CN104702952B - 一种图像数据压缩方法 - Google Patents
一种图像数据压缩方法 Download PDFInfo
- Publication number
- CN104702952B CN104702952B CN201410026871.0A CN201410026871A CN104702952B CN 104702952 B CN104702952 B CN 104702952B CN 201410026871 A CN201410026871 A CN 201410026871A CN 104702952 B CN104702952 B CN 104702952B
- Authority
- CN
- China
- Prior art keywords
- data
- coefficient
- quantization
- alternating current
- chrominance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013144 data compression Methods 0.000 title claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 238000013139 quantization Methods 0.000 claims description 111
- 238000012545 processing Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 6
- 241001269238 Data Species 0.000 abstract 3
- 238000007906 compression Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000006837 decompression Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Color Television Systems (AREA)
Abstract
本发明公开了一种图像数据压缩方法:当每接收到N点图像数据时,N为大于1的正整数,分别进行以下处理:获取N点图像数据中的亮度数据和色度数据;分别对亮度数据和色度数据进行串并转换;分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换,得到亮度数据的直流系数和交流系数以及色度数据的直流系数和交流系数;分别对亮度数据和色度数据的交流系数进行量化和编码;将亮度数据的直流系数和编码后的交流系数,以及色度数据的直流系数和编码后的交流系数进行拼接,得到N点图像数据的编码数据;根据各编码数据生成各数据包,并发送。应用本发明所述方案,能够降低实现复杂度等。
Description
技术领域
本发明涉及图像处理技术,特别涉及一种图像数据压缩方法。
背景技术
随着视频监控技术的不断发展,图像质量和图像路数等都得到了较大的提升,相应地,带来的问题就是传输带宽和系统处理能力的压力增大。
对图像数据进行压缩,是一种解决上述问题的有效方法。
但是,现有的压缩算法的实现均需要依赖于帧间参考或需要进行图像块处理等,非常复杂,不够简单方便。
发明内容
有鉴于此,本发明提供了一种图像数据压缩方法,能够降低实现复杂度。
为了达到上述目的,本发明的技术方案是这样实现的:
一种图像数据压缩方法,包括:
当每接收到N点图像数据时,N为大于1的正整数,分别进行以下处理:
获取N点图像数据中的亮度数据和色度数据;
分别对亮度数据和色度数据进行串并转换;
分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换,得到亮度数据的直流系数和交流系数以及色度数据的直流系数和交流系数;
分别对亮度数据和色度数据的交流系数进行量化和编码;
将亮度数据的直流系数和编码后的交流系数,以及色度数据的直流系数和编码后的交流系数进行拼接,得到N点图像数据的编码数据;
根据各编码数据生成各数据包,并发送。
可见,采用本发明所述方案,可基于N点图像数据进行压缩,无需复杂的帧间参考或图像块处理等,从而降低了方案的实现复杂度;同时,提高了图像数据处理的实时性,可达到无延迟处理;另外,本发明所述方案可实现无损压缩,从而提高了图像恢复质量;再有,本发明所述方案对于硬件实现的要求较低,用可编程逻辑器件或数字信号处理器等即可实现,具有较强的通用性。
附图说明
图1为本发明图像数据压缩方法实施例的流程图。
图2为本发明亮度数据的各编码后的交流系数的拼接方式示意图。
图3为本发明所述数据包的格式示意图。
图4为本发明图像数据解压缩方法实施例的流程图。
具体实施方式
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案作进一步的详细说明。
在实际应用中,会顺序接收到各点图像数据,如对于一帧大小为1920×1080的图像数据,会依次接收到该帧图像第一行中的第一点(第一个像素点)图像数据、第二点图像数据、…、第1920点图像数据,第二行中的第一点图像数据、第二点图像数据、…、第1920点图像数据,依次类推。当每接收到N点图像数据时,则可按照本发明所述图像数据压缩方式进行处理,N为大于1的正整数,具体取值可根据实际需要而定,通常为偶数,从图像相关性特征和处理复杂度等角度考虑,较佳地,N的取值可为4、8或16等。
图1为本发明图像数据压缩方法实施例的流程图。如图1所示,包括以下步骤11~16。
步骤11:获取接收到的N点图像数据中的亮度数据和色度数据。
由于亮度和色度的相关性不同,因此需要分别进行处理。
相应地,可对接收到的N点图像数据进行亮度数据和色度数据的分离,当然,如果接收到的N点图像数据本身就是亮度数据和色度数据相分离的,则无需再进行分离。
步骤12:分别对亮度数据和色度数据进行串并转换。
本步骤中,对N点亮度数据进行串并转换,即从串行转换为并行,并对N点色度数据进行串并转换。
步骤13:分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换,得到亮度数据的直流系数和交流系数以及色度数据的直流系数和交流系数。
本步骤中,对串并转换后的亮度数据进行从时域到频域的转换,并对串并转换后的色度数据进行从时域到频域的转换。
较佳地,所述转换方式可为:进行哈达玛变换,即对串并转换后的亮度数据进行哈达玛变化,并对串并转换后的色度数据进行哈达玛变换。
相应地,由于需要进行哈达玛变化,那么在执行步骤12之前,还需要分别对亮度数据和色度数据进行偏置处理。
上述如何进行亮度数据和色度数据的分离、如何进行串并转换、如何进行偏置处理以及如何进行哈达玛变换等的具体实现均为现有技术,不再赘述。
经过哈达玛变换后,针对亮度数据,将会得到一个直流系数和N-1个交流系数,同样,针对色度数据,也会得到一个直流系数和N-1个交流系数,直流系数和交流系数统称为频域系数。
哈达玛变化可利用相邻像素点的相关性,将能量集中于变换后的直流系数中。
步骤14:分别对亮度数据和色度数据的交流系数进行量化和编码。
量化的目的是尽可能地去掉在交流系数中,人眼不敏感的高频分量,从而达到压缩数据的目的,同时可通过量化控制数据长度,亮度数据和色度数据的直流系数中保留了N点图像数据的大部分能量,因此无需作量化处理。
本步骤中,可获取最新的量化矩阵,并根据该量化矩阵分别对亮度数据和色度数据的各N-1个交流系数进行量化,从而得到各N-1个量化结果,之后,可分别对每个交流系数的量化结果进行G-R编码,以下分别进行详细介绍。
一)量化
所述量化矩阵可为:
其中,每一行中均包括N-1个量化系数,qn为正整数,1≤n≤N-1,较佳地,qn为2的指数次幂,如2、4、8等。
m为大于或等于2的正整数,且从第3行开始,每一行中的第n个量化系数的取值均为相邻的前一行中的第n个量化系数的取值的两倍。
在实际应用中,可将量化矩阵中的第2行中的各量化系数称为量化系数基数,各量化系数基数均为正整数,具体取值均为经验值,可通过计算机遍历仿真实验确定最优选择。
假设N的取值为4,各量化系数基数的取值依次为:2、4、8,那么,第3行中的各量化系数的取值将依次为:4、8、16,第4行中的各量化系数的取值将依次为:8、16、32,依次类推。
通常来说,量化系数越小,高频分量保留得越多,图像损失越小,反之,量化系数越大,高频分量保留得越少,图像损失越大。
基于上述介绍,所述量化的具体实现方式可为:
A、针对量化矩阵中的每一行,分别进行以下处理:
针对亮度数据的每个交流系数n,分别计算其与该行中第n个量化系数的商(如果不能整除,可四舍五入),如果该商大于或等于0,则将该商乘以2后作为第n个分量记录到该行对应的一个量化结果组B1中,否则,将该商的绝对值乘以2再减去1后作为第n个分量记录到量化结果组B1中;计算量化结果组B1中的各分量的累计之和A1;
针对色度数据的每个交流系数n,分别计算其与该行中第n个量化系数的商,如果该商大于或等于0,则将该商乘以2后作为第n个分量记录到该行对应的另一个量化结果组B2中,否则,将该商的绝对值乘以2再减去1后作为第n个分量记录到量化结果组B2中;计算量化结果组B2中的各分量的累计之和A2;
B、如果A1小于预定第一阈值,且A2小于预定第二阈值,则将该行确定为备选行,所述第一阈值和第二阈值的具体取值均可根据实际需要而定,且两个阈值可以相同,也可以不同;
C、统计备选行的总数;如果统计结果为1,则将该备选行对应的量化结果组B1中的各分量分别作为亮度数据的各交流系数的量化结果,并将该备选行对应的量化结果组B2中的各分量分别作为色度数据的各交流系数的量化结果;
如果统计结果大于1,则将行号最小的备选行对应的量化结果组B1中的各分量分别作为亮度数据的各交流系数的量化结果,并将行号最小的备选行对应的量化结果组B2中的各分量分别作为色度数据的各交流系数的量化结果。
为了加快处理速度,在实际应用中,可针对量化矩阵中的各行,并行地按照上述方式进行处理。
对于任意一个交流系数n来说,其与第n个量化系数的商d可能为正数,也可能为负数,为了便于进行后续处理,需要将正数和负数统一转换成正数形式drm,即有:
上述过程可进一步举例说明如下:
假设N的取值为4,m的取值也为4,那么量化矩阵将为:
假设亮度数据的3个交流系数分别为a1、a2和a3,色度数据的3个交流系数分别为b1、b2和b3;
假设量化矩阵中的第1行对应的两个量化结果组分别为(c1、c2、c3)和(d1、d2、d3);量化矩阵中的第2行对应的两个量化结果组分别为(e1、e2、e3)和(f1、f2、f3);量化矩阵中的第3行对应的两个量化结果组分别为(g1、g2、g3)和(h1、h2、h3);量化矩阵中的第4行对应的两个量化结果组分别为(i1、i2、i3)和(j1、j2、j3);
假设第3行和第4行均为备选行,那么则将第3行对应的量化结果组(g1、g2、g3)中的各分量作为亮度数据的各交流系数的量化结果,即g1为a1的量化结果,g2为a2的量化结果,g3为a3的量化结果,并将第3行对应的量化结果组(h1、h2、h3)中的各分量作为色度数据的各交流系数的量化结果,即h1为b1的量化结果,h2为b2的量化结果,h3为b3的量化结果。
在实际应用中,可根据系统带宽使用情况对m的取值进行灵活调整,并按照调整后的m更新量化矩阵,如在系统带宽充足的情况下,可调小m的取值,具体调整幅度可根据实际情况而定。
二)G-R编码
G-R编码即指Golomb-Rice编码,是一种特殊的Huffman编码方法,是一个对较宽的熵条件都有效以及可以迅速自适应的无损压缩算法,它在编码时不需要码表,但却能够提供与使用多个Huffman码表相同的功能。
假设用drm来表示任意一个交流系数(包括亮度数据和色度数据)的量化结果,那么可针对drm,按照()的商+分隔符+()的余数的方式进行编码。
其中,()的商占用连续Q个比特位,每个比特位的取值均为0,Q的取值与()的商的取值相同,如()的商为6,则Q的取值为6;分隔符占用1个比特位,取值为1;()的余数占用连续k个比特位,k为正整数,各比特位的取值根据()的余数的取值而定,如k的取值为2,()的余数为1,那么,2个比特位的取值将分别为1和0(二进制10即表示2),drm对应的交流系数的能量越高,k的取值越大。
假设将亮度数据的N-1个交流系数对应的k分别记为[k1,k2…kN-1],那么可根据N-1点哈达玛变换后的交流分量能量分布高低来确定各个k的取值,能量越高的交流系数对应的k取值越大,反之越小,具体取值均可为经验值。
步骤15:将亮度数据的直流系数和编码后的交流系数,以及色度数据的直流系数和编码后的交流系数进行拼接,得到N点图像数据的编码数据。
较佳地,图2为本发明亮度数据的各编码后的交流系数的拼接方式示意图。如图2所示,drm1表示交流系数1的量化结果,k1表示交流系数1对应的余数位数长度,在此基础上,可将亮度数据的直流系数拼接到图2所示字符串的开头或结尾位置。
同样地,可按照图2所示方式,对色度数据的各编码后的交流系数以及色度数据的直流系数进行拼接。
之后,可将亮度数据对应的字符串和色度数据对应的字符串进行拼接,从而得到N点图像数据的编码数据。
步骤16:根据各编码数据生成各数据包,并发送。
即对各编码数据进行组包,并发送。
图3为本发明所述数据包的格式示意图。如图3所示,每个数据包中可依次包括:数据包头标志、附加信息字段、量化组号1、编码数据1、…、量化组号p、编码数据p,以及数据包尾标志,p为正整数,具体取值可根据实际需要而定;其中,附加信息字段用于记录该数据包的附加信息,如该数据包中共包括多少个编码数据、当前视频格式以及其它用户自定义信息等,量化组号用于记录对应的编码数据中的各交流系数的量化结果对应的备选行的行号,数据包头标志用于标识一个数据包的开始,数据包尾标志用于标识一个数据包的结束。
特殊地,如果前述步骤C中统计出的备选行的总数为0,那么可直接将串并转换后的亮度数据和色度数据进行拼接,从而得到N点图像数据的编码数据,即当N点图像数据的相关性较差时,可采用传输源码的方式,传输源码并不会很大程度上增加压缩后的数据带宽,因为其只占一帧图像数据中的很小一部分,这样既能保证传输带宽的有效降低,又能最大程度上保证图像的质量。
相应地,当对应的编码数据为通过将串并转换后的亮度数据和色度数据直接进行拼接得到的时,量化组号用于记录对应的编码数据为原始数据。
数据包头标志、附加信息字段、量化组号以及数据包尾标志等的具体格式均不作限制,可根据实际需要而定。
以上介绍的是发送端的图像数据压缩方式,相应地,对于接收端,可采用图4所示解压缩方式。
图4为本发明图像数据解压缩方法实施例的流程图。如图4所示,包括以下步骤41~46。
步骤41:对接收到的各数据包进行解包,得到每个数据包中的各编码数据。
可通过检测数据包头标志和数据包尾标志,确定出一个数据包的起始和结束位置,并根据之前所述的数据包格式,提取出附加信息、量化组号和编码数据等。
步骤42:针对每个编码数据,分别从中分离出亮度数据的直流系数和编码后的交流系数,以及色度数据的直流系数和编码后的交流系数。
针对每个编码数据,可根据其对应的量化组号确定出该编码数据是否为原始数据,如果是,可直接从该编码数据中分离出亮度数据和色度数据,并在后续直接执行步骤15和步骤16,否则,可根据之前所述的拼接方式,从该编码数据中分离出亮度数据的直流系数和编码后的交流系数,以及色度数据的直流系数和编码后的交流系数。
步骤43:分别对亮度数据和色度数据的编码后的交流系数进行解码和反量化,得到亮度数据和色度数据的交流系数。
针对亮度数据和色度数据的各编码后的交流系数,可分别进行以下处理:确定在检测到分隔符1之前,检测到的取值为0的连续比特位的个数,将该个数作为()的商,并可按照该交流系数对应的k,读取出分隔符1之后的()的余数,根据()的商和()的余数确定出drm;当drm为偶数时,将作为该交流系数的解码结果,当drm为奇数时,将作为该交流系数的解码结果。
以亮度数据的各编码后的交流系数为例,如果按照图2所示方式进行拼接,那么则可从第一个编码后的交流系数开始,依次得到各交流系数的解码结果;之后,可针对每个交流系数的解码结果,分别根据该交流系数对应的量化组号等完成反量化,即恢复出该交流系数。
通过上述方式,可分别恢复出亮度数据的N-1个交流系数以及色度数据的N-1个交流系数。
步骤44:对亮度数据的直流系数和交流系数进行从频域到时域的转换,并对色度数据的直流系数和交流系数进行从频域到时域的转换。
具体来说,可对亮度数据的直流系数和各交流系数进行哈达玛逆变换,并对色度数据的直流系数和各交流系数进行哈达玛逆变换。
步骤45:分别对转换后的亮度数据和色度数据进行并串转换。
通过该步骤,可分别得到串行的亮度数据和色度数据。
与之前的偏置处理相对应,本步骤中,还需要分别对并串转换后的亮度数据和色度数据进行逆偏置处理,具体实现为现有技术。
步骤46:将并串转换后的亮度数据和色度数据进行拼接,恢复出N点图像数据。
图4所示过程为图1所示过程的逆过程,具体实现请参照前述相关说明,不再赘述。
总之,采用本发明所述方案,可基于N点图像数据进行压缩,无需复杂的帧间参考或图像块处理等,从而降低了方案的实现复杂度;同时,提高了图像数据处理的实时性,可达到无延迟处理;另外,本发明所述方案可实现无损压缩,从而提高了图像恢复质量;再有,本发明所述方案对于硬件实现的要求较低,用可编程逻辑器件或数字信号处理器等即可实现,具有较强的通用性。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种图像数据压缩方法,其特征在于,包括:
当每接收到N点图像数据时,N为大于1的正整数,分别进行以下处理:
获取N点图像数据中的亮度数据和色度数据;
分别对亮度数据和色度数据进行偏置处理;
分别对N点亮度数据和N点色度数据进行串并转换;
分别对串并转换后的亮度数据和色度数据进行从时域到频域的哈达玛转换,得到亮度数据的直流系数和交流系数以及色度数据的直流系数和交流系数;
分别对亮度数据和色度数据的交流系数进行量化和编码;
将亮度数据的直流系数和编码后的交流系数进行拼接得到亮度数据对应的字符串,将色度数据的直流系数和编码后的交流系数进行拼接得到色度数据对应的字符串,
将亮度数据对应的字符串和色度数据对应的字符串进行拼接,得到N点图像数据的编码数据;
根据各编码数据生成各数据包,并发送。
2.根据权利要求1所述的方法,其特征在于,
所述亮度数据的直流系数的个数为1,所述亮度数据的交流系数的个数为N-1,分别为交流系数1~交流系数N-1;
所述色度数据的直流系数的个数为1,所述色度数据的交流系数的个数为N-1,分别为交流系数1~交流系数N-1;
所述分别对亮度数据和色度数据的交流系数进行量化和编码包括:
获取最新的量化矩阵,根据所述量化矩阵分别对亮度数据和色度数据的各N-1个交流系数进行量化,得到各N-1个量化结果;
分别对每个交流系数的量化结果进行G-R编码。
3.根据权利要求2所述的方法,其特征在于,
所述量化矩阵为:其中,每一行中均包括N-1个量化系数,qn为正整数,1≤n≤N-1,m为大于或等于2的正整数,且从第3行开始,每一行中的第n个量化系数的取值均为相邻的前一行中的第n个量化系数的取值的两倍;
所述根据所述量化矩阵分别对亮度数据和色度数据的各N-1个交流系数进行量化,得到各N-1个量化结果包括:
针对所述量化矩阵中的每一行,分别进行以下处理:
针对亮度数据的每个交流系数n,分别计算其与该行中第n个量化系数的商,如果该商大于或等于0,则将该商乘以2后作为第n个分量记录到该行对应的一个量化结果组B1中,否则,将该商的绝对值乘以2再减去1后作为第n个分量记录到量化结果组B1中;计算量化结果组B1中的各分量的累计之和A1;
针对色度数据的每个交流系数n,分别计算其与该行中第n个量化系数的商,如果该商大于或等于0,则将该商乘以2后作为第n个分量记录到该行对应的另一个量化结果组B2中,否则,将该商的绝对值乘以2再减去1后作为第n个分量记录到量化结果组B2中;计算量化结果组B2中的各分量的累计之和A2;
如果A1小于预定第一阈值,且A2小于预定第二阈值,则将该行确定为备选行;
统计备选行的总数;如果统计结果为1,则将该备选行对应的量化结果组B1中的各分量分别作为亮度数据的各交流系数的量化结果,并将该备选行对应的量化结果组B2中的各分量分别作为色度数据的各交流系数的量化结果;
如果统计结果大于1,则将行号最小的备选行对应的量化结果组B1中的各分量分别作为亮度数据的各交流系数的量化结果,并将行号最小的备选行对应的量化结果组B2中的各分量分别作为色度数据的各交流系数的量化结果。
4.根据权利要求3所述的方法,其特征在于,
该方法进一步包括:根据系统带宽使用情况对m的取值进行调整,并按照调整后的m更新所述量化矩阵。
5.根据权利要求3或4所述的方法,其特征在于,
所述分别对每个交流系数的量化结果进行G-R编码包括:
针对每个交流系数的量化结果drm,分别按照的商+分隔符+的余数的方式进行编码;
其中,的商占用连续Q个比特位,每个比特位的取值均为0,Q的取值与的商的取值相同;分隔符占用1个比特位,取值为1;的余数占用连续k个比特位,k为正整数,各比特位的取值根据的余数的取值而定,drm对应的交流系数的能量越高,k的取值越大。
6.根据权利要求5所述的方法,其特征在于,
每个数据包中依次包括:数据包头标志、附加信息字段、量化组号1、编码数据1、…、量化组号p、编码数据p,以及数据包尾标志,p为正整数;
其中,附加信息字段用于记录该数据包的附加信息;量化组号用于记录对应的编码数据中的各交流系数的量化结果对应的备选行的行号。
7.根据权利要求1所述的方法,其特征在于,
该方法进一步包括;
对接收到的各数据包进行解包,得到每个数据包中的各编码数据;
针对每个编码数据,分别从中分离出亮度数据的直流系数和编码后的交流系数,以及色度数据的直流系数和编码后的交流系数;
分别对亮度数据和色度数据的编码后的交流系数进行解码和反量化,得到亮度数据和色度数据的交流系数;
对亮度数据的直流系数和交流系数进行从频域到时域的哈达玛逆转换,并对色度数据的直流系数和交流系数进行从频域到时域的哈达玛逆转换;
分别对转换后的亮度数据和色度数据进行并串转换;
分别对并串转换后的亮度数据和色度数据进行逆偏置处理;
将并串转换后的亮度数据和色度数据进行拼接,恢复出N点图像数据。
8.根据权利要求7所述方法,其特征在于,
该方法进一步包括:如果统计出的备选行的总数为0,则直接将串并转换后的亮度数据和色度数据进行拼接,得到N点图像数据的编码数据;
当对应的编码数据为通过将串并转换后的亮度数据和色度数据直接进行拼接得到的时,量化组号用于记录对应的编码数据为原始数据;
针对解包得到的每个编码数据,当根据其对应的量化组号确定出该编码数据为原始数据时,直接从该编码数据中分离出亮度数据和色度数据,并分别对分离出的亮度数据和色度数据进行并串转换,将并串转换后的亮度数据和色度数据进行拼接,恢复出N点图像数据。
9.根据权利要求7所述的方法,其特征在于,
所述解码为G-R解码,所述分别对亮度数据和色度数据的编码后的交流系数进行解码和反量化,得到亮度数据和色度数据的交流系数包括:
针对每个编码后的交流系数,分别确定在检测到分隔符1之前,检测到的取值为0的连续比特位的个数,将该个数作为的商,并读取出分隔符1之后的的余数,根据的商和的余数确定出drm;当drm为偶数时,将作为该交流系数的解码结果,当drm为奇数时,将作为该交流系数的解码结果;根据该交流系数对应的量化组号对该交流系数的解码结果进行反量化,得到该交流系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410026871.0A CN104702952B (zh) | 2014-01-21 | 2014-01-21 | 一种图像数据压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410026871.0A CN104702952B (zh) | 2014-01-21 | 2014-01-21 | 一种图像数据压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104702952A CN104702952A (zh) | 2015-06-10 |
CN104702952B true CN104702952B (zh) | 2018-02-27 |
Family
ID=53349665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410026871.0A Active CN104702952B (zh) | 2014-01-21 | 2014-01-21 | 一种图像数据压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104702952B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109616058B (zh) * | 2019-01-31 | 2020-11-20 | 京东方科技集团股份有限公司 | 数据传输方法及装置、液晶显示装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100472567C (zh) * | 2006-11-27 | 2009-03-25 | 北京中星微电子有限公司 | 一种图像处理方法及系统 |
CN101237574A (zh) * | 2007-02-01 | 2008-08-06 | 扬智科技股份有限公司 | 图像数据的译码运算系统 |
CN101951524B (zh) * | 2009-07-10 | 2013-06-19 | 比亚迪股份有限公司 | 彩色数字图像的jpeg压缩方法和装置 |
CN102088603B (zh) * | 2010-12-31 | 2013-12-04 | 北京大学深圳研究生院 | 用于视频编码器的熵编码器及其实现方法 |
-
2014
- 2014-01-21 CN CN201410026871.0A patent/CN104702952B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104702952A (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9729169B2 (en) | Methods and devices for source-coding and decoding of data involving symbol compression | |
CN100455019C (zh) | 内容自适应二进制算术编码的方法和使用该方法的设备 | |
RU2417518C2 (ru) | Эффективное кодирование и декодирование блоков преобразования | |
Vijayvargiya et al. | A survey: various techniques of image compression | |
JP5162708B2 (ja) | 整数値データのストリームを圧縮するシステム及び方法 | |
US8942502B2 (en) | Parallelization of variable length decoding | |
US11049283B2 (en) | Lossless compression of fragmented image data | |
US20080231483A1 (en) | Binarizing method and device thereof | |
JP2017507590A5 (zh) | ||
JP2009010954A (ja) | 高速な画像処理方法およびシステム | |
WO2021031877A1 (zh) | 图像编解码的方法、装置和芯片 | |
CN106656195A (zh) | 数据压缩、解压缩的方法及系统 | |
CN105409129B (zh) | 编码器设备、解码器设备和方法 | |
US20060039621A1 (en) | Two-dimensional variable length coding of runs of zero and non-zero transform coefficients for image compression | |
CN104702952B (zh) | 一种图像数据压缩方法 | |
US20230188726A1 (en) | Dynamic Method for Symbol Encoding | |
US9509998B1 (en) | Conditional predictive multi-symbol run-length coding | |
EA044215B1 (ru) | Энтропийное кодирование усиления сигнала | |
Lakshmi et al. | Color image compression using visual pattern vector quantization combined to an adaptive block scanning | |
KR20170014676A (ko) | 이진데이터의 압축 및 전송방법 | |
Lee et al. | High-capacity reversible data hiding in SMVQ compressed images using index-replacement strategy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |