CN103327322A - 图像传输方法及装置 - Google Patents
图像传输方法及装置 Download PDFInfo
- Publication number
- CN103327322A CN103327322A CN2013101507979A CN201310150797A CN103327322A CN 103327322 A CN103327322 A CN 103327322A CN 2013101507979 A CN2013101507979 A CN 2013101507979A CN 201310150797 A CN201310150797 A CN 201310150797A CN 103327322 A CN103327322 A CN 103327322A
- Authority
- CN
- China
- Prior art keywords
- image
- profile
- area
- information
- histogram
- 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.)
- Pending
Links
Images
Landscapes
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明涉及一种图像传输方法,包括:获取图像,提取所述图像的轮廓信息和/或灰度直方图信息;根据所述轮廓信息和/或直方图信息筛选出所述图像中的自然图像类型区域;对所述自然图像类型区域进行有损压缩;传输所述压缩后的图像。此外,还包括一种图像传输装置。上述图像传输方法及装置对图像中的自然图像类型区域进行了有损压缩,减小了数据量,从而降低了带宽占用,提高了传输速度。
Description
技术领域
本发明涉及网络技术领域,特别是涉及一种图像传输方法及装置。
背景技术
随着互联网技术的发展,远程桌面、电子白板等应用也应运而生。如,RDP协议、远程桌面等,可以实现远程办公、远程接入等。终端之间通过预设的时间间隔发送相应的屏幕截图给对方,从而使得终端之间能够实现桌面共享。
然而,当前互联网上的内容越来越多,网络越来越拥塞,上网速度受到拥塞的互联网影响很大,严重影响互联网的响应能力和网络质量。尤其,远程办公、远程接入等应用受到网速影响很大;同时,随着数据量的增大,数据的存储成本也越来越高。而实现桌面共享所需传输的屏幕截图数据量较大,传统技术中的图像处理方法对图像的处理效果不好,因此在网络带宽不足时,经常会出现传输卡顿的情况,导致终端之间的桌面共享效果不佳,同时还给网络造成了很大负荷。
发明内容
基于此,有必要提供一种能降低带宽占用的图像传输方法。
一种图像传输方法,包括:
获取图像,提取所述图像的轮廓信息和/或灰度直方图信息;
根据所述轮廓信息和/或直方图信息筛选出所述图像中的自然图像类型区域;
对所述自然图像类型区域进行有损压缩;
传输所述图像。
在其中一个实施例中,所述提取所述图像的轮廓信息和/或灰度直方图信息的步骤之前还包括:
将所述图像划分为多个子区域;
所述提取所述图像的轮廓信息和/或灰度直方图信息的步骤为:
提取所述多个子区域的轮廓信息和/或灰度直方图信息。
在其中一个实施例中,所述轮廓信息包括轮廓平均面积;
所述根据所述轮廓信息和/或灰度直方图信息筛选出所述图像中的自然图像类型区域的步骤包括:
获取轮廓平均面积阈值;
通过比较所述轮廓平均面积和所述轮廓平均面积阈值判断所述子区域是否为自然图像类型区域。
在其中一个实施例中,所述轮廓信息包括轮廓最大面积;
所述根据所述轮廓信息和/或灰度直方图信息筛选出所述图像中的自然图像类型区域的步骤包括:
获取轮廓最大面积阈值;
通过比较所述轮廓最大面积和所述轮廓最大面积阈值判断所述子区域是否为自然图像类型区域。
在其中一个实施例中,所述灰度直方图信息包括直方图均值和/或直方图方差;
所述根据所述轮廓信息和/或灰度直方图信息筛选出所述图像中的自然图像类型区域的步骤包括:
根据所述直方图均值和/或直方图方差判断所述子区域是否为自然图像类型区域。
在其中一个实施例中,所述传输所述压缩后的图像的步骤之前还包括:
根据所述轮廓信息和/或直方图信息筛选出所述图像中的文字类型区域;
对所述文字类型区域进行无损压缩或高品质有损压缩。
此外,还有必要提供一种能降低带宽占用的图像传输装置。
一种图像传输装置,包括:
特征提取模块,用于获取图像,提取所述图像的轮廓信息和/或灰度直方图信息;
区域筛选模块,用于根据所述轮廓信息和/或直方图信息筛选出所述图像中的自然图像类型区域;
图像压缩模块,用于对所述自然图像类型区域进行有损压缩;
图像传输模块,用于传输所述压缩后的图像。
在其中一个实施例中,所述特征提取模块还用于将所述图像划分为多个子区域,提取所述多个子区域的轮廓信息和/或灰度直方图信息。
在其中一个实施例中,所述轮廓信息包括轮廓平均面积;
所述区域筛选模块还用于获取轮廓平均面积阈值,通过比较所述轮廓平均面积和所述轮廓平均面积阈值判断所述子区域是否为自然图像类型区域。
在其中一个实施例中,所述轮廓信息包括轮廓最大面积;
所述区域筛选模块还用于获取轮廓最大面积阈值,通过比较所述轮廓最大面积和所述轮廓最大面积阈值判断所述子区域是否为自然图像类型区域。
在其中一个实施例中,所述灰度直方图信息包括直方图均值和/或直方图方差;
所述区域筛选模块还用于根据所述直方图均值和/或直方图方差判断所述子区域是否为自然图像类型区域。
在其中一个实施例中,所述区域筛选模块还用于根据所述轮廓信息和/或直方图信息筛选出所述图像中的文字类型区域;
所述图像压缩模块还用于对所述文字类型区域进行无损压缩或高品质有损压缩。
上述图像传输方法和装置根据轮廓信息和/或灰度直方图信息筛选出了需要传输图像中的自然图像类型区域,由于自然图像类型区域主要都是一些模拟的数据,因此经过有损压缩丢失一些精度后对于接收者而言并不会产生较大理解影响。将自然图像类型区域经有损压缩后再发送,可减小发送的图像的数据量,从而降低了带宽占用。
且上述筛选自然图像类型区域的方式跟传统技术中的OCR(OpticalCharacter Recognition,光学字符识别)方式相比为一种模糊分类方式,其并不需要识别图像中的文字的内容,而仅仅根据轮廓信息和/或直方图信息对图像中的内容的类型进行了区分,因此执行速度较OCR的方式较快。
附图说明
图1为一个实施例中图像传输方法的流程图;
图2为一个实施例中获取到的自然图像类型的原始图像的示意图;
图3为一个实施例中根据图2中原始图像生成的轮廓图像的示意图;
图4为一个实施例中获取到的非自然图像类型的原始图像的示意图;
图5为一个实施例中根据图4中原始图像生成的轮廓图像的示意图;
图6为一个实施例中根据图2中原始图像生成的灰度直方图;
图7为一个实施例根据图4中原始图像生成的灰度直方图;
图8为一个实施例中图像传输装置的结构示意图。
具体实施方式
在一个实施例中,如图1所示,一种图像传输方法,包括如下步骤:
步骤S102,获取图像,提取图像的轮廓信息和/或灰度直方图信息。
图像的轮廓信息可包括图像中轮廓个数、轮廓面积、轮廓平均面积和轮廓最大面积等信息。其中,轮廓面积即轮廓所包围的区域的面积,轮廓平均面积即图像中轮廓面积的平均值,轮廓最大面积即图像中轮廓面积的最大值。
在本实施例中,提取图像的轮廓信息和/或灰度直方图信息的步骤之前,可先根据获取到的图像生成轮廓图象,然后再根据轮廓图象获取轮廓信息。可通过对获取到的图像进行灰度化、边缘检测、二值化、腐蚀以及膨胀等操作,通过轮廓分析生成轮廓图象。如图2和图3所示,图2中的原始图像经上述操作后即可得到图3中所示的轮廓图像。
灰度直方图信息即将图像灰度化后各灰度值区间包含的像素点的个数所占总个数的比例形成的直方图,可包含均值和方差等信息。
在一个实施例中,提取图像的轮廓信息和/或灰度直方图信息的步骤之前还可将图像划分为多个子区域。且在该实施例中,提取子区域图像的轮廓信息和/或灰度直方图信息的步骤可具体为:提取多个子区域的轮廓信息和/或灰度直方图信息。
也就是说,可预先将图像划分为N×N个区域,然后分别获取该N×N个区域的轮廓信息和/或灰度直方图信息。需要说明的是,在本实施例中,即可分别生成N×N个区域对应的轮廓图象,然后获取其轮廓信息,也可先生成整个图像对应的轮廓图象,然后再将轮廓图象按照划分的N×N个区域分别获取每个区域对应的轮廓信息。
步骤S104,根据轮廓信息和/或直方图信息筛选出图像中的自然图像类型区域。
自然图像类型区域即图像中的像素点构成的形状用于表示图形的区域。与之相对的是文字类型区域,即图像中的像素点构成的形状用于表示文字的区域。而对于既包含自然图像又包含文字的图像区域则为混合类型区域。
在一个实施例中,轮廓信息包括轮廓平均面积。根据轮廓信息和/或直方图信息筛选出图像中的自然图像类型区域的步骤可包括:
获取轮廓平均面积阈值,通过比较轮廓平均面积和轮廓平均面积阈值判断子区域是否为自然图像类型区域。
如前所述,轮廓平均面积即图像子区域中包含的所有轮廓的面积的平均值,其既可以用具体的区域的面积大小表示,也可以用轮廓平均面积占该子区域总面积的比例值表示。同时参考图2、图3、图4和图5可知,图像中图形区域中孤立的图像轮廓较多且分布比较散乱,因此平均轮廓面积通常较小。而图像中的文字区域由于文字边界的存在且文字之间较连续,丢失掉的区域非常小,孤立轮廓较少,轮廓大部分相互连通形成大轮廓,因此,平均轮廓面积通常较大。因此,可根据预设的轮廓平均面积阈值来进行判断:
若子区域中的轮廓平均面积小于轮廓平均面积阈值,则判定该子区域为自然图像类型区域。而对于轮廓平均面积大于轮廓平均面积阈值的子区域,可根据其他阈值判定其为混合类型区域(可能是自然图像类型区域也可能是文字类型区域,通常为艺术字、特殊文字)还是文字类型区域。
在本实施例中,轮廓平均面积阈值可以包括最小值和最大值。若子区域中的轮廓平均面积小于轮廓平均面积阈值的最小值,则判定其为自然图像类型区域;若轮廓平均面积大于轮廓平均面积阈值的最大值,则判定其为文字类型区域,若轮廓平均面积在轮廓平均面积阈值的最小值和最大值之间,则判定其为混合类型区域(通常为艺术字、特殊文字)。
在一个实施例中,轮廓信息包括轮廓最大面积。根据轮廓信息和/或直方图信息筛选出图像中的自然图像类型区域的步骤还可包括:
获取轮廓最大面积阈值,通过比较轮廓最大面积和轮廓最大面积阈值判断子区域是否为自然图像类型区域。
如前所述,轮廓最大面积即图像子区域中包含的所有轮廓的面积的最大值,其值既可为具体的区域的面积大小,也可以是轮廓平均面积占子区域总面积的比例值。
基于前述相同的理由,通常文字类型区域包含的轮廓的面积较大。因此,可根据预设的轮廓最大面积阈值来进行判断:
若子区域中的轮廓最大面积小于轮廓最大面积阈值,则判定该子区域为自然图像类型区域。而对于轮廓最大面积大于轮廓最大面积阈值的子区域,也可根据其他阈值判定其为混合类型区域(可能是自然图像类型区域也可能是文字类型区域,通常为艺术字、特殊文字)还是文字类型区域。
在本实施例中,轮廓最大面积阈值可以包括最小值和最大值。若子区域中的轮廓最大面积小于轮廓最大面积阈值的最小值,则判定其为自然图像类型区域;若轮廓最大面积大于轮廓最大面积阈值的最大值,则判定其为文字类型区域,若轮廓最大面积在轮廓平均面积阈值的最小值和最大值之间,则判定其为混合类型区域。
在一个实施例中,灰度直方图信息包括直方图均值和/或直方图方差。根据轮廓信息和/或灰度直方图信息筛选出图像中的自然图像类型区域的步骤还包括:
根据直方图均值和/或直方图方差判断子区域是否为自然图像类型区域。
同时参考图6和图7可知,自然图像类型区域中像素在高亮度区域分布较集中,在直方图中反应的是,高亮度区域直方图高,背景等低亮度区域直方图低。文字类型区域基本不存在高亮度区域,直方图较平均。因此,自然图像类型区域的灰度直方图信息中,直方图方差通常较大;而文字类型区域的灰度直方图信息中,直方图方差通常较小(直方图均值可用于判别纯色背景)。根据灰度直方图信息筛选出图像中的自然图像类型区域的步骤即可为:
若子区域的直方图均值大于阈值,且直方图方差大于阈值,则判定该子区域为自然图像类型区域。而对于直方图均值和直方图方差不在此范围内的子区域,也可根据其他阈值判定其为混合类型区域(可能是自然图像类型区域也可能是文字类型区域,通常为艺术字、特殊文字)还是文字类型区域。需要说明的是,上述依赖轮廓平均面积、轮廓最大面积以及直方图方差和直方图均值的方式可结合使用,对于各个判别结果可采用“与”或“或”的方式归一化,从而在子区域中筛选出自然图像类型区域。
在一个实施例中,前述的各种阈值(轮廓平均面积、轮廓最大面积以及比较直方图方差的阈值和比较直方图均值的阈值等)可通过预先对样本图片(包括非自然图像类型的图像样本和自然图像类型的图像样本)进行分类来设置。
步骤S106,对自然图像类型区域进行有损压缩。
在本实施例中,若子区域被判定为自然图像类型区域,则对其进行有损压缩。有损压缩即以牺牲图像包含的信息量为代价来减少图像的数据量。例如,可采用K-L变换编码(均方误差准则下最佳变换编码)和DCT编码(离散余弦变换编码)对判别得到的子区域进行有损压缩。
在本实施例中,可对自然图像类型区域、混合类型区域以及文字类型区域采用压缩比递减的图象压缩方式进行压缩。
在一个实施例中,还可根据轮廓信息和/或直方图信息筛选出图像中的文字类型区域,对文字类型区域进行无损压缩或高品质有损压缩。高品质有损压缩即压缩比较低,小于高品质压缩比阈值的有损压缩方式。在本实施例中,判断图像中的子区域是否为文字类型区域的方法与前述判断是否为自然图像类型区域的方法相对应,即通过轮廓平均面积阈值、轮廓最大面积阈值、直方图均值阈值或直方图方差阈值来判断,但所处的阈值区间完全不同。
对自然图像类型区域进行有损压缩,对文字类型区域进行无损压缩或高品质有损压缩,不会对传输图片所携带的信息量产生影响。可在保证传输速度的基础上,进一步提高传输的图像中的文字部分的清晰度,相较于现有技术中无损压缩方式传输图像的方式,在保证画质的基础上提升了传输速度;相较于现有技术中对图像整体进行有损压缩的方式,在保证传输速度的基础上提高了图像的画质。
步骤S108,传输压缩后的图像。
在一个实施例中,还可获取输入的反馈信息,并根据反馈信息调整前述的轮廓平均面积阈值、轮廓最大面积阈值、直方图均值阈值、直方图方差阈值以及其他用于判定的阈值。在本实施例中,若接收方对接收到的图像的质量不满意,即可返回相应的反馈信息。在接收到反馈信息之后,可相应调小前述的阈值。若接收方对网络传输速度不满(即感觉到有卡顿现象),也可返回相应的反馈信息。在接受到该反馈信息之后,则可相应的调大前述的阈值。
在一个实施例中,如图8所示,一种图像传输装置,包括特征提取模块102、区域筛选模块104、图像压缩模块106以及图像传输模块108,其中:
特征提取模块102,用于获取图像,提取图像的轮廓信息和/或灰度直方图信息。
图像的轮廓信息可包括图像中轮廓个数、轮廓面积、轮廓平均面积和轮廓最大面积等信息。其中,轮廓面积即轮廓所包围的区域的面积,轮廓平均面积即图像中轮廓面积的平均值,轮廓最大面积即图像中轮廓面积的最大值。
在本实施例中,特征提取模块102还可用于根据获取到的图像生成轮廓图象,然后再根据轮廓图象获取轮廓信息。可通过对获取到的图像进行灰度化、边缘检测、二值化、腐蚀以及膨胀等操作生成轮廓图象。如图2和图3所示,图2中的原始图像经上述操作后即可得到图3中所示的轮廓图像。
灰度直方图信息即将图像灰度化后各灰度值区间包含的像素点的个数所占总个数的比例形成的直方图,可包含均值和方差等信息。
在一个实施例中,特征提取模块102还可用于将图像划分为多个子区域,提取多个子区域的轮廓信息和/或灰度直方图信息。
也就是说,可预先将图像划分为N×N个区域,然后分别获取该N×N个区域的轮廓信息和/或灰度直方图信息。需要说明的是,在本实施例中,即可分别生成N×N个区域对应的轮廓图象,然后获取其轮廓信息,也可先生成整个图像对应的轮廓图象,然后再将轮廓图象按照划分的N×N个区域分别获取每个区域对应的轮廓信息。
区域筛选模块104,用于根据轮廓信息和/或直方图信息筛选出图像中的自然图像类型区域。
自然图像类型区域即图像中的像素点构成的形状用于表示图形的区域。与之相对的是文字类型区域,即图像中的像素点构成的形状用于表示文字的区域。而对于既包含自然图像又包含文字的图像区域则为混合类型区域。
在一个实施例中,轮廓信息包括轮廓平均面积。区域筛选模块104可用于获取轮廓平均面积阈值,通过比较轮廓平均面积和轮廓平均面积阈值判断子区域是否为自然图像类型区域。
如前所述,轮廓平均面积即图像子区域中包含的所有轮廓的面积的平均值,其既可以用具体的区域的面积大小表示,也可以用轮廓平均面积占该子区域总面积的比例值表示。同时参考图2、图3、图4和图5可知,图像中图形区域中孤立的图像轮廓较多且分布比较散乱,因此平均轮廓面积通常较小。而图像中的文字区域由于文字边界的存在且文字之间较连续,丢失掉的区域非常小,孤立轮廓较少,轮廓大部分相互连通形成大轮廓,因此,平均轮廓面积通常较大。因此,可根据预设的轮廓平均面积阈值来进行判断:
若子区域中的轮廓平均面积小于轮廓平均面积阈值,则判定该子区域为自然图像类型区域。而对于轮廓平均面积大于轮廓平均面积阈值的子区域,可根据其他阈值判定其为混合类型区域(可能是自然图像类型区域也可能是文字类型区域)还是文字类型区域。
在本实施例中,轮廓平均面积阈值可以包括最小值和最大值。若子区域中的轮廓平均面积小于轮廓平均面积阈值的最小值,则判定其为自然图像类型区域;若轮廓平均面积大于轮廓平均面积阈值的最大值,则判定其为文字类型区域,若轮廓平均面积在轮廓平均面积阈值的最小值和最大值之间,则判定其为混合类型区域(通常为艺术字、特殊文字)。
在一个实施例中,轮廓信息包括轮廓最大面积。区域筛选模块104还可用于获取轮廓最大面积阈值,通过比较轮廓最大面积和轮廓最大面积阈值判断子区域是否为自然图像类型区域。
如前所述,轮廓最大面积即图像子区域中包含的所有轮廓的面积的最大值,其值既可为具体的区域的面积大小,也可以是轮廓平均面积占子区域总面积的比例值。
基于前述相同的理由,通常文字类型区域包含的轮廓的面积较大。因此,可根据预设的轮廓最大面积阈值来进行判断:
若子区域中的轮廓最大面积小于轮廓最大面积阈值,则判定该子区域为自然图像类型区域。而对于轮廓最大面积大于轮廓最大面积阈值的子区域,也可根据其他阈值判定其为混合类型区域(可能是自然图像类型区域也可能是文字类型区域)还是文字类型区域。
在本实施例中,轮廓最大面积阈值可以包括最小值和最大值。若子区域中的轮廓最大面积小于轮廓最大面积阈值的最小值,则判定其为自然图像类型区域;若轮廓最大面积大于轮廓最大面积阈值的最大值,则判定其为文字类型区域,若轮廓最大面积在轮廓平均面积阈值的最小值和最大值之间,则判定其为混合类型区域。
在一个实施例中,灰度直方图信息包括直方图均值和/或直方图方差。区域筛选模块104还可用于根据直方图均值和/或直方图方差判断子区域是否为自然图像类型区域。
同时参考图6和图7可知,自然图像类型区域中像素在高亮度区域分布较集中,在直方图中反应的是,高亮度区域直方图高,背景等低亮度区域直方图低。文字类型区域基本不存在高亮度区域,直方图较平均。因此,自然图像类型区域的灰度直方图信息中,直方图方差通常较大;而文字类型区域的灰度直方图信息中,直方图方差通常较小(直方图均值可用于判别纯色背景)。根据灰度直方图信息筛选出图像中的自然图像类型区域的步骤即可为:
若子区域的直方图均值大于阈值,且直方图方差大于阈值,则判定该子区域为自然图像类型区域。而对于直方图均值和直方图方差不在此范围内的子区域,也可根据其他阈值判定其为混合类型(可能是自然图像类型区域也可能是文字类型区域,通常为艺术字、特殊文字)还是文字类型区域。
需要说明的是,上述依赖轮廓平均面积、轮廓最大面积以及直方图方差和直方图均值的方式可结合使用,对于各个判别结果可采用“与”或“或”的方式归一化,从而在子区域中筛选出自然图像类型区域。
在一个实施例中,前述的各种阈值(轮廓平均面积、轮廓最大面积以及比较直方图方差的阈值和比较直方图均值的阈值等)可通过预先对样本图片(包括非自然图像类型的图像样本和自然图像类型的图像样本)进行分类来设置。
图像压缩模块106,用于对自然图像类型区域进行有损压缩。
在本实施例中,若子区域被判定为自然图像类型区域,则对其进行有损压缩。有损压缩即以牺牲图像包含的信息量为代价来减少图像的数据量。例如,可采用K-L变换编码(均方误差准则下最佳变换编码)和DCT编码(离散余弦变换编码)对判别得到的子区域进行有损压缩。
在本实施例中,图像压缩模块106可用于对自然图像类型区域、混合类型区域以及文字类型区域采用压缩比递减的图象压缩方式进行压缩。
在一个实施例中,区域筛选模块104还可用于根据轮廓信息和/或直方图信息筛选出图像中的文字类型区域。图像压缩模块106还可用于对文字类型区域进行无损压缩或高品质有损压缩。高品质有损压缩即压缩比较低,小于高品质压缩比阈值的有损压缩方式。在本实施例中,区域筛选模块104判断图像中的子区域是否为文字类型区域的方法与前述判断是否为自然图像类型区域的方法相对应,即通过轮廓平均面积阈值、轮廓最大面积阈值、直方图均值阈值或直方图方差阈值来判断,但所处的阈值区间完全不同。
对自然图像类型区域进行有损压缩,对文字类型区域进行无损压缩或高品质有损压缩,不会对传输图片所携带的信息量产生影响。可在保证传输速度的基础上,进一步提高传输的图像中的文字部分的清晰度,相较于现有技术中无损压缩方式传输图像的方式,在保证画质的基础上提升了传输速度;相较于现有技术中对图像整体进行有损压缩的方式,在保证传输速度的基础上提高了图像的画质非自然图像类型。
图像传输模块108,用于传输压缩后的图像。
在一个实施例中,还可包括参数调整模块(图中未标示),可用于获取输入的反馈信息,并根据反馈信息调整前述的轮廓平均面积阈值、轮廓最大面积阈值、直方图均值阈值、直方图方差阈值以及其他用于判定的阈值。在本实施例中,若接收方对接收到的图像的质量不满意,即可返回相应的反馈信息。在接收到反馈信息之后,可相应调小前述的阈值。若接收方对网络传输速度不满(即感觉到有卡顿现象),也可返回相应的反馈信息。在接受到该反馈信息之后,则可相应的调大前述的阈值。
上述图像传输方法和装置根据轮廓信息和/或灰度直方图信息筛选出了需要传输图像中的自然图像类型区域,由于自然图像类型区域主要都是一些模拟的数据,因此经过有损压缩丢失一些精度后对于接收者而言并不会产生较大理解影响。将自然图像类型区域经有损压缩后再发送,可减小发送的图像的数据量,从而降低了带宽占用。
且上述筛选自然图像类型区域的方式跟传统技术中的OCR方式相比为一种模糊分类方式,其并不需要识别图像中的文字的内容,而仅仅根据轮廓信息和/或直方图信息对图像中的内容的类型进行了区分,因此执行速度较OCR的方式较快。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种图像传输方法,包括:
获取图像,提取所述图像的轮廓信息和/或灰度直方图信息;
根据所述轮廓信息和/或直方图信息筛选出所述图像中的自然图像类型区域;
对所述自然图像类型区域进行有损压缩;
传输所述压缩后的图像。
2.根据权利要求1所述的图像传输方法,其特征在于,所述提取所述图像的轮廓信息和/或灰度直方图信息的步骤之前还包括:
将所述图像划分为多个子区域;
所述提取所述图像的轮廓信息和/或灰度直方图信息的步骤为:
提取所述多个子区域的轮廓信息和/或灰度直方图信息。
3.根据权利要求2所述的图像传输方法,其特征在于,所述轮廓信息包括轮廓平均面积;
所述根据所述轮廓信息和/或灰度直方图信息筛选出所述图像中的自然图像类型区域的步骤包括:
获取轮廓平均面积阈值;
通过比较所述轮廓平均面积和所述轮廓平均面积阈值判断所述子区域是否为自然图像类型区域。
4.根据权利要求2所述的图像传输方法,其特征在于,所述轮廓信息包括轮廓最大面积;
所述根据所述轮廓信息和/或灰度直方图信息筛选出所述图像中的自然图像类型区域的步骤包括:
获取轮廓最大面积阈值;
通过比较所述轮廓最大面积和所述轮廓最大面积阈值判断所述子区域是否为自然图像类型区域。
5.根据权利要求2所述的图像传输方法,其特征在于,所述灰度直方图信息包括直方图均值和/或直方图方差;
所述根据所述轮廓信息和/或灰度直方图信息筛选出所述图像中的自然图像类型区域的步骤包括:
根据所述直方图均值和/或直方图方差判断所述子区域是否为自然图像类型区域。
6.根据权利要求1所述的图像传输方法,其特征在于,所述传输所述压缩后的图像的步骤之前还包括:
根据所述轮廓信息和/或直方图信息筛选出所述图像中的文字类型区域;
对所述文字类型区域进行无损压缩或高品质有损压缩。
7.一种图像传输装置,其特征在于,包括:
特征提取模块,用于获取图像,提取所述图像的轮廓信息和/或灰度直方图信息;
区域筛选模块,用于根据所述轮廓信息和/或直方图信息筛选出所述图像中的自然图像类型区域;
图像压缩模块,用于对所述自然图像类型区域进行有损压缩;
图像传输模块,用于传输所述压缩后的图像。
8.根据权利要求6所述的图像传输装置,其特征在于,所述特征提取模块还用于将所述图像划分为多个子区域,提取所述多个子区域的轮廓信息和/或灰度直方图信息。
9.根据权利要求7所述的图像传输装置,其特征在于,所述轮廓信息包括轮廓平均面积;
所述区域筛选模块还用于获取轮廓平均面积阈值,通过比较所述轮廓平均面积和所述轮廓平均面积阈值判断所述子区域是否为自然图像类型区域。
10.根据权利要求7所述的图像传输装置,其特征在于,所述轮廓信息包括轮廓最大面积;
所述区域筛选模块还用于获取轮廓最大面积阈值,通过比较所述轮廓最大面积和所述轮廓最大面积阈值判断所述子区域是否为自然图像类型区域。
11.根据权利要求7所述的图像传输装置,其特征在于,所述灰度直方图信息包括直方图均值和/或直方图方差;
所述区域筛选模块还用于根据所述直方图均值和/或直方图方差判断所述子区域是否为自然图像类型区域。
12.根据权利要求7所述的图像传输装置,其特征在于,所述区域筛选模块还用于根据所述轮廓信息和/或直方图信息筛选出所述图像中的文字类型区域;
所述图像压缩模块还用于对所述文字类型区域进行无损压缩或高品质有损压缩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101507979A CN103327322A (zh) | 2013-04-26 | 2013-04-26 | 图像传输方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101507979A CN103327322A (zh) | 2013-04-26 | 2013-04-26 | 图像传输方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103327322A true CN103327322A (zh) | 2013-09-25 |
Family
ID=49195821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101507979A Pending CN103327322A (zh) | 2013-04-26 | 2013-04-26 | 图像传输方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103327322A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105491120A (zh) * | 2015-12-01 | 2016-04-13 | 小米科技有限责任公司 | 图片传输的方法及装置 |
CN106228518A (zh) * | 2016-07-18 | 2016-12-14 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN106339992A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 对比度增强方法及装置 |
CN106339224A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN106385582A (zh) * | 2016-10-08 | 2017-02-08 | 广东石油化工学院 | 一种无损的快速图像传输方法 |
CN107145340A (zh) * | 2017-03-22 | 2017-09-08 | 深信服科技股份有限公司 | 虚拟桌面图像传输方法及装置 |
CN108924377A (zh) * | 2018-06-08 | 2018-11-30 | 宁波华高信息科技有限公司 | 一种基于dsp的硬件压缩核的快速重配置方法 |
CN111708505A (zh) * | 2020-07-21 | 2020-09-25 | 全时云商务服务股份有限公司 | 桌面共享方法、装置和电子设备 |
CN116437116A (zh) * | 2023-03-03 | 2023-07-14 | 深圳市宏辉智通科技有限公司 | 一种音视频调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060133675A1 (en) * | 2002-08-05 | 2006-06-22 | Shih-Zheng Kuo | Image processing method, system, and apparatus for facilitating data transmission |
CN101630411A (zh) * | 2009-07-02 | 2010-01-20 | 浙江省电力公司 | 基于熵值的面向输电线路部件识别的自动阈值图象分割方法 |
CN102156955A (zh) * | 2011-04-11 | 2011-08-17 | 西安电子科技大学 | 基于直方图邻域的鲁棒可逆水印嵌入与提取方法 |
CN102164167A (zh) * | 2011-02-21 | 2011-08-24 | 北京奇虎科技有限公司 | 一种用于远程控制的分类传输方法和系统 |
CN102752368A (zh) * | 2012-05-31 | 2012-10-24 | 上海必邦信息科技有限公司 | 提高电子设备之间的界面远程显示效率和画质的方法 |
-
2013
- 2013-04-26 CN CN2013101507979A patent/CN103327322A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060133675A1 (en) * | 2002-08-05 | 2006-06-22 | Shih-Zheng Kuo | Image processing method, system, and apparatus for facilitating data transmission |
CN101630411A (zh) * | 2009-07-02 | 2010-01-20 | 浙江省电力公司 | 基于熵值的面向输电线路部件识别的自动阈值图象分割方法 |
CN102164167A (zh) * | 2011-02-21 | 2011-08-24 | 北京奇虎科技有限公司 | 一种用于远程控制的分类传输方法和系统 |
CN102156955A (zh) * | 2011-04-11 | 2011-08-17 | 西安电子科技大学 | 基于直方图邻域的鲁棒可逆水印嵌入与提取方法 |
CN102752368A (zh) * | 2012-05-31 | 2012-10-24 | 上海必邦信息科技有限公司 | 提高电子设备之间的界面远程显示效率和画质的方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105491120A (zh) * | 2015-12-01 | 2016-04-13 | 小米科技有限责任公司 | 图片传输的方法及装置 |
CN106228518A (zh) * | 2016-07-18 | 2016-12-14 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
US10068151B2 (en) | 2016-07-18 | 2018-09-04 | Beijing Xiaomi Mobile Software Co., Ltd. | Method, device and computer-readable medium for enhancing readability |
CN106339224A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN106339992A (zh) * | 2016-08-24 | 2017-01-18 | 北京小米移动软件有限公司 | 对比度增强方法及装置 |
CN106339224B (zh) * | 2016-08-24 | 2020-03-17 | 北京小米移动软件有限公司 | 可读性增强方法及装置 |
CN106385582A (zh) * | 2016-10-08 | 2017-02-08 | 广东石油化工学院 | 一种无损的快速图像传输方法 |
CN107145340A (zh) * | 2017-03-22 | 2017-09-08 | 深信服科技股份有限公司 | 虚拟桌面图像传输方法及装置 |
CN107145340B (zh) * | 2017-03-22 | 2020-10-27 | 深信服科技股份有限公司 | 虚拟桌面图像传输方法及装置 |
CN108924377A (zh) * | 2018-06-08 | 2018-11-30 | 宁波华高信息科技有限公司 | 一种基于dsp的硬件压缩核的快速重配置方法 |
CN111708505A (zh) * | 2020-07-21 | 2020-09-25 | 全时云商务服务股份有限公司 | 桌面共享方法、装置和电子设备 |
CN116437116A (zh) * | 2023-03-03 | 2023-07-14 | 深圳市宏辉智通科技有限公司 | 一种音视频调度方法及系统 |
CN116437116B (zh) * | 2023-03-03 | 2024-01-30 | 深圳市宏辉智通科技有限公司 | 一种音视频调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103327322A (zh) | 图像传输方法及装置 | |
US8351699B2 (en) | Methods and apparatus for auto image binarization | |
Yang et al. | Perceptual quality assessment of screen content images | |
JP4942510B2 (ja) | 車両画像認識装置およびその方法 | |
US10970824B2 (en) | Method and apparatus for removing turbid objects in an image | |
CN111767920B (zh) | 感兴趣区域的提取方法、装置、电子设备及存储介质 | |
TW200539047A (en) | Systems and methods for identifying regions within an image having similar continuity values | |
CN109255752B (zh) | 图像自适应压缩方法、装置、终端及存储介质 | |
US9552528B1 (en) | Method and apparatus for image binarization | |
KR101435778B1 (ko) | 비디오 기반 시각적 특징과 다단계 통계적 결합을 이용한 유해 동영상 분류 방법 및 장치 | |
CN106358029A (zh) | 一种视频图像处理方法和装置 | |
CN103700121A (zh) | 一种复合图像的压缩方法及装置 | |
CN103905821A (zh) | 能够识别人脸的视频编码方法及装置 | |
CA2267828A1 (en) | Multiple size reductions for image segmentation | |
Sasirekha et al. | Enhanced techniques for PDF image segmentation and text extraction | |
CN111192213A (zh) | 图像去雾自适应参数的计算方法、图像去雾方法及系统 | |
CN110782409A (zh) | 一种去除多运动物体阴影的方法 | |
CN110399867B (zh) | 一种文本类图像区域的识别方法、系统及相关装置 | |
KR20060007901A (ko) | 영상으로부터의 중요 객체 추출 장치 및 방법 | |
CN1279491C (zh) | 图像分析 | |
CN115115893A (zh) | 用于废金属回收的智能分选方法 | |
CN110807747B (zh) | 一种基于前景蒙版的文档图像降噪方法 | |
CN108810537B (zh) | 一种图片转码方法、装置及图像处理设备 | |
JP2017228297A (ja) | テキスト検出方法および装置 | |
CN111444904A (zh) | 内容识别方法、装置以及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130925 |