CN102523367A - 基于多调色板的实时图像压缩和还原方法 - Google Patents

Abstract

本发明一种基于多调色板的实时图像压缩和还原方法，预装固定多调色板，将源图像切分为固定大小的块，读取每一块每一个像素点的RGB颜色值，然后对这些颜色值进行色彩空间变换，以基于主色调的彩色直方图方法，统计图像的色系。然后根据色系对应的色系调色板，进行颜色值匹配，找到最佳调色板。然后将图像每个像素点的值替换成该调色板的索引号。将索引化后的数据再进行压缩，从而达到较高的压缩率。在网络上传输时，仅仅传输压缩后的索引化数据，而不必传输色系调色板数据，从而达到降低数据量发送的目的。接收端只需将数据解压，获得索引化数据，然后根据本地的色系调色板进行图像数据还原并显示即可。

Description

基于多调色板的实时图像压缩和还原方法

技术领域

本发明涉及计算机图形图像及互联网领域，具体来讲是适用于计算机图像处理、压缩及传输。一般可用于需要实时传输计算机屏幕图像数据的应用场合，如屏幕共享、远程控制等。

背景技术

目前在某些基于互联网的应用中，如何将色彩丰富的图像更加快速地传输到远端，是一个非常关键的问题。这要求对图像的原始数据进行高效地、快速地压缩，并达到压缩比高、显示效果好的目的。目前已有很多类似的技术，例如分块压缩、根据图像颜色数多少来采用不同的压缩编解码算法。但在某些场合，这些算法仍然无法满足更快速地传输要求。那么，如何让解决实时、快速地在互联网上传输图像，仍需要更加适当的方法。

发明内容

本发明的发明目的在于：提供一种基于多调色板的实时图像压缩方法及实时、快速地在互联网上传输图像的方法。

本发明采用降低计算机图像像素位数，以多调色板的方式对源图像数据进行索引化，并对索引化后的数据再进行压缩处理，从而达到减少图像数据大小的目的。并且，在网络上传输过程中，不必传输调色板数据，仅仅传输压缩后的索引化数据，从而大大减少了数据的发送量。接收端在接收到数据后，先进行压缩数据的解码，并根据与编码时使用的相同的调色板对图像数据进行还原显示。

本发明采用的技术方案为：

首先，一种生成固定多调色板的方法，其重点在于：将计算机屏幕颜色按照色系区分分为M种色系，每种色系包含N个调色板，每个调色板包含256种颜色，形成MxN个固定多调色板。N的值为不固定数值。

其次，一种基于固定多调色板的实时图像压缩方法，其重点在于：

预装固定多调色板，该固定多调色板通过权利要求1所述的方法形成；读取图像的原始数据；按照固定大小对图像进行分割，源图像被分割为若干分块；读取每个分块中的每一个像素点的颜色数据，并对该颜色数据进行颜色空间转换，确定每一个分块的色系；根据色系匹配每一分块的最佳调色板；将图像数据中的每个像素值替换为调色板中的索引，对图像数据进行索引化；对索引化数据进行压缩和传输。其中，颜色空间转换是图像数据转换为HSV图像数据。

再次，一种基于多调色板的实时图像还原方法，其重点在于：预装固定多调色板，该固定多调色板通过权利要求1所述的方法形成；解压缩索引化数据；根据索引化数据和本地固定多调色板，还原每个像素点的图像数据形成完整的最佳图像数据。

采用上述的技术方案，将源图像切分为固定大小的块，然后读取每一块中每一个像素点的RGB颜色值，然后对这些颜色值进行色彩空间变换，以基于主色调的彩色直方图方法，统计图像的色系。然后根据图像的色系找到对应的色系调色板，并进行颜色值匹配，直到找到一个调色板，该调色板中的颜色可以表示该图像中的所有像素点为止。然后将图像每个像素点的值替换成该调色板的索引号(0～255)，此过程简称索引化图像数据。将索引化后的数据再进行压缩，从而达到较高的压缩率。在网络上传输时，仅仅传输压缩后的索引化数据，而不必传输色系调色板数据，从而达到降低数据量发送的目的。接收端则只需将数据解压，获得索引化数据，然后根据本地的色系调色板进行图像数据还原并显示即可。

附图说明

图1：本发明的图像数据编解码过程。

图2：根据主色调匹配色系调色板示意图。

图3：本发明在屏幕共享应用中的使用。

图4：多调色板文件存储结构示意图。

图5：解码时的调色板查找过程。

具体实施方式

本发明基于多调色板的实时图像压缩方法适用于需要实时传输计算机图像的应用场景，对数据发送量及传输效率要求较高的场合尤为适用。图3为本发明在屏幕共享应用中使用的工作流程，以下具体实现以屏幕共享这种网络应用为例，来展示本发明的具体实现及使用方法。

一、按色系区分的固定多调色板

首先按照色系制作若干个调色板，每个调色板只包含256种颜色。将计算机屏幕颜色分为M种色系，每种色系包含N个调色板，则调色板总数为：MxN。其中每个色系对应的调色板数量不一定全部相同，即N的值不固定。

每个调色板的前X种颜色，表示了该调色板所在色系的主要颜色值。剩余的256-X种颜色，则采用一定规则记录着其他色系的颜色值。每个调色板中，例如有80种颜色是主调颜色，其余176种是根据一定规则(如采用正态分布)产生的其他色系的颜色。

一个256色的调色板的数据结构如下：

调色板数据(pPalData)中每一条记录的结构：

每种色系的调色板集合头信息结构如下：

整个调色板文件的文件头结构如下：

数据名称	类型	说明
			byVersion	8位整型	调色板版本号
nReserved	32位整型	保留字

文件头后面则依次记录着调色板集合头及调色板数据，请参见图4，其表示了整个调色板文件的结构。

图1为本发明的图像数据编解码过程，以下将详细描述编码和解码的过程。

二、编码过程

1、读取图像原始数据

计算机屏幕的原始图像数据一般采用RGB(或BGR)来表示颜色。每个像素点采用3个字节(24位)来表示其颜色值。通过操作系统提供的屏幕图像截取接口，可以截获当前屏幕的图像数据，保存到内存中。这些图像数据就是以RGB(或BGR)方式存储的像素点二进制数据。

2、分块处理

由于每个调色板中的颜色数量固定为256，因此，它所能描述的图像颜色细节的能力也是有限的。如果图像太大，则使用固定的256色来表示，将造成失真严重。因此，需要将源图像数据按照固定大小进行分块处理。该固定大小，一般为32x32，当然，根据不同的要求，还可以采用其他值。例如，当前计算机屏幕分辨率为1280x800，可将源图像使用32x32的大小进行分块，共可以分为(1280/32)x(800/32)＝1000个小块，每一块共有32x32＝1024个像素点，1024个像素点使用256种颜色来表示，失真度就会很低了，甚至大多数情况下，32x32内的颜色数量都不足256种颜色。

每个分块的数据结构如下：

3、颜色空间转换

采用RGB的图像数据，由于R/G/B三个分量值的细微变化，有可能人眼看到的颜色差别却是巨大的，因此并不适合进行色系的计算和统计。因此，考虑将RGB转换成其他颜色空间来进行计算，如HSV颜色空间。RGB到HSV转换的公式为：

$S=\frac{\mathrm{MAX}-\mathrm{MIN}}{\mathrm{MAX}}$

V＝MAX

其中，R、G、B的取值范围为0.0～1.0，最大值为MAX，最小值为MIN，代入上述公式即可获得相应的HSV值。

4、判断图像主色调(色系)

为了后面与多调色板进行匹配，因此，需要先知道该图像数据的主色调(色系)是什么。在一块32x32的图像中，一般情况下不可能所有颜色都是均匀分布的，肯定有多有少，因此，我们按照前面颜色空间转换后的结果，来统计整张图片的颜色分布(如彩色直方图)，来获取该图像的主色调是什么，即可知道该图像数据所述的色系。

以HSV颜色空间为例：

根据人眼对颜色的感知灵敏度，将色调(H)划分成m份，将饱和度(S)划分成n份，将亮度(V)划分成k份。例如，将H按照0～360度分为8份，S和V各分为3份。按照以上划分方法，将3个分量合成一维颜色特征分量，如下：

l＝9H+3S+V；

根据以上公式，可以获得l的取值范围为0～71。最终，我们可以获得一维颜色特征分量的分布情况，再根据最大值计算出图像的主色调。

图像的主色调计算方法还有很多，在具体实现时，可根据需要进行替换。

5、调色板匹配

上一步骤中，我们已经获取到了图像数据的主色调，也即图像所在的色系已经决定。因此，按照色系就可以获取到相应的起始调色板位置，然后按照出现频率，将一维色调分布序列中前256种颜色和该色系调色板中的每个调色板的颜色进行匹配，记录匹配命中率，命中率最高的那个调色板，即为该图像数据所对应的最佳调色板。

假设共有M个色系，根据主色调获得的色系编号为K(K≤M)，K色系中共有N个调色板，则根据前面计算的一维颜色特征分量，与这N个调色板进行依次匹配，记录匹配率，最大的那个调色板就是该图像的最佳调色板。

6、图像数据索引化

确定了调色板后，将图像数据中的每个像素值替换为调色板中的索引。即每个像素点都用1个字节来表示其在调色板中的索引，取值范围0～255。

7、压缩索引化数据

将图像数据按照调色板索引化以后，已经大大减少了数据量。例如32x32的24位图像数据，采用RGB表示颜色，需要32x32x3＝3072字节。索引化后，数据量变为了32x32x1＝1024字节，减少了2/3。但这个压缩比并不理想，需要对索引化后的数据再次进行压缩。压缩方法有很多，例如使用Huffman、LZW、ZIP、RLE等或JPEG有损压缩。

下面以RLE压缩算法为例，假设一块索引化后的32x32大小的图像数据为：

78 78 78 78 78 78 78 78 78 78……78

78 78 78 78 78 78 78 78 78 78……78

78 78 78 67 35 35 23 78 78 78……215

12 12 18 67 45 23 35 35 35 78……172

……

72 72 72 78 78 78 78 78 0 78……178

可以看到，在这32x32的一块较小的面积内，有很多连续相同(似)的颜色，而RLE压缩编码的原理就是将一连串的相同数据转化为特定的格式，以达到压缩的目的。例如：ABBBBBBBA，可认为是1A7B1A，从而达到压缩的目的。对于上面示例中，第一行的32个像素的调色板索引值如果都是78，则采用RLE压缩算法，则变成了32’78’。当然，真正地在实际使用中，RLE压缩算法还需要采取控制字符来进行编码，这里仅仅是举例说明其原理。

当然，每一种压缩算法都有其优缺点，在具体实现时，可采用不同的压缩算法。例如，根据图像的色彩多少，来动态采用不同的压缩算法，以达到较高的整体压缩率——如纯文本采用zlib压缩，纯色块采用颜色填充方法、色彩丰富的采用JPEG压缩算法等。

8、传输

采用本发明中的方法处理后的图像数据，必须与多调色板放到一起来使用，单独使用是无法进行解码并显示的。具体到实际中如屏幕共享应用，可以事先将多调色板数据安装到客户机器上。在将屏幕图像数据压缩后，仅发送压缩数据，接收端收到数据后，根据已经安装的调色板数据，还原到原始颜色值，并绘制到计算机屏幕上。

每次传输的一副整体图像的数据结构如下：

其中，pBlockData指向的数据为顺序存储的分块图像数据，结构为：

三、解码过程

采用本发明的编码，其解码过程是很简单和快速的，具体如下：

1、解压索引化数据

目前大多数的压缩算法均提供了其编码对应的解码方法，因此，根据编码时采用的压缩算法，采取相对应的解压算法即可。

具体方法如下：

参考传输的数据结构ImageData中的pBlockData指针，获得分块数据的访问起始位置，先读取1个32位整型(即分块数据总长度)，然后即可获得具体一块数据，存放在BlockData中。

根据BlockData的byCompressionType，可以获知这块数据在编码时采用的数据压缩类型，然后通过BlockData的nBodyLength和pBodyData，可以获得压缩数据，然后对pBodyData指向的数据进行解压即可。

2、还原颜色数据

解压后，将获得索引化数据。(注意：由于编码时采用的压缩算法有可能是有损压缩，因此，这里解压获得的索引化数据并不与编码阶段获得的索引化数据完全一致。)

根据索引化数据及本地多调色板，完成每个像素点的“索引值-RGB值”的转换，获得整幅图像的RGB颜色数据。有了这些数据就可以随时保存成常规的图片格式，或直接绘制在计算机屏幕上。

具体方法如下：

对于一块特定的分块数据，设pIndexedData指向从pBodyData解压后获得的索引化数据存储的起始地址，首先需要确定pIndexedData对应的调色板在调色板文件中的数据偏移量。根据调色板文件结构，以及BlockData中的byPalIndex(调色板集合编号)和byPalSubIndex(调色板编号)来进行查找。图5描述了查找特定调色板的流程。

本发明的重点改进在于，固定多调色板是与图像无关的，单独产生的独立多调色板，可以用于与任何一副图像进行颜色匹配。本专利中的处理方法，是在保证压缩率的情况下，几乎无损地欢愉啊图像的质量，所以在索引化时，采用的是跟源图像像素颜色的最佳匹配色，解决了如何实时、快速地在互联网上传输图像。

本发明不局限于上述实施例，而是包含在不脱离本发明要旨的情况下作出的各种改进和变型。

Claims (5)

1.一种生成固定多调色板的方法，其特征在于：将计算机屏幕颜色按照色系区分分为M种色系，每种色系包含N个调色板，每个调色板包含256种颜色，形成MxN个固定多调色板。

2.如权利要求1所述的生成多调色板的方法，其特征在于：N的值为不固定数值。

3.一种基于固定多调色板的实时图像压缩方法，其特征在于：

预装固定多调色板，该固定多调色板通过权利要求1所述的方法形成；

读取图像的原始数据；

按照固定大小对图像进行分割，源图像被分割为若干分块；

读取每个分块中的每一个像素点的颜色数据，并对该颜色数据进行颜色空间转换，确定每一个分块的色系；

根据色系匹配每一分块的最佳调色板；

将图像数据中的每个像素值替换为调色板中的索引，对图像数据进行索引化；

对索引化数据进行压缩和传输。

4.如权利要求3所述的基于多调色板的实时图像压缩方法，其特征在于：颜色空间转换是图像数据转换为HSV图像数据。

5.一种基于多调色板的实时图像还原方法，其特征在于：

预装固定多调色板，该固定多调色板通过权利要求1所述的方法形成；

解压缩索引化数据；

根据索引化数据和本地固定多调色板，还原每个像素点的图像数据，形成完整的最佳图像数据。

Images