CN101488194B - 四方图像编码方法 - Google Patents

Abstract

一个关于图像编码的新系统。该系统能够对图像直接进行统一的编码，算法简单，运算成本低、速度快。对于提高图像数据库管理的自动化、图像识别、武器自动寻的、汉字编码和识别、信息的加密解密都会有所帮助。其中的加密方法具有高安全性、密码个性化的特点，对于保密和军事用途具有一定的参考价值。

Description

四方图像编码方法

所属技术领域

本发明适用于与通过计算机处理来实现自动图像检索、图像编码、图像匹配、汉字编码、汉字信息加解密等相关的领域。

背景技术

过去几十年来，以计算机为依托的数据库技术为管理部门提供了非常方便又强大的技术支持。如今各个管理部门都依赖于这些技术来管理和传递信息。但是图像数据库中的图片内容目前还不能十分有效地用计算机直接索引和检索，成为这方面发展的瓶颈。现有的汉字自动识别系统至少大多都是通过提取汉字的笔划这个思路来设计的。但是由于汉字本身所具有的复杂性，这些算法都非常复杂，运算效率不高。

发明者开发设计了一个关于图像编码的方法(如图1)。该方法能够通过计算机对图像直接进行自动、统一的编码，对于提高图像数据库管理的自动化、图像的自动识别、武器自动寻的的效率都会有所帮助，同时发明者尝试通过图像编码的方法来实现汉字的自动识别，这种方法能够对非常复杂和相近的汉字，例如“赢”、“嬴”、“羸”、“蠃”，进行自动区分和识别。通过适当的改造，这个方法会实现汉字信息的加密解密，而且加密方法具有高安全性、密码个性化的特点。

发明内容

通过对一幅图片的上下左右等分的四个小块平均灰度之间相对高低的关系，我们可以把握住这个图像的大致特征。对于四个数值的排列只有4×3×2×1＝24个式样。考虑到现实中会出现某两小块、三小块甚至四小块具有相等的灰度平均值的情况，实际上这个式样可有75种。对这75种模式可以进行任意排列编号，其中一种编号如图2所示。虽然实际上几乎有无限个具体的编号方式，但是以下的示例都是假定用图2的编码表来进行编码的。

具体的图像编码方法是，把目标图片分成上下左右等分的四个相等的小块，对图片中四个小块的所有像素的灰度值进行累加，产生该小块的灰度总值；对四个小块的灰度总值按照从大到小的顺序编号为3、2、1、0；按照0-3等值在四个方块的分布式样在图2中的式样中比对检索，所匹配的式样所对应的序号即为模式序号(参见图1)。注意，由于四个小块的像素数相同，各小块灰度总值的大小顺序等同于其平均灰度值的顺序。

显然仅仅用这75种模式序号来划分和标记所有图像是远远不够的。为了克服这个弊端，需要通过组合来增加编码的描述能力。至少有两种组合可满足这个要求。当然不能排除其他的组合可能性，下面仅介绍两种常用的方法。

1)全图编码法：先把整个图像按照图1的方法进行编码，再把图片分成四个小块，其中每一小块当作一个图片来对待，按照上述方法(图1)对其进行编码(图3)。把如此取得的多个模式序号串接起来，即形成了对于该图像的最终编码。这种方法适用于图片的各个部分的信息都同样重要的情况，例如汉字的自动识别等应用(见下文)。

在全图编码法中，一个图像的最终编码包括一个一级模式序号和四个二级模式序号，其中每个模式序号各有75个可取值，因此一个全图编码，理论上讲，可以对75⁵＝2,373,946,875个图片进行不重复的编码。

2)中心编码法：先把整个图像按照图1的方法进行编码，再把图片中心的四分之一部分当作一个图片来对待，按照上述方法(图1)对其进行编码；只要图片的分辨率允许，可以继续对图片中心的十六分之一部分、六十四分之一部分进行编码，以期达到足够的编码描述能力(图4)。把如此取得的多个模式序号串接起来，即形成了对于该图像的最终编码。这种方法适用于图片的中心部分拥有图片的重要信息，例如摄影中人们常常把人物放在靠近中央的位置(见下文)。

在中心编码法中，一个图像的最终编码包括五个模式序号，其中每个模式序号各有75个可取值，因此一个中心编码，理论上讲，也可以对75⁵＝2,373,946,875个图片进行不重复的编码。

附图说明

图1·图像的编码过程。首先对一个图像进行图域分割，产生上下左右等分的四个小块。其次，在各个小块的范围内通过对各个像素灰度值进行累加的方法，得出各个小块的灰度总值，再除以每个小块的像素数，计算出四小块的平均灰度。再次，对四个小块的平均灰度进行从大到小的排序，分别标记为数字3，2，1，0。特殊情况下，允许一个或多个小块标记为相同的数字。最后，查阅既有的模式序号编码表(见图2)，发现其中有数字排序和前一步得出的一致的，则与其对应的序号即是本图像的模式序号。

图2·灰度特征编码表。本表对中共计有75种模式进行编码。对于每一个模式，左侧为其序号，中间为灰度平均值排序结果，右侧是相应的灰度排列式样。请注意，这个编码表是人为规定的，这里展示的是千百万的编码中的一种。实际操作中，为了保密或者其他目的，使用者可以根据需要任意编号，前提条件是所有的编号只能使用同一编码表。

图3·全图编码法。从左到右的五列分别是整幅图、左上幅、右上幅、左下幅、右下幅的编码过程。每一列中，自上而下分别是图域分割、灰度平均值、灰度平均值排序结果、模式序号，以及最终的二进制编码。最后，把这五个二进制编码连接起来就是该图像的全图编码。

图4·中心编码法。从左到右的五列分别是整幅图、四分之一幅、十六分之一幅、六十四分之一幅、二百五十六分之一幅(上排)。每一列中的图像经过图1中的处理过程，得到相应的模式序号(中排)，以及对应的二进制编码(下排)。最后，把这五个二进制编码连接起来就是该图像的中心编码。

图5·图像数据库及其运转机制。图像经过数字化后可以存在硬盘上。这些数据往往非常大且难于检索。但是利用本专利的方法可以对所有的图像进行简单、快速、有效的编码，形成索引。而这个索引很小，可以始终保持在内存中以增加检索效率。

图6·在图像中寻找目标区域。首先对目标区域进行编码。如果发现武器携带的仪器捕获的图像中某个区域的编码和目标的编码是一致的，即可以锁定所寻找的目标。

图7·汉字的编码。上半幅中，对一个方块汉字划分为16个大小相等的小块(各个小块的标号如下半幅中左侧所示)，统计各个小块的灰度平均值，按照下半幅图中所示分别确定区码0-5的值(如区码0是基于小方块0、1、4、5的灰度平均值，是用来描述该字左上四分之一的特征的；区码4描述的该字左上、右上、左下、右下四个方块组(每组包括四个小块)的特征)，最后把所有的二进制编码按照特定顺序连接起来即是所要的最终汉字编码。

图8·部分汉字及其对应的编码示例。每一个汉字对应于一个由六个数字组成的编码。这种编码能够区分非常复杂和相近的汉字，例如“赢”、“嬴”、“羸”、“蠃”。

图9·利用图片加密汉字信息。首先，把某一指定的图片分割成大小相等的四个、十六个、六十四个甚至更多的方块，规定整个图片为0级方块，图片的四分之一大小的方块为1级方块、图片的十六分之一大小的方块为2级方块、六十四分之一大小的方块为3级方块，以此类推。其次，对各级方块进行标号。再次，计算出各个级别每一个方块的模式序号。然后，储存每一个方块的级别、标号和模式序号。接着，根据被加密的汉字编码中所需要的区码，在储存的信息中找到相应的模式序号，记录下相应的方块级别和标号。最后，通过指定这个图片、这个方块的级别和标号来确定该汉字的一个区码的信息。通过6个区码如此的加密，完成对于整个汉字的加密。如图7所示，每一个汉字需要6个区码(区码0-5)来确定，因此每一个汉字可以通过指定与6个区码对应的图片、方块的级别和编码来加密。

应用实例1：图像数据库管理及检索

要想对这些图像进行有效的管理，办法之一就是建立能进行有效检索和存取的图像数据库系统。如同建立所有的其他数据库一样，建立一个图像数据库的关键是怎样设计这个数据库的索引。本编码方法所提供的是一个能够快速自动生成的、基于图像内容的、索引简短、结构统一、检索快捷的设计方法。图像由于数据量巨大，通常必须存在硬盘上，但是数据库索引由于非常小，可以始终保持在内存中以便随时查询，增加检索效率(如图5)。

应用实例2：目标寻找

通过在某一图像中寻找与目标图像相匹配的区域可以定位目标。如果已知某一目标的图像，需要确定其在大范围中的位置，在大范围图像中进行搜索是唯一的办法。若目标的编码与图像中的某个区域的编码相等，即可以认为该区域为目标区域。这一功能具有某种程度上的军事用途，例如自动寻找打击目标(如图6)。应用实例3：汉字的编码

下面以“赢”字为例描述一下汉字的编码过程。任何一个汉字都可以看成一个方块形的图像。如图7中，我们首先对这个方块进行4×4的网格化，并把这16个方块标记为0-15号，对其中每一个小方块进行统计。在每一个的小方块中，计算所有像素的灰度平均值起来。然后从这十六个小方块中，按照图7中的方法取出不同的小方块进行组合来计算不同的区码，例如区码0描述的是汉字左上角的信息，它描述的是第0、1、4和5号小方块之间的关系。根据这四个小方块灰度平均值之间的相对大小关系，在图2中找到对应的模式，其序号为21。21这个数值可以存储为一个7比特的二进制数字0010101。按照同样的方法，我们可以得到区码1、2、3和5，它们分别描述汉字不同(右上、左下、右下和底部)部分的特征。区码4是用来描述整个汉字的特征的，把汉字左上、右上、左下和右下四个分区的灰度平均值按照高低排序为3、2、1、0，其最后的模式序号是0，即0000000。最后区码0-5串起来即构成了一个汉字的完整编码。

部分汉字的编码结果见图8。

应用实例4：汉字的自动输入

应用实例3描述的汉字编码方法中，对汉字的编码是可以用计算机自动完成的。如果我们对各个字体所有的汉字按照这个统一的方式进行编码、建立字库的话，当一个新的汉字以图像的方式输入到计算机中的时候，我们对它进行同样的编码，如果它的编码与数据库中的某一个汉字的编码相等的话，计算机即可以判定输入的就是这个字，从而实现汉字的自动识别和输入。

应当注意的是，由于每一个汉字由六个编码组成，理论上讲，这种编码能够描述75⁶177,978,515,625个不同的汉字。因此完全有能力对所有汉字的所有字体(甚至包括手写体)进行识别和编码。保守地讲，这种编码至少应该能够胜任印刷体的识别和编码。

应用实例5：文件的加密解密

下面以图9为例来说明如何用图像信息来加密文字信息。如前所述，一个汉字可以用六个编码来组成。如果能够确定这六个编码，那么我们就可以确定一个汉字。只要我们能够通过图像准确地加密传递其中每一个编码，就可以用图像以加密的方式传递整个汉字的信息。我们先来分析一下，其中一个编码是怎样用图像信息来表示的，剩下的只是在进行五次简单的重复操作了。如图9中，一个编码由两个字节组成。第一个字节表示所用图像方块的级别，第二个字节表示在该级别的所有方块中该方块的具体位置(标号)。图像方块级别分成0-3级，共四个级别：0级有四个互不重叠的方块，每个方块占整个图像面积的四分之一；1级有十六个互不重叠的方块，每个方块占整个图像面积的十六分之一；2级有六十四个互不重叠的方块，每个方块占整个图像面积的六十四分之一；3级有二百五十六个互不重叠的方块，每个方块占整个图像面积的二百五十六分之一。图像方块具体位置是用数字来标号的，标号的顺序是从左上角到右下角，按照先从左到右，再进行从上到下的顺序标号。由于3级网格化会产生256个小方块，因此小方块的位置(标号)需要8个比特来表示。图9中显示的是当汉字的区码5用第10个1级图像方块来表示时的情形。通过方块的级别和标号，计算机会在图像中确定该方块并对其中像素的灰度信息按照图1中的方法进行计算，然后在图2查找对应的模式序号，最终得出汉字区码5。上面描述的只是六个区码之一是如何产生的，通过同样的方法，我们可以得到其他的汉字区码，把它们连接起来就是一个完整的汉字编码，这样可以确定所要传递的汉字信息。

实际的加密操作过程是，拿到一个图像后，计算机首先对于0-3级的各个方块的灰度特征进行计算，所有具有相同模式序号的方块会形成一个列表。当加密汉字需要某一个编码值的时候，计算机会从具有该编码值的待选方块列表中随机或按照某种顺序挑选一个，指定了这个方块的级别和标号以及加密所用的图像，就完成了这个汉字区码的加密。通过加密六个汉字区码就可以完成对一个字的加密，通过加密多个汉字就可以完成对一个密件的加密。

要想进行解密需要进行相反的过程。解密员接收到的是一套密码和用来加密的图像。密件由很多关于某一个图像中的方块的级别和标号组成，解密员只需把这些信息对应到特定的图像中特定方块，按照图1的方法对其进行处理即可产生相应的汉字区码，六个汉字区码就共同确定一个汉字，多个汉字形成人可以阅读的汉字文件。

由此可见，这个预先约定的图像是信息加密、解密的关键。没有这个图像任何人即使截获了密件也无法解读被加密的文件。这种加密方法有以下几个优点：一、密码的个性化。每一个接收文件的人员可以自己挑选有自己特色的图片来作为加密用的图像，只要加密和解密双方事先达成约定即可。这样就可以实现密码的个性化。二、更高的安全性。由于每一个接收人员拥有的是自己的密码，无法知道同事或上下级的密码。即使出现叛徒，造成的损失也是有限的。三、密码的有效期可以随时掌握。为了防止敌方破译密码，可以经常改变加密用的图片，使得敌方无法发现任何规律。四、同字不同密码。破译密码中的一个重要技巧是发现其中一个常用字的编码作为突破口，然后逐渐扩大战果达到破译整个密件的目的。但是，如前所述，在加密一个汉字的时候，同一个区码可以用具有相同编码值的不同方块的级别和标号来表达，可以保证同一个汉字会有“不同面值”的编码。五、密码的隐秘性。由于信息时代电子图片是一种常见的日常用品，用它来加密文件当然具有很高的隐秘性。

Claims (1)

1.一种图像编码方法，其特征是：通过统计目标图像上下左右等分的四个区域的灰度平均值，根据这四个值从大到小的排列关系，在说明书附图2的75种灰度组合模式中对比检索找出对应的模式，并用这个模式的序号来编码图像。

Images