CN106412583A - 一种图像压缩方法和装置 - Google Patents
一种图像压缩方法和装置 Download PDFInfo
- Publication number
- CN106412583A CN106412583A CN201510447281.XA CN201510447281A CN106412583A CN 106412583 A CN106412583 A CN 106412583A CN 201510447281 A CN201510447281 A CN 201510447281A CN 106412583 A CN106412583 A CN 106412583A
- Authority
- CN
- China
- Prior art keywords
- image
- quality factor
- quality
- compression
- original image
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种图像压缩方法,该方法包括:对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。本发明能够基于低计算复杂度的客观的图像质量评价对图像进行压缩,在提高图像压缩率的同时,保障用户对图像的视觉感知体验。本发明还公开了一种图像压缩装置。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及的是一种图像压缩方法和装置。
背景技术
在互联网大数据应用环境中,随着网络可视媒体技术的不断发展,多媒体娱乐、信息高速公路等不断对信息数据的存储和传输提出了更高的要求,特别是具有庞大数据量的数字图像通信,给现有的有限带宽带来严峻的考验,因此图像压缩技术受到了越来越多的关注。图像压缩的目的就是把原来较大的图像用尽量少的字节表示和传输,并且要求复原图像有较好的质量。利用图像压缩,可以减轻图像存储和传输的负担,使图像在网络上实现快速传输和实时处理。
由于大多数的应用最终依旧是通过人眼观察来进行的,所以在有损压缩的同时保证视觉感知上与原始图像一致,可以达到近似视觉无损的视觉效果。各IT公司纷纷致力于开发压缩率更高、视觉效果更好的图像压缩算法。如google公司的webp图像格式,Mozilla公司的mozjpeg图像压缩项目等。这种视觉上无损的近无损压缩方法,既保证了图像质量不影响用户的感知体验,又使得信息传输中的图像压缩率能够有很大的提升,使图像的存储与传输成本下降。
目前常用的图像质量评价方法主要有客观质量评价方法和主观质量评价方法两种。在早期的图像处理中,客观质量评价方法运用数学上相对简便的评价指标对图像的视觉质量进行评估,比如,峰值信噪比、均方误差、均方根误差等,这类评价方法数学计算简单、物理意义清晰,但没有考虑人眼视觉系统的特征,评估结果往往与图像的主观评价结果有较大差异。后来,研究人员提出了经典的基于图像局部特征结构相似度(Structural Similarity,SSIM)的视觉质量评价方法、针对分块压缩算法的质量评价算法(BBCQ:Block BasedCoding Quality)、基于特征相似度的质量评价算法(FSIM:feature similarity)等客观评价算法,但上述方法都存在一定的问题,如BBCQ需要初始化参数过多、SSIM、FSIM计算复杂度过高。
因此,如何基于低计算复杂度的客观图像质量评价对图像进行压缩,保证图像质量不影响用户的感知体验,是需要解决的问题。
发明内容
本发明所要解决的技术问题是提供一种图像压缩方法和装置,能够基于低计算复杂度的客观的图像质量评价对图像进行压缩,在提高图像压缩率的同时,保障用户对图像的视觉感知体验。
为了解决上述技术问题,本发明提供了一种图像压缩方法,该方法包括:
对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;
利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;
利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;
根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。
进一步地,该方法还包括下述特点:
对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像经过JPEG图像压缩,则读取原始图像的质量因子作为质量因子初始值qinit,对原始图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
进一步地,该方法还包括下述特点:
对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像未经过压缩,则对原始图像采用质量因子初始值qinit进行JPEG图像压缩,对压缩后的图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
进一步地,该方法还包括下述特点:
利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系,包括:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数。
进一步地,该方法还包括下述特点:
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,包括:
如原始图像经过JPEG图像压缩且读取到的质量因子初始值qinit大于阈值,则对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩;
其中,质量因子下限值qlow小于质量因子初始值qinit。
进一步地,该方法还包括下述特点:
根据目标质量因子确定最佳质量因子,包括:
如所述目标质量因子大于或等于质量因子下限值qlow且小于或等于质量因子初始值qinit,则将所述目标质量因子确定为最佳质量因子;
如所述目标质量因子小于质量因子下限值qlow或大于质量因子初始值qinit,则将质量因子下限值qlow与质量因子初始值qinit的中值确定为最佳质量因子。
进一步地,该方法还包括下述特点:
对JPEG图像进行图像质量评价,获得质量评价分数S,包括:
S=s1*s2*s3*s4;
其中,s1为原始图像与压缩图像之间的显著值相似度,s2为原始图像与压缩图像之间的梯度相似度,s3为原始图像与压缩图像之间的峰值信噪比,s4为原始图像与压缩图像之间的纹理相似度;s1、s2、s3、s4均为小于或等于1的正数。
为了解决上述技术问题,本发明提供了一种图像压缩装置,包括:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;
函数拟合模块,用于利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;
计算模块,用于利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;
图像压缩模块,用于根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。
进一步地,该装置还包括下述特点:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像经过JPEG图像压缩,则读取原始图像的质量因子作为质量因子初始值qinit,对原始图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
进一步地,该装置还包括下述特点:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像未经过压缩,则对原始图像采用质量因子初始值qinit进行JPEG图像压缩,对压缩后的图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
进一步地,该装置还包括下述特点:
函数拟合模块,用于利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系,包括:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数。
进一步地,该装置还包括下述特点:
图像质量评价模块,用于对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,包括:
如原始图像经过JPEG图像压缩且读取到的质量因子初始值qinit大于阈值,则对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩;
其中,质量因子下限值qlow小于质量因子初始值qinit。
进一步地,该装置还包括下述特点:
图像压缩模块,用于根据目标质量因子确定最佳质量因子,包括:
如所述目标质量因子大于或等于质量因子下限值qlow且小于或等于质量因子初始值qinit,则将所述目标质量因子确定为最佳质量因子;
如所述目标质量因子小于质量因子下限值qlow或大于质量因子初始值qinit,则将质量因子下限值qlow与质量因子初始值qinit的中值确定为最佳质量因子。
进一步地,该装置还包括下述特点:
图像质量评价模块,用于对JPEG图像进行图像质量评价,获得质量评价分数S,包括:
S=s1*s2*s3*s4;
其中,s1为原始图像与压缩图像之间的显著值相似度,s2为原始图像与压缩图像之间的梯度相似度,s3为原始图像与压缩图像之间的峰值信噪比,s4为原始图像与压缩图像之间的纹理相似度;s1、s2、s3、s4均为小于或等于1的正数。
与现有技术相比,本发明提供的一种图像压缩方法和装置,采用客观的图像质量评价算法对图像质量进行准确客观的评价,从而得到质量分数,利用Sigmod函数拟合质量分数和质量因子之间的函数关系,因此可以根据用户的目标需求(目标质量分数)快速地计算出图像最佳压缩的质量因子,并利用该质量因子对图像进行压缩,获得良好的视觉效果,本发明能够基于低计算复杂度的客观的图像质量评价对图像进行压缩,在提高图像压缩率的同时,保障用户对图像的视觉感知体验。
附图说明
图1为本发明实施例的一种图像压缩方法的流程图。
图2为本发明实施例的一种图像压缩装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
联合图像专家小组JPEG标准采用质量因子作为约束条件进行图像压缩编码。质量因子是用于评估图像压缩前后质量对比的系数,质量因子越大,图像压缩越少,质量越好。
本发明采用客观的图像质量评价算法对图像质量进行准确客观的评价,从而得到质量分数,利用Sigmod函数拟合质量分数和质量因子之间的函数关系,因此可以根据用户的目标需求(目标质量分数)快速地计算出图像最佳压缩的质量因子,并利用该质量因子对图像进行压缩,获得良好的视觉效果。
如图1所示,本发明实施例提供了一种图像压缩方法,该方法包括:
S10,对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;
S20,利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;
S30,利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;
S40,根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。
所述方法还可以包括下述特点:
进一步地,对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像未经过压缩,则对原始图像采用质量因子初始值qinit进行JPEG图像压缩,对压缩后的图像进行图像质量评价,获得质量分数初始值Sinit;如原始图像经过JPEG图像压缩,则读取原始图像的质量因子作为质量因子初始值qinit,对原始图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow;
进一步地,利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系,包括:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数;
比如,质量分数S与质量因子q之间的sigmoid函数为:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数a和b的值;
进一步地,对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,包括:
如原始图像经过JPEG图像压缩且读取到的质量因子初始值qinit大于阈值,则对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩;
其中,质量因子下限值qlow小于质量因子初始值qinit;
其中,质量因子的取值范围为0~100,阈值为经验值,可以取值为60;
也即,如果原始图像已经是JPEG图像,其质量因子比较小(低于阈值),则证明压缩率已经很高,没必要进行二次压缩了。如果原始图像已经是JPEG图像,其质量因子较高(高于阈值),则证明压缩率较低,可以通过使用本发明进行重新压缩,在提高压缩率的同时,保证图像的视觉质量基本不变。
进一步地,根据目标质量因子确定最佳质量因子,包括:
如所述目标质量因子大于或等于质量因子下限值qlow且小于或等于质量因子初始值qinit,则将所述目标质量因子确定为最佳质量因子;
如所述目标质量因子小于质量因子下限值qlow或大于质量因子初始值qinit,则将质量因子下限值qlow与质量因子初始值qinit的中值确定为最佳质量因子。
进一步地,对JPEG图像进行图像质量评价,获得质量评价分数S,包括:
S=s1*s2*s3*s4 (1-2)
其中,s1为原始图像与压缩图像之间的显著值相似度,s2为原始图像与压缩图像之间的梯度相似度,s3为原始图像与压缩图像之间的PSNR(PeakSignal to Noise Ratio,峰值信噪比),s4为原始图像与压缩图像之间的纹理相似度;s1、s2、s3、s4均为小于或等于1的正数;
如图2所示,本发明实施例提供了一种图像压缩装置,包括:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;
函数拟合模块,用于利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;
计算模块,用于利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;
图像压缩模块,用于根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。
所述装置还可以包括下述特点:
进一步地,图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像经过JPEG图像压缩,则读取原始图像的质量因子作为质量因子初始值qinit,对原始图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
进一步地,图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像未经过压缩,则对原始图像采用质量因子初始值qinit进行JPEG图像压缩,对压缩后的图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
进一步地,函数拟合模块,用于利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系,包括:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数;
比如,质量分数S与质量因子q之间的sigmoid函数为:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数a和b的值;。
进一步地,图像质量评价模块,用于对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,包括:
如原始图像经过JPEG图像压缩且读取到的质量因子初始值qinit大于阈值,则对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩;
其中,质量因子下限值qlow小于质量因子初始值qinit。
进一步地,图像压缩模块,用于根据目标质量因子确定最佳质量因子,包括:
如所述目标质量因子大于或等于质量因子下限值qlow且小于或等于质量因子初始值qinit,则将所述目标质量因子确定为最佳质量因子;
如所述目标质量因子小于质量因子下限值qlow或大于质量因子初始值qinit,则将质量因子下限值qlow与质量因子初始值qinit的中值确定为最佳质量因子。
进一步地,图像质量评价模块,用于对JPEG图像进行图像质量评价,获得质量评价分数S,包括:
S=s1*s2*s3*s4
其中,s1为原始图像与压缩图像之间的显著值相似度,s2为原始图像与压缩图像之间的梯度相似度,s3为原始图像与压缩图像之间的峰值信噪比,s4为原始图像与压缩图像之间的纹理相似度;s1、s2、s3、s4均为小于或等于1的正数。
上述实施例提供的一种图像压缩方法和装置,通过引入Sigmod函数来拟合质量因子-质量评价分数之间的关系,可快速地根据质量评价分数计算出最佳的质量因子,然后根据最佳质量因子压缩图像,压缩后的图像能够达到视觉无损的效果。也即,本发明能够在提高图像压缩率的同时,保障用户对图像的视觉感知体验。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现,相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
需要说明的是,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (14)
1.一种图像压缩方法,该方法包括:
对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;
利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;
利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;
根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。
2.如权利要求1所述的方法,其特征在于:
对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像经过JPEG图像压缩,则读取原始图像的质量因子作为质量因子初始值qinit,对原始图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
3.如权利要求1所述的方法,其特征在于:
对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像未经过压缩,则对原始图像采用质量因子初始值qinit进行JPEG图像压缩,对压缩后的图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
4.如权利要求2或3所述的方法,其特征在于:
利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系,包括:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数。
5.如权利要求2所述的方法,其特征在于:
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,包括:
如原始图像经过JPEG图像压缩且读取到的质量因子初始值qinit大于阈值,则对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩;
其中,质量因子下限值qlow小于质量因子初始值qinit。
6.如权利要求2或3所述的方法,其特征在于:
根据目标质量因子确定最佳质量因子,包括:
如所述目标质量因子大于或等于质量因子下限值qlow且小于或等于质量因子初始值qinit,则将所述目标质量因子确定为最佳质量因子;
如所述目标质量因子小于质量因子下限值qlow或大于质量因子初始值qinit,则将质量因子下限值qlow与质量因子初始值qinit的中值确定为最佳质量因子。
7.如权利要求1或2或3所述的方法,其特征在于:
对JPEG图像进行图像质量评价,获得质量评价分数S,包括:
S=s1*s2*s3*s4;
其中,s1为原始图像与压缩图像之间的显著值相似度,s2为原始图像与压缩图像之间的梯度相似度,s3为原始图像与压缩图像之间的峰值信噪比,s4为原始图像与压缩图像之间的纹理相似度;s1、s2、s3、s4均为小于或等于1的正数。
8.一种图像压缩装置,包括:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数;
函数拟合模块,用于利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系;
计算模块,用于利用质量评价分数与质量因子之间的函数关系计算目标质量分数对应的目标质量因子;
图像压缩模块,用于根据目标质量因子确定最佳质量因子,利用最佳质量因子对原始图像重新进行JPEG图像压缩。
9.如权利要求8所述的装置,其特征在于:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像经过JPEG图像压缩,则读取原始图像的质量因子作为质量因子初始值qinit,对原始图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
10.如权利要求8所述的装置,其特征在于:
图像质量评价模块,用于对原始图像分别采用n组不同的质量因子进行联合图像专家小组JPEG图像压缩获得的n幅压缩图像分别进行图像质量评价,获得n组质量评价分数,包括:
如原始图像未经过压缩,则对原始图像采用质量因子初始值qinit进行JPEG图像压缩,对压缩后的图像进行图像质量评价,获得质量分数初始值Sinit;
对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,对重新压缩后的图像进行图像质量评价,获得质量分数下限值Slow。
11.如权利要求9或10所述的装置,其特征在于:
函数拟合模块,用于利用n组质量评价分数和对应的质量因子进行函数拟合,获得质量评价分数与质量因子之间的函数关系,包括:
利用质量因子初始值qinit和质量分数初始值Sinit以及质量因子下限值qlow和质量分数下限值Slow进行sigmoid函数拟合,获得质量分数S与质量因子q之间的sigmoid函数的参数。
12.如权利要求9所述的装置,其特征在于:
图像质量评价模块,用于对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩,包括:
如原始图像经过JPEG图像压缩且读取到的质量因子初始值qinit大于阈值,则对原始图像利用质量因子下限值qlow重新进行JPEG图像压缩;
其中,质量因子下限值qlow小于质量因子初始值qinit。
13.如权利要求9或10所述的装置,其特征在于:
图像压缩模块,用于根据目标质量因子确定最佳质量因子,包括:
如所述目标质量因子大于或等于质量因子下限值qlow且小于或等于质量因子初始值qinit,则将所述目标质量因子确定为最佳质量因子;
如所述目标质量因子小于质量因子下限值qlow或大于质量因子初始值qinit,则将质量因子下限值qlow与质量因子初始值qinit的中值确定为最佳质量因子。
14.如权利要求8或9或10所述的装置,其特征在于:
图像质量评价模块,用于对JPEG图像进行图像质量评价,获得质量评价分数S,包括:
S=s1*s2*s3*s4;
其中,s1为原始图像与压缩图像之间的显著值相似度,s2为原始图像与压缩图像之间的梯度相似度,s3为原始图像与压缩图像之间的峰值信噪比,s4为原始图像与压缩图像之间的纹理相似度;s1、s2、s3、s4均为小于或等于1的正数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510447281.XA CN106412583B (zh) | 2015-07-27 | 2015-07-27 | 一种图像压缩方法和装置 |
PCT/CN2016/079786 WO2016180198A1 (zh) | 2015-07-27 | 2016-04-20 | 一种图像压缩方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510447281.XA CN106412583B (zh) | 2015-07-27 | 2015-07-27 | 一种图像压缩方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106412583A true CN106412583A (zh) | 2017-02-15 |
CN106412583B CN106412583B (zh) | 2020-02-11 |
Family
ID=57247712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510447281.XA Active CN106412583B (zh) | 2015-07-27 | 2015-07-27 | 一种图像压缩方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106412583B (zh) |
WO (1) | WO2016180198A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815012A (zh) * | 2018-12-29 | 2019-05-28 | 深圳市创梦天地科技有限公司 | 一种图像可见质量值搜索方法和相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012078114A1 (en) * | 2010-12-09 | 2012-06-14 | Nanyang Technological University | Method and an apparatus for determining vein patterns from a colour image |
CN103810694A (zh) * | 2012-11-15 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 图片压缩中质量因子的获取方法及装置 |
CN104581158A (zh) * | 2013-10-16 | 2015-04-29 | 中兴通讯股份有限公司 | 量化表、图像压缩处理方法、装置、终端及图像搜索系统 |
CN104661037A (zh) * | 2013-11-19 | 2015-05-27 | 中国科学院深圳先进技术研究院 | 压缩图像量化表篡改的检测方法和系统 |
-
2015
- 2015-07-27 CN CN201510447281.XA patent/CN106412583B/zh active Active
-
2016
- 2016-04-20 WO PCT/CN2016/079786 patent/WO2016180198A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012078114A1 (en) * | 2010-12-09 | 2012-06-14 | Nanyang Technological University | Method and an apparatus for determining vein patterns from a colour image |
CN103810694A (zh) * | 2012-11-15 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 图片压缩中质量因子的获取方法及装置 |
CN104581158A (zh) * | 2013-10-16 | 2015-04-29 | 中兴通讯股份有限公司 | 量化表、图像压缩处理方法、装置、终端及图像搜索系统 |
CN104661037A (zh) * | 2013-11-19 | 2015-05-27 | 中国科学院深圳先进技术研究院 | 压缩图像量化表篡改的检测方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815012A (zh) * | 2018-12-29 | 2019-05-28 | 深圳市创梦天地科技有限公司 | 一种图像可见质量值搜索方法和相关装置 |
CN109815012B (zh) * | 2018-12-29 | 2023-08-18 | 深圳市创梦天地科技有限公司 | 一种图像可见质量值搜索方法和相关装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2016180198A1 (zh) | 2016-11-17 |
CN106412583B (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xue et al. | Learning without human scores for blind image quality assessment | |
CN109325928A (zh) | 一种图像重建方法、装置及设备 | |
CN113132723B (zh) | 一种图像压缩方法及装置 | |
CN110136057B (zh) | 一种图像超分辨率重建方法、装置及电子设备 | |
CN111079764A (zh) | 一种基于深度学习的低照度车牌图像识别方法及装置 | |
WO2016127271A1 (en) | An apparatus and a method for reducing compression artifacts of a lossy-compressed image | |
CN112950579B (zh) | 图像质量评价方法、装置和电子设备 | |
Yu et al. | An improved parameter estimation scheme for image modification detection based on DCT coefficient analysis | |
WO2011087251A2 (ko) | 양자화 코드를 이용한 화질 평가 방법 및 장치 | |
CN111127298B (zh) | 一种全景图像盲质量评估方法 | |
CN114066812A (zh) | 基于空间注意力机制的无参考图像质量评价方法 | |
Pascual et al. | Adjustable compression method for still JPEG images | |
Siniukov et al. | Hacking VMAF and VMAF NEG: vulnerability to different preprocessing methods | |
CN113486939B (zh) | 一种处理图片的方法、装置、终端及存储介质 | |
Cui et al. | Progressive dual-branch network for low-light image enhancement | |
CN116993592B (zh) | 一种图像超分辨率重建模型的构建方法、装置及应用 | |
CN110913221A (zh) | 一种视频码率预测方法及装置 | |
CN106412583A (zh) | 一种图像压缩方法和装置 | |
Li et al. | Real-time image enhancement with efficient dynamic programming | |
Ignatov et al. | Realistic bokeh effect rendering on mobile gpus, mobile ai & aim 2022 challenge: report | |
CN116992946A (zh) | 模型压缩方法、装置、存储介质和程序产品 | |
CN111279392A (zh) | 集群密度计算装置、集群密度计算方法以及集群密度计算程序 | |
CN116630131A (zh) | 屏幕隐形水印的编码、解码系统及方法 | |
CN115423809B (zh) | 图像质量评价方法、装置、可读存储介质及电子设备 | |
CN110458754B (zh) | 图像生成方法及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |