CN101534373B - 基于改进jpeg-ls算法的遥感图像近无损压缩硬件实现方法 - Google Patents

Abstract

基于改进JPEG-LS算法的遥感图像近无损压缩硬件实现方法，步骤为：(1)通过输入图像的像素实际值直接计算获得像素重构值，计算时采用公式

在单个时钟周期内完成计算，式中Rx、Ix分别为像素重构值和实际值，int为取整运算，Near为压缩比控制因子；(2)根据得到的像素重构值计算上下文环境变量Q，若Q等于0则进行游程编码，否则转步骤(3)进行常规编码；(3)根据当前像素及其与临近像素的几何位置关系，利用像素重构值计算当前像素的预测值；(4)计算当前像素的预测值与实际值的残差值；(5)对得到的残差值进行量化处理后进行Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变量进行更新。

Description

基于改进JPEG-LS算法的遥感图像近无损压缩硬件实现方法 

技术领域

本发明涉及一种图像压缩方法，特别是一种基于改进JPEG-LS算法的图像数据近无损压缩硬件实现方法。 

背景技术

JPEG-LS(Information Technology-Lossless/near-losslesscompression standard for continuous-tone still images)算法是联合图像专家组(Joint Photographic Experts Group)制定的一种图像压缩标准，相比于其它的压缩算法，JPEG-LS在无损和近无损压缩领域具有更高的压缩性能。JPEG-LS是在LOCO-l算法基础上发展来的，LOCO-l算法通过对预测残差值进行基于上下文的编码达到压缩的目的。JPEG-LS标准算法采用两种模式对像素进行编码-游程模式和常规模式，常规模式对预测残差进行Golomb编码，而游程模式对游程长度进行编码，从而对平滑图像可以进行大倍率的压缩。Golomb编码是一种特殊的Huffman编码，对服从近似几何分布的预测残差有较好的压缩效果。 

JPEG-LS近无损压缩编码标准过程如下：第一，对当前要编码像素，通过其临近的四个像素点的重构值(分别为Rb、Rc、Ra、Rd)计算上下文环境变量Q；第二，通过上下文环境变量Q，判断对当前像素进行常规编码还是游程编码，若Q等于0，则进行游程编码，否则，进行常规编码；第三，对常规编码，首先通过当前像素的三个临近像素重构值(分别为Rb、Rc、Ra)对当前像素进行非线性预测，得到当前像素的预测值Px，然后计算当前像素实际值lx跟预测值Px之间的预测残差，然后对预测残差进行量化和反量化，并对量化后的残差进行Golomb编码。当前像素的预测值Px以及预测残差的反量化值计算得到当前像素的重构值Rx，并将Rx缓存起来用于下一个像素的编码(计 算上下文Q、非线性预测等)，常规编码的最后一步是参数更新操作。在进行Golomb编码过程中，用到四个上下文参数变量A[Q]、B[Q]、C[Q]、N[Q]，其中N[Q]为已编码像素中与当前像素上下文环境Q相同的像素个数计数值，B[Q]为当前上下文环境Q下前N[Q]个像素的预测残差的和，A[Q]为当前上下文环境Q下前N[Q]个像素预测残差绝对值的和，C[Q]为当前上下文环境Q下的偏差补偿值，用于补偿采用非线性预测带来的偏差；第四，对游程编码，包括游程扫描和游程中断两部分。首先判断当前象素值Ix跟临近像素值Ra的预测残差值是否在[-NEAR，+NRAR](NEAR为压缩质量控制参数)的范围内，若是，则继续扫描下一个像素，同时游程长度计数值加1；否则，进入游程中断部分，对当前象素值lx跟临近像素值Ra的差值进行Golomb编码。 

采用JPEG-LS标准算法进行近无损压缩硬件实现时存在以下不足之处： 

(1)由于编码时需要重构值而不是实际值来预测后面的像素，而采用标准算法获得重构值需要占用几个时钟周期，因此，采用该方法对图像难以进行适时快速的压缩处理； 

(2)在计算上下文Q时，需要多步串行计算才能计算得到Q值，关键路径较长，难以满足实时处理的需求； 

(3)计算预测值时，采用标准算法需要单周期内完成关键路径最长的Ra+Rb-Rc计算，不利于速度的提升； 

(4)在计算残差值时，采用标准算法在量化和反量化时用到浮点乘法，计算精度不能保证，计算复杂度较高，难以满足快速处理的需求； 

(5)参数变量更新时，标准算法涉及较多的加减运算和逻辑判断，且很多操作是串行运算，计算复杂度较高，影响了整个系统运行速度的提升。 

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供了一种高速的基于改进JPEG-LS标准算法的对遥感图像进行实时近无损压缩的硬件实现方法。 

本发明的技术解决方案是：基于改进JPEG-LS算法的遥感图像近无损压 缩硬件实现方法，步骤如下： 

(1)通过输入图像的像素实际值直接计算获得输入图像的像素重构值，计算时采用公式 

在单个时钟周期内完成计算，式中Rx为像素重构值，Ix为像素实际值，int为取整运算，Near为压缩比控制因子； 

(2)根据步骤(1)中得到的像素重构值计算上下文环境变量Q，若Q等于0则进行游程编码，否则转步骤(3)进行常规编码；上下文环境变量Q的计算包括Q值计算过程和Q值映射过程，在计算Q值时，采用查找表的方式，查找表的值预先按照标准算法计算出来的值存储起来，根据输入的Rd、Rb、Rc、Ra，分别计算Rd-Rb、Rb-Rc和Rc-Ra，然后以这三个梯度值作为查找表的索引，查得相应的三个梯度值的量化值id1、id2和id3，通过计算id1×81+id2×9+id3得到Q值，Rd、Rb、Rc、Ra为当前像素Ix的四个相邻像素重构值；Q值映射过程完成映射工作，通过映射前的Q值查找映射后的Q值，然后通过Q值确定SIGN的大小，SIGN用来标识映射后Q的符号，若Q小于0，则SIGN为-1，若Q大于0，则SIGN为1； 

(3)根据当前像素及其与临近像素的几何位置关系，利用步骤(1)中得到的像素重构值计算当前像素的预测值；计算预测值的过程分为两个流水阶段，一个流水阶段为提前一个周期计算Rb-Rc的值，另一个流水阶段为在当前周期计算Ra+Rb-Rc的值，根据以下逻辑条件输出最终的预测值Px； 

(4)计算当前像素的预测值与实际值的残差值；计算时包括对预测残差的量化、反量化操作，首先根据输入的Ix、Px和修正参数C[Q]，计算预测残差Errval，对预测残差Errval进行量化，得到qErrval，反量化，得到iqErrval；所述量化过程和反量化过程采用查表的方式实现，通过加减运算和移位运算完成qErrval、absErrval和mErrval的计算，absErrval为量化后残差值的绝对值， mErrval为要编码的残差值，通过比较运算得到输出条件控制，从而输出正确的数值，不同的条件分支下的计算并行处理； 

(5)对步骤(4)中得到的残差值进行量化处理，对量化处理结果进行Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变量进行更新；更新时按照JPEG-LS标准算法选取与上下文环境变量Q相对应的参数变量A[Q]、B[Q]、C[Q]、N[Q]以及归一化参数Reset，根据N[Q]及Reset的大小计算得到归一化处理后的N[Q]、-N[Q]、-2N[Q]、A[Q]、B[Q]的值，将归一化处理后B[Q]分别与N[Q]、-N[Q]、-2N[Q]进行比较，根据比较结果计算出更新后的A[Q]、B[Q]和C[Q]； 

(6)重复步骤(1)～(5)，对下一像素进行处理，从而完成整幅图像的近无损压缩。 

本发明与现有技术相比的优点在于： 

(1)本发明方法通过输入的像素实际值直接计算得到重构值，可以单周期完成像素重构值的计算，打破原标准中计算重构值的环路反馈模式，使后续算法可以流水处理； 

(2)本发明方法在计算上下文Q时首先计算三个梯度值，而后以此三个梯度值作为查找表的索引来快速确定上下文环境变量Q，相比原标准中采用多步计算的方法，关键路径延迟更少，速度优势更明显； 

(3)本发明方法在计算预测值时，将关键路径最长的Ra+Rb-Rc计算过程分为两个流水阶段计算，第一个流水阶段计算Rb-Rc的值，在当前时钟周期只需要完成将Ra与Rb-Rc的值相加，相比原标准，采用流水技术，更有利于系统运行速率的提升； 

(4)本发明方法在计算残差值时，将计算残差的过程可以划分到多个流水阶段实现；在对残差进行量化时，采用查找表技术替代原来的浮点乘法运算，相比于标准算法，更有利于系统运行速率的提升； 

(5)本发明方法在更新参数变量时，利用硬件并行计算的优势，将参数变 量更新过程采用并行计算技术处理，在需要单周期完成计算的前提下，相比于标准算法，关键路径延迟更少，更有利于系统运行速度的提升。 

附图说明

图1为本发明遥感图像压缩硬件实现方法的流程框图； 

图2为本发明遥感图像压缩硬件实现方法重建值计算过程的实现框图； 

图3为本发明遥感图像压缩硬件实现方法中上下文计算过程的实现框图； 

图4为本发明上下文计算过程中计算Q值的原理图； 

图5为本发明图像像素编码位置示意图； 

图6为本发明遥感图像压缩硬件实现方法中预测值计算过程的实现框图； 

图7为本发明遥感图像压缩硬件实现方法中残差计算及参数更新的实现框图。 

具体实施方式

如图1所示，为本发明基于改进JPEG-LS的遥感图像压缩硬件实现方法的流程框图。首先通过输入图像的像素实际值直接计算获得输入图像的像素重构值，然后根据得到的像素重构值计算上下文环境变量Q，若Q等于0则进行游程编码，否则进行常规编码。进行常规编码时，首先根据当前像素及其与临近像素的几何位置关系，利用得到的像素重构值计算当前像素的预测值，而后计算当前像素的预测值与实际值的残差值，随后对得到的残差值进行量化处理，对量化处理结果进行Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变量进行更新。重复上面的步骤，对下一像素进行处理，从而完成整幅图像的近无损压缩。 

重建值计算部分的实现框图如图2所示。首先，根据输入的像素实际值lx和NEAR值(压缩质量控制因子)，计算出查找表地址索引值index，其中，index＝lx+NEAR，然后通过index来查找表得到lx的量化值qlx，最后通过乘法器得到重建值Rx。本发明对标准计算过程进行了改进处理。对输入的像素实际值lx，其重建值Rx在标准中计算过程如下： 

Px＝Px+(SIGN)×C[Q]； 

Errval＝SIGN×(Ix-Px)； 

qErrval＝int((Errval+NEAR)/(2×NEAR+1))； 

iqErrval＝qErrval×(2×NEAR+1)； 

Rx＝Px+SlGN*iqErrval； 

上述过程中，Px为预测值，SIGN为上下文符号标示，int为取整操作，NEAR为压缩质量控制因子，Errval为残差值，qErrval为量化后的残差值，iqErrval为经过量化和反量化后的残差值。从标准过程可以看出，像素重构值Rx跟像素实际值Ix之间就差了一个量化误差，因此可以通过Ix直接计算Rx。本发明中，改进后的计算重构值公式如下： 

$\mathrm{Rx}=\mathrm{int}\left[\frac{\mathrm{Ix}}{2\mathrm{Near}+1}\right]\×(2\mathrm{Near}+1),$

式中Rx为像素重构值，Ix为像素实际值，int为取整运算，Near为压缩比控制因子。上述公式的原理是基于以下事实：对有损压缩，像素重构值Rx等于预测值Px加上预测值跟实际值的残差(经过量化和反量化)，因此，像素重构值Rx跟像素实际值之间只有一个量化误差，而这个量化误差的最大值是确定的，即2×NEAR+1，因此可以通过对Ix直接进行量化和反量化得到重建值Rx，因为对Ix的量化和反量化操作也只引入了一个量化误差，这个量化误差跟对残差进行量化和反量化操作引入的误差是一致的，最大值都是2×NEAR+1。 

上述过程中，需要做量化处理，即 

对这个过程如果用乘法器来做，可能由于浮点精度的影响，会造成计算结果跟预期不一致。为了保证计算的精度和运行的速度，本发明采用查表的形式来实现上述量化过程，表的内容用RAM来进行存储，根据不同的NEAR值将对应的量化值写入RAM，查找时直接在一个时钟周期内完成查找操作。由于上述优化操作打破了原标准算法 中计算Rx的环路反馈模式，可以采用流水设计思想，对后面的处理过程进行流水设计，从而整体上提高系统的处理速度。 

如图3所示，为上下文计算过程的实现框图，上下文计算主要确定当前像素的上下文值Q和符号标示SIGN(+1，-1)。上下文计算过程主要包括计算Q值计算过程和Q值映射过程，Rd、Rb、Rc、Ra为当前像素Ix的四个相邻像素重构值，T1、T2、T3为计算上下文值Q时标准中给出的三个阈值。Q值计算过程如图4所示，在计算Q值时，主要采用了查找表的技术，查找表的值预先按照标准算法计算出来的值存储起来。根据输入的Rd、Rb、Rc、Ra，分别计算Rd-Rb、Rb-Rc和Rc-Ra，然后以这三个梯度值作为查找表的索引，查得相应的三个梯度值的量化值id1、id2和id3，通过计算id1×81+id2×9+id3得到Q值。通过上述计算后，可以得出Q值的范围为0～728，为了进一步缩减上下文Q的数量，JPEG-LS标准对上述729个上下文值进一步缩小了范围，变为0～364。Q值映射过程就是完成上述映射工作，映射后的值包括Q值和一个符号标示SIGN，映射规则如下：若Q值为0，映射后Q值还为0，对其它的Q值(1～728)，按照映射规则分别映射为(-1，1，-2，2，-3，3，...355，354)，然后对映射后的值，若Q小于0，则SIGN为-1，若Q大于0，则SIGN为1。本发明中对上述映射过程的实现通过查找表来实现，通过映射前的Q值可以快速的查找到映射后的Q值，然后通过Q值确定SIGN的大小，SIGN用来标识映射后Q的符号，若Q小于0，则SIGN为-1，若Q大于0，则SIGN为1。 

图5给出了图像像素编码位置示意图，其中Ix标识当前要编码的像素值，Rd、Rb、Rc、Ra分别标识当前像素的四个临近像素重构值。 

如图6所示，为本发明预测值计算过程的实现框图。由于预测当前像素值Ix的预测值Px时需要Ra、Rb和Rc的值，其中Ra为上一个像素的重建值，Rb和Rc为前一行相应的重建值，这几个值的几何位置关系如图5所示。通过分析边缘来估计重建值Px，若边缘为水平方向，则预测值为Ra，若边缘方向 为垂直方向，则预测值为Rb，若边缘为其它方向，则预测值为Ra+Rb-Rc。在用硬件语言描述时，为了缩短关键路径延迟，保证后面的流水操作，需要在一个时钟周期内完成上述预测过程。由于Rb和Rc的值为前一行的像素重构值，因此可以将关键路径最长的Ra+Rb-Rc计算过程分为两个流水阶段计算，第一个流水阶段计算Rb-Rc的值，在当前时钟周期只需要完成将Ra与Rb-Rc的值相加。另外通过逻辑条件选取最终的预测值Px输出为Ra、Rb、Ra+Rb-Rc三者中的一个，根据以下逻辑条件 

输出最终的预测值Px。。 

残差计算及参数更新实现过程如图7所示，包括上下文参数存储模块、计算残差模块、残差映射模块、上下文参数更新模块。上下文参数存储模块主要包括存储上下文参数A[Q]、B[Q]、C[Q]、NQ]的存储器及相应的时序控制。考虑到需要在一个时钟周期内同时对上述存储器进行读写操作，因此选择双端口RAM作为上下文参数的存储器。由于在同一个时钟周内，残差计算和参数更新需要不同的C[Q]值参加运算，因此，存储参数C[Q]需要两个双端口RAM，一个用来存储参与残差计算的C[Q]值，另一个用来存储参与更新运算的C[Q]值。这两个双端口RAM写操作是同步的，但读操作两者有着不同的时序控制。对两个RAM，一个端口用来完成写操作，另一个端口完成读操作，写的地址两个RAM时序一致，而对读的地址，若图7中stage1、stage2、stage3共占用3个时钟周期，则参与更新操作的RAM相比参与残差计算的RAM读地址有3个时钟周期的延迟。 

计算残差模块包括对预测残差的量化、反量化操作。首先根据输入的Ix、Px和修正参数C[Q]，计算预测残差Errval，具体计算过程参见标准算法。对参与残差计算的修正参数C[Q]值，存储器包括双端口RAM和寄存器，寄存器存 储更新后的C[Q]值。在实施过程中，若连续两个上下文Q值相同，则直接选取寄存器存储的值反馈回来作为参与残差计算的输入数值，否则选取双端口RAM的读出值作为参与残差计算的输入数值。对预测残差Errval进行量化，得到qErrval，反量化，得到iqErrval。在用硬件语言描述时，上述量化过程和反量化过程可以采用查表的方式实现。由于对不同的NEAR值，量化和反量化的数值是不同的，因此选用RAM作为存储器用来存储上述值。针对不同的NEAR值，上述值可以在程序复位时提前写入RAM中。 

残差映射模块主要包括计算映射后的q Errval、absErrval和m Errval。映射前的qErrval范围为[-qbeta，qbeta]。为了减少要编码的数据值范围，标准将qErrval的值进行了缩减范围的映射，将原来的范围[-qbeta，qbeta]缩减为[-ceil_half_qbeta，ceil_half_qbeta]。在硬件实现时为了减小关键路径延迟，本发明实施做了优化处理，通过分析qErrval的数据特点和映射规则，充分利用硬件语言并行处理的优势，将原标准的规则优化为： 

if(qErrval＞＝ceil_half_qbeta){ 

    qErrval＝qErrval-qbeta； 

    absErrval＝0-qErrval； 

    mErrval＝2×absErrval-1； 

}else if(qErrval＞＝0){ 

    absErrval＝qErrval； 

    mErrval＝2×qErrval； 

}else if(qErrval＜ceil_half_qbeta-qbeta){ 

    qErrval＝qErrval+qbeta； 

    absErrval＝q Errval； 

   mErrval＝2×qErrval； 

}else{ 

   absErrval＝0-qErrval； 

   mErrval＝2×absErrval-1； 

} 

上述过程中，qErrval为量化后的残差值，absErrval为量化后残差值的绝对值，mErrval为要编码的残差值，qbeta为残差量化后的最大值，ceil_half_qbeta为残差量化后最大值的二分之一。硬件实现时，通过加减运算和移位运算完成qErrval、absErrval和mErrval的计算，通过比较运算得到输出条件控制，从而输出正确的数值，不同的条件分支下的计算，可以并行处理。上述操作的优点是在资源增加不太多的前提下，进一步缩短关键路径延迟，从而有利于提升系统的运行速度。 

参数更新模块完成对上下文参数A[Q]、B[Q]、C[Q]、N[Q]的更新运算。为了保证算法的适时流水处理，需要在一个时钟周期内完成上述更新运算。为了减少上述过程的关键路径延迟，提高运行的速度，将标准中的更新过程优化为：根据当前上下文计数Nt及归一化参数reset的大小，计算出新的计数Nt、-Nt、-2Nt、当前上下文残差绝对值累积和A[Q]和当前上下文残差累积和Bt的值，根据Bt跟计数Nt、-Nt、-2Nt之间的关系，快速计算出更新后的计数Nt、残差绝对值和A[Q]、残差和B[Q]和偏移补偿值C[Q]。优化过程如下： 

Nt＝N[Q]，Bt＝B[Q] 

If(Nt！＝reset){ 

Nt＝N[Q]＝33； 

A[Q]＝A[Q]+absErrval； 

    Bt＝Bt+Errval； 

    Neg_Nt＝-33； 

    Neg_2Nt＝-66； 

}else{ 

    Nt＝N[Q]＝Nt-1； 

    Neg_Nt＝1-Nt； 

    Neg_2Nt＝2-(Nt＜＜1)； 

    Bt＝(Bt+Errval)＞＞1； 

    A[Q]＝(A[Q]+absErrval)＞＞1； 

} 

If(Bt＜＝Neg_2Nt){ 

    B[Q]＝1-Nt； 

}else if(Bt＜＝Neg_Nt){ 

    B[Q]＝Bt+Nt； 

    if(C[Q]＞-128) 

       C[Q]＝C[Q]-1； 

}else if(Bt＞0){ 

   if(C[Q]＜127) 

      C[Q]＝C[Q]+1； 

    B[Q]＝Bt-Nt； 

}else if(Bt＞Nt){ 

    B[Q]＝0； 

} 

上述过程中，Nt、Bt为中间变量，Errval为残差，absErrval为残差的绝对值，！＝表示不等于，Neg_表示负号，＜＜表示左移运算，＞＞表示右移运算。 

上述优化过程，在分析原标准流程的基础上，充分利用硬件并行计算的优势，最大限度的减少了关键路径延迟。在一个时钟周期内完成更新运算的限制条件下，首先判断是否进行归一化操作，计算出新的计数Nt、-Nt、-2Nt、A[Q]和Bt的值，然后根据Bt跟Nt、-Nt、-2Nt之间的关系，快速计算出更新后的计数Nt、A[Q]、B[Q]和C[Q]。通过上述优化过程，参数更新的关键路径延迟相比原来有了较大幅度的减小，从而系统的整体运行速度有了很大的提升。该模块中，用来缓存参数A[Q]、B[Q]、CQ]、N[Q]的存储器包括双端口RAM和寄存器，寄存器存储更新后的参数。在实施过程中，若连续两个上下文Q值相同，则直接选取寄存器存储的值反馈回来作为更新前的输入数值，否则选取双端口RAM的读出值作为更新前的输入数值。 

本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。 

Claims (1)

1.基于改进JPEG-LS算法的遥感图像近无损压缩硬件实现方法，其特征在于步骤如下：

(1)通过输入图像的像素实际值直接计算获得输入图像的像素重构值，计算时采用公式

在单个时钟周期内完成计算，式中Rx为像素重构值，Ix为像素实际值，int为取整运算，Near为压缩比控制因子；

(2)根据步骤(1)中得到的像素重构值计算上下文环境变量Q，若Q等于0则进行游程编码，否则转步骤(3)进行常规编码；上下文环境变量Q的计算包括Q值计算过程和Q值映射过程，在计算Q值时，采用查找表的方式，查找表的值预先按照标准算法计算出来的值存储起来，根据输入的Rd、Rb、Rc、Ra，分别计算Rd-Rb、Rb-Rc和Rc-Ra，然后以这三个梯度值作为查找表的索引，查得相应的三个梯度值的量化值id1、id2和id3，通过计算id1×81+id2×9+id3得到Q值，Rd、Rb、Rc、Ra为当前像素Ix的四个相邻像素重构值；Q值映射过程完成映射工作，通过映射前的Q值查找映射后的Q值，然后通过Q值确定SIGN的大小，SIGN用来标识映射后Q的符号，若Q小于0，则SIGN为-1，若Q大于0，则SIGN为1；

(3)根据当前像素及其与临近像素的几何位置关系，利用步骤(1)中得到的像素重构值计算当前像素的预测值；计算预测值的过程分为两个流水阶段，一个流水阶段为提前一个周期计算Rb-Rc的值，另一个流水阶段为在当前周期计算Ra+Rb-Rc的值，根据以下逻辑条件

输出最终的预测值Px；

(4)计算当前像素的预测值与实际值的残差值；计算时包括对预测残差的量化、反量化操作，首先根据输入的Ix、Px和修正参数C[Q]，计算预测残差Errval，对预测残差Errval进行量化，得到qErrval，反量化，得到iqErrval；所述量化过程和反量化过程采用查表的方式实现，通过加减运算和移位运算完成qErrval、absErrval和mErrval的计算，absErrval为量化后残差值的绝对值，mErrval为要编码的残差值，通过比较运算得到输出条件控制，从而输出正确的数值，不同的条件分支下的计算并行处理；

(5)对步骤(4)中得到的残差值进行量化处理，对量化处理结果进行Golomb编码，同时利用量化处理结果对与上下文环境变量Q相对应的参数变量进行更新；更新时按照JPEG-LS标准算法选取与上下文环境变量Q相对应的参数变量A[Q]、B[Q]、C[Q]、N[Q]以及归一化参数Reset，根据N[Q]及Reset的大小计算得到归一化处理后的N[Q]、-N[Q]、-2N[Q]、A[Q]、B[Q]的值，将归一化处理后B[Q]分别与N[Q]、-N[Q]、-2N[Q]进行比较，根据比较结果计算出更新后的A[Q]、B[Q]和C[Q]；

(6)重复步骤(1)～(5)，对下一像素进行处理，从而完成整幅图像的近无损压缩。

Images