78 | 68.69 | 80.75 | 40.56 | 61.47 | 56.22 | 30.09 |
18 | 42.33 | 81.88 | 38.25 | 76.73 | 61.66 | 74.67 | 37.45 | 54.98 | 45.84 | 24.75 |
21 | 37.53 | 79.33 | 37.70 | 74.53 | 55.13 | 70.11 | 35.02 | 49.94 | 38.14 | 21.27 |
24 | 34.13 | 78.22 | 35.72 | 73.19 | 50.64 | 64.81 | 32.94 | 46.14 | 33.09 | 18.53 |
27 | 31.05 | 75.64 | 33.52 | 68.72 | 45.91 | 61.02 | 31.00 | 42.02 | 29.23 | 17.05 |
28 | 30.45 | 74.98 | 31.52 | 67.99 | 44.91 | 59.00 | 30.59 | 41.35 | 28.06 | 16.99 |
29 | 29.89 | 74.01 | 30.53 | 67.06 | 43.98 | 58.05 | 29.99 | 40.00 | 27.89 | 16.08 |
30 | 28.63 | 73.34 | 29.53 | 66.13 | 42.50 | 57.02 | 29.17 | 38.63 | 26.75 | 15.77 |
33 | 26.49 | 69.63 | 29.31 | 62.69 | 39.45 | 53.22 | 27.70 | 35.78 | 24.59 | 15.16 |
36 | 24.38 | 66.33 | 26.25 | 60.84 | 36.14 | 49.98 | 26.11 | 32.72 | 22.70 | 14.56 |
39 | 22.99 | 63.06 | 59.55 | 57.11 | 34.41 | 46.98 | 25.11 | 30.36 | 21.38 | 13.94 |
42 | 21.61 | 60.86 | 53.70 | 52.94 | 33.06 | 44.52 | 24.03 | 28.25 | 20.14 | 13.59 |
图3是用本发明的方法对十幅图像压缩后重建图像的PSNR平均值随阈值TH的变化趋势图,图中横轴为阈值TH,纵轴为编码后的重建图像的峰值信噪比PSNR。图中将纵坐标步长放小,从而可以清晰地看到和阈值TH为0时相比,重建图像的平均质量都得到提高,而且采用本发明方法对图像压缩后重建图像的PSNR随阈值TH是先升高然后降低的趋势,并从图中可以得到拐点在TH=30左右,所以TH可以根据对图像编码的速度和编码重建后图像的质量来定或者用图像质量出现拐点的位置来定。
由于具体的应用目标的不同,需要的编码时间和图像质量也不同,可能有时对编码时间要求更高而对图像质量考虑较少,这时就可以使用较大的阈值TH以获得更小的压缩后码书尺寸,从而进一步获得较高的压缩率;而有时对图像质量要求相对较高而对编码时间要求较少,这时就可以使用图像质量出现拐点的阈值TH以获得较好的压缩后图像效果,所以可以根据每个具体的应用目标的要求来选取阈值TH的值,以满足不同需要。
最后、解码还原。
根据接收到的标示位判断待解码块如果平滑,则接收到的编码结果即为一个像素值,用该像素值还原原来平滑图像区域的每一个像素点;如果不是平滑,则根据对不平滑图像区域所采用的矢量量化编码方法进行相应的解码。
以下以阈值TH=30为例来具体说明本发明的效果。
首先在Matlab软件平台下,利用小波变换生成有规律的符合人眼视觉特征的1024尺寸,矢量维数为16的原始码书。测试图像采用10幅标准512×512尺寸的灰白静止图像,其中像素编码采用求平均值的方法,矢量量化采用普通矢量量化,码书尺寸等于1024。取平滑度阈值取TH=30时的本发明方法与只采用全搜索方法的普通矢量量化方法对图像进行压缩的编码时间(s)和峰值信噪比(单位dB)进行了对比,对比的结果见表3。
表3
根据实验结果可以看出,本发明方法与1024尺寸码书全搜索方法矢量量化方法相比峰值信噪比平均提高0.382dB,比1024尺寸码书全搜索编码时间平均提高52%。而且从表中数据可以看出该方法尤其对于细节较少,平滑度较好的图像效果非常好,例如lena、peppers、splash等。
例如对于peppers的原始图像,在图中对两个地方进行对比,在原图中这两个地方比较自然比较平滑。当只采用普通矢量量化全搜索压缩编码后peppers的重建图像,对比的地方压缩编码后peppers的重建图像失真较大,画质较差,方块效应比较明显。而采用本发明方法编码后peppers的重建图像,对比的地方重建图像失真较小,画质较好,在平滑处的方块效应不明显。
例如对于lena图像的对比效果分析,当只采用普通矢量量化全搜索压缩编码后lena的重建图像,失真较大,画质较差,方块效应比较明显;而采用本发明方法编码后lena的重建图像,失真较小,画质比较好,在平滑处的方块效应不明显。
本发明的方法和只用矢量量化方法对所有图像进行编码相比有以下优点,(1)、编码速度大大提高:由于在对平滑区域进行编码时直接在输入图像区域中的像素点中找到可以代表输入图像区域中所有像素点特征的特征像素点,而不需要像矢量量化技术那样去搜索码书,所以编码速度提高很多。(2)、图像效果好:由于矢量量化码书容量有限,不可能将256级灰度所代表的平滑区域都放在里面,这样解码出来的平滑图像区域的灰度值就会失真较多。但是如果对平滑图像进行单独编码,那么特征像素点的灰度值是可以任意灰度的,失真相对较小。(3)、解码方法简单:矢量量化方法具有解码简单的特点,而本方法同样具有这一特点,解码时没有添加任何复杂方法。(4)、易于硬件实现:编码时,由于在对平滑区域进行编码时直接在输入图像区域中的像素点中找到可以代表输入图像区域中所有像素点特征的特征像素点,查找的方法可以是求平均值,也可以找中间值等方法,无须采用复杂方法实现,所以易于硬件实现。(5)、当矢量量化采用码书尺寸大于512时,压缩比会有提高;像素点的灰度值一般为8级。
本发明的方法在对图像进行压缩时,既能使得图像编码时间大幅降低,同时图像的峰值信噪比统一都有提高。
Claims (6)
1、一种用复合矢量量化进行图像压缩的方法,其特点在于,该方法按照以下步骤实施,
步骤1、判定待压缩编码的图像区域是否平滑,
如果输入的图像区域矢量x中的像素点灰度的最大值和最小值满足下式:
则该图像区域为平滑;反之,则该图像区域为不平滑,其中TH表示平滑度阈值,i是该码字在码书中对应位置的地址索引,k是x矢量的维数,
步骤2、编码,
对判断为平滑的图像区域采用像素编码,在输入图像区域中的像素点中用一个可以代表输入图像区域中所有像素点特征的特征像素值做为该图像区域的编码结果,并加标识位后输出,
对判断为不平滑的图像区域,采用矢量量化图像压缩方法进行编码,然后将编码后的结果加标示位后输出,
步骤3,解码,
如果接收到的编码结果是一个像素值,用该像素值还原原来平滑图像区域的每一个像素点,得到相应的图像区域,
如果接收到的编码结果不是一个像素值,采用步骤2所述的矢量量化图像压缩方法进行相应的解码,得到相应的图像区域。
2、按照权利要求1所述的方法,其特征在于,在对平滑图像区域进行编码时,是用代表本图像区域特征的一个像素点来代替这个平滑区域,并加标示位标示该图像区域是平滑的图像区域,编码结果为该个像素点的像素值。
3、按照权利要求1所述的方法,其特征在于,所述对平滑图像区域进行像素编码时,采用平均值编码的方法。
4、按照权利要求1所述的方法,其特征在于,在对平滑图像区域进行像素编码时所述的特征像素值,是指该平滑图像区域所有像素点的平均值。
5、按照权利要求1所述的方法,其特征在于,所述的平滑区域是指该图像区域内的像素的位置关系是相邻的部分行/列或整行/列的图像区域。
6、按照权利要求1所述的方法,其特征在于,所述的平滑度阈值TH的取值为1~42。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810017954 CN101267557B (zh) | 2008-04-14 | 2008-04-14 | 一种用复合矢量量化进行图像压缩和解码的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200810017954 CN101267557B (zh) | 2008-04-14 | 2008-04-14 | 一种用复合矢量量化进行图像压缩和解码的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101267557A true CN101267557A (zh) | 2008-09-17 |
CN101267557B CN101267557B (zh) | 2010-07-14 |
Family
ID=39989640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200810017954 Expired - Fee Related CN101267557B (zh) | 2008-04-14 | 2008-04-14 | 一种用复合矢量量化进行图像压缩和解码的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101267557B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533371A (zh) * | 2013-09-30 | 2014-01-22 | 西安空间无线电技术研究所 | 一种基于图像变换和图像水印的数据压缩传输方法 |
CN110099279A (zh) * | 2018-01-31 | 2019-08-06 | 新岸线(北京)科技集团有限公司 | 一种基于硬件的可调节有损压缩的方法 |
KR102668230B1 (ko) | 2021-11-26 | 2024-05-23 | 광운대학교 산학협력단 | 복소 홀로그램 압축을 위한 코딩 방법 |
-
2008
- 2008-04-14 CN CN 200810017954 patent/CN101267557B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103533371A (zh) * | 2013-09-30 | 2014-01-22 | 西安空间无线电技术研究所 | 一种基于图像变换和图像水印的数据压缩传输方法 |
CN103533371B (zh) * | 2013-09-30 | 2016-08-17 | 西安空间无线电技术研究所 | 一种基于图像变换和图像水印的数据压缩传输方法 |
CN110099279A (zh) * | 2018-01-31 | 2019-08-06 | 新岸线(北京)科技集团有限公司 | 一种基于硬件的可调节有损压缩的方法 |
CN110099279B (zh) * | 2018-01-31 | 2022-01-07 | 新岸线(北京)科技集团有限公司 | 一种基于硬件的可调节有损压缩的方法 |
KR102668230B1 (ko) | 2021-11-26 | 2024-05-23 | 광운대학교 산학협력단 | 복소 홀로그램 압축을 위한 코딩 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN101267557B (zh) | 2010-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6965700B2 (en) | Embedded and efficient low-complexity hierarchical image coder and corresponding methods therefor | |
CN104199627B (zh) | 基于多尺度在线字典学习的可分级视频编码系统 | |
CN107864380B (zh) | 基于dct的3d-hevc快速帧内预测决策方法 | |
CN106170093B (zh) | 一种帧内预测性能提升编码方法 | |
CN101610413A (zh) | 一种视频的编码/解码方法及装置 | |
Kabir et al. | Edge-based transformation and entropy coding for lossless image compression | |
CN107682699B (zh) | 一种近无损图像压缩方法 | |
DE102014115013A1 (de) | Videokodierverfahren und Vorrichtung, und Videodekodierverfahren und Vorrichtung, die eine Bewegungskompensation durchführen | |
CN101267557B (zh) | 一种用复合矢量量化进行图像压缩和解码的方法 | |
Kamble et al. | A review on block matching motion estimation and automata theory based approaches for fractal coding | |
CN110740333B (zh) | 基于小波模极大值重建的改进spiht图像编码和解码方法 | |
CN101668204A (zh) | 免疫克隆图像压缩方法 | |
CN101656880B (zh) | 图像编码方法和图像编码装置 | |
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 | |
Kekre et al. | Image Reconstruction using Fast Inverse Half tone and Huffman Coding Technique | |
CN100518323C (zh) | 一种使用旋转压缩码书对图像进行匹配压缩的方法 | |
CN102572423A (zh) | 一种基于重要性概率平衡树的视频编码方法 | |
CN103647969B (zh) | 一种基于对象的快速分形视频压缩与解压缩方法 | |
CN108848385B (zh) | 一种适于微纳卫星的分块数据压缩方法 | |
Dong et al. | Data compression of light field using wavelet packet | |
Kumar et al. | Comparative analysis of wavelet based compression methods | |
CN113573078B (zh) | 一种基于卷积神经网络增强avs帧内解码的方法 | |
CN108200435A (zh) | 一种分形图像的可逆信息隐藏方法 | |
Zhang et al. | Fast CU Partition for VVC Using Texture Complexity Classification Convolutional Neural Network | |
Zhang et al. | Edge direction-based fast coding unit partition for HEVC screen content coding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100714 Termination date: 20140414 |