CN107105208A - 一种Bayer图像的无损编码与解码方法 - Google Patents

一种Bayer图像的无损编码与解码方法 Download PDF

Info

Publication number
CN107105208A
CN107105208A CN201710419977.0A CN201710419977A CN107105208A CN 107105208 A CN107105208 A CN 107105208A CN 201710419977 A CN201710419977 A CN 201710419977A CN 107105208 A CN107105208 A CN 107105208A
Authority
CN
China
Prior art keywords
pixel
predicted
prediction
coding
bayer
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
Application number
CN201710419977.0A
Other languages
English (en)
Inventor
元辉
孙真真
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201710419977.0A priority Critical patent/CN107105208A/zh
Publication of CN107105208A publication Critical patent/CN107105208A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • 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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
    • 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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • 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
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock

Abstract

一种Bayer图像的无损编码与解码方法，包括Bayer图像的无损编码与解码两个过程；编码过程是选取Bayer图片，对单个图片进行块划分，对每个块进行预测，对基于块得到的预测残差及预测模式进行熵编码，最终得到每个块的码流；解码过程是将每个块的码流进行熵解码，得到每个像素的预测残差，再根据编码时使用的预测模式进行反预测，将得到每个块的像素值进行重构，得到原Bayer图片。该方法既节省相机中的前端处理芯片的内存开销，又降低芯片的设计与制造成本，在保证高压缩比的同时，提升了压缩时间。实验结果表明本发明方法的压缩比平均能达到1:1.9，并且复杂度较低。

Description

一种Bayer图像的无损编码与解码方法
技术领域
本发明涉及一种用于图像压缩与解压缩的方法，属于图像处理技术领域。
背景技术
近几年来，数码相机应用越来越广泛，涉及到医学、科研、消费、国防、商业等领域。由于相机传感器的发展，其分辨率越来越高，随之对存储空间及传输带宽的要求也逐渐提高。因此，对于视频图像的压缩编码越来越重要。
图像的压缩编码，就是对要处理的图像信息源用一定的规则进行变换和组合，减少图像信息间的冗余及相关性，最终用尽可能少的符号来表示尽可能多的图像信息。图像的压缩编码可以分为有损压缩编码与无损压缩编码。
在相机采集图像的过程中，CCD阵列首先采集到最原始的Bayer格式图像(如图1)，然后采用插值算法以及各种前端处理，例如白平衡、伽玛校正等，最终生成RGB格式图像。传统的图像压缩编码算法通常针对相机最终输出的RGB格式图像，例如JPEG，JPEG2000等。
上述现有图像压缩技术的压缩率较低，相机中的前端处理芯片的内存开销较大，芯片的设计与制造成本较高。
发明内容
本发明针对现有图像压缩技术存在的不足，提出一种压缩率高、节省处理芯片内存开销以及降低芯片设计制造成本的Bayer图像的无损编码与解码方法。
本发明的Bayer图像的无损编码与解码方法，包括Bayer图像的无损编码与解码两个过程；编码过程是选取Bayer图片，对单个图片进行块划分，对每个块进行预测，对基于块得到的预测残差及预测模式进行熵编码，最终得到每个块的码流；解码过程是将每个块的码流进行熵解码，得到每个像素的预测残差，再根据编码时使用的预测模式进行反预测，将得到每个块的像素值进行重构，得到原Bayer图片。
所述编码过程，包括以下步骤：
(1)首先将输入的Bayer图像均匀划分成大小为M×M的图像块；M的数值可以是32、64、128或256等，以便于并行处理，提高处理速度。
(2)分别对每个图像块进行预测；令Pi,j表示图像块第i行，j列的像素灰度值，i≤M-1,j≤M-1；
预测方式包括以下4种：
①预测方式0：
对Pi,j，j≤1的像素不进行预测；
对Pi,j，j≥2的像素进行预测Pi,j＝Pi,j-2；
②预测方式1：
对Pi,j，j≤1的像素不进行预测；
对Pi,j，，i≤1,j＝2,3的像素进行预测Pi,j＝Pi,j-2；
对Pi,j，i≤1,j≥4的像素进行预测Pi,j＝0.5×Pi,j-2+0.5×Pi,j-4；
对Pi,j，i≥2,j≥2的像素进行预测Pi,j＝0.5×Pi-2,j+0.5×Pi,j-2；
③预测方式2：
对Pi,j，i＝0,j＝0的像素不进行预测；
对Pi,j，i＝0,j≥1的像素进行预测，Pi,j＝Pi,j-1；
对Pi,j，i≥1,j＝0的像素进行预测，Pi,j＝Pi-1,j；
对Pi,j，i≥1,j≥1的像素进行预测，Pi,j＝0.5×Pi-1,j+0.5×Pi,j-1；
④预测方式3：
对Pi,j，i≤1,j≤1的像素不进行预测；
对Pi,j，i≤1,j≥1的像素进行预测，Pi,j＝Pi,j-2；
对Pi,j，i≥1,j≤1的像素进行预测，Pi,j＝Pi-2,j；
对Pi,j，i≥1,j≥1的像素进行预测，如果当前像素为G颜色分量，Pi,j＝0.5×(Pi-2,j×0.3+Pi,j-2×0.3+Pi-2,j-2×0.1+Pi-1,j-1×0.3)+0.25×(Pi-1,j×0.7+Pi-1,j-2×0.3)+0.25×(Pi,j-1×0.7+Pi-2,j-1×0.3)(即当前像素是G分量时，通过G,R,B三个分量共同预测，权重为0.5,0.25,0.25)；如果当前像素为R或B颜色分量，Pi,j＝0.6×(Pi-2,j×0.4+Pi,j-2×0.4+Pi-2,j-2×0.2)+0.3×(Pi-1,j×0.4+Pi,j-1×0.4+Pi-1,j-2×0.1+Pi-2,j-1×0.1)+0.1×(Pi-1,j-1×1)；
(3)对每个图像块逐一采用不同预测方式(以上四种预测方式)进行预测，得到对应的预测值，将预测值与对应原像素灰度值求差值，然后对残差进行向下取整；通过比较各种预测方式得到的残差绝对值加和的大小，选取使得该加和最小的最优预测方式为当前图像块的预测方式；同时，记录每个图像块的最优预测方式；由于残差范围在-255～255，将小于0的残差值加上256，使像素残差为0～255之间的整数；可以使用8位二进制数字表示。
(4)对步骤(3)得到的正整数像素残差以及最优预测模式进行熵编码；
本发明选用哈夫曼编码对像素残差进行熵编码，采用指数哥伦布编码对最佳预测模式进行熵编码。
所述解码过程，包括以下步骤：
(1)将输入不同图像块的码流进行哈夫曼解码，得到不同图像块的像素预测残差；将所有块的预测模式进行指数哥伦布解码，得到不同图像块的最优预测模式；
(2)根据最优预测模式，对每个图像块进行相应的预测，预测值与预测残差之和即为原像素灰度值；如果预测值和预测残差值的和S大于255时，则将S-256作为重建的像素灰度值；如果S小于等于255，则将S作为重建的像素灰度值。
上述方法是基于对Bayer图片格式的研究提出的，主要提高Bayer图像无损压缩率。首先对图像进行分块，分割出大小相同的若干块，以便并行处理；然后对每个图像块采用最优的预测方式得到当前像素预测值，进而得到像素残差值，减少像素间相关性，降低冗余；最后选用哈夫曼编码对预测残差进行熵编码，得到不同块的编码码流，进而达到提高压缩率的目的。
本发明关注数码相机采集端CCD阵列数据，即Bayer图像的无损压缩。通过多种预测模式，并对预测差值直接进行熵编码，实现Bayer图像的无损压缩，既节省相机中的前端处理芯片的内存开销，又降低芯片的设计与制造成本，在保证高压缩比的同时，提升了压缩时间。实验结果表明本发明方法的压缩比平均能达到1:1.9，并且复杂度较低。
附图说明
图1是Bayer图像颜色阵列示例图。
图2是Bayer图像块的像素坐标示例图。
图3是本发明Bayer图像的无损编码与解码方法的流程图。
图4是本发明与现有图像无损压缩方法的效果比较图。
具体实施方式
本发明关注数码相机采集端CCD阵列数据，即Bayer图像的无损压缩，提出了一种Bayer图像的无损编码与解码方法。基于对Bayer图片的特点和对Bayer图片格式的研究，提出了多种预测模式，并选取最优预测方式对预测差值进行熵编码，实现Bayer图像的无损压缩，既节省相机中的前端处理芯片的内存开销，又降低芯片的设计与制造成本。
本发明的Bayer图像的无损编码与解码方法，包括Bayer图像的无损编码与解码两部分。编码内容包括Bayer图片的块划分、图像块的预测、最优预测模式的选择以及预测残差和预测模式的熵编码。解码内容包括将每个块的码流提取、熵解码，反预测及图像块的重建。Bayer图像颜色阵列如图1所示，图2给出了Bayer图像块的像素坐标示例。图3给出了本发明Bayer图像的无损编码与解码方法的流程。
(1)Bayer图像无损压缩编码的具体步骤如下：
①首先将输入的Bayer图像均匀划分为大小为M×M的图像块，M的数值可以是32、64、128、256等，以便于并行处理，提高处理速度。
②分别对每个图像块进行预测，本发明提出了4种预测方式，假设图像块大小M×M，令Pi,j(i≤M-1,j≤M-1)表示图像块第i行，j列的像素灰度值：
(a)预测方式0：
对Pi,j(j≤1)的像素不进行预测；
对Pi,j(j≥2)的像素进行预测Pi,j＝Pi,j-2。
(b)预测方式1：
对Pi,j(j≤1)的像素不进行预测；
对Pi,j(i≤1,j＝2,3)的像素进行预测Pi,j＝Pi,j-2；
对Pi,j(i≤1,j≥4)的像素进行预测Pi,j＝0.5×Pi,j-2+0.5×Pi,j-4；
对Pi,j(i≥2,j≥2)的像素进行预测Pi,j＝0.5×Pi-2,j+0.5×Pi,j-2。
(c)预测方式2：
对Pi,j(i＝0,j＝0)的像素不进行预测；
对Pi,j(i＝0,j≥1)的像素进行预测，Pi,j＝Pi,j-1；
对Pi,j(i≥1,j＝0)的像素进行预测，Pi,j＝Pi-1,j；
对Pi,j(i≥1,j≥1)的像素进行预测，Pi,j＝0.5×Pi-1,j+0.5×Pi,j-1。
(d)预测方式3：
对Pi,j(i≤1,j≤1)的像素不进行预测；
对Pi,j(i≤1,j≥1)的像素进行预测，Pi,j＝Pi,j-2；
对Pi,j(i≥1,j≤1)的像素进行预测，Pi,j＝Pi-2,j；
对Pi,j(i≥1,j≥1)的像素进行预测，如果当前像素为G颜色分量，Pi,j＝0.5×(Pi-2,j×0.3+Pi,j-2×0.3+Pi-2,j-2×0.1+Pi-1,j-1×0.3)+0.25×(Pi-1,j×0.7+Pi-1,j-2×0.3)+0.25×(Pi,j-1×0.7+Pi-2,j-1×0.3)，即当前像素是G分量时，通过G,R,B三个分量共同预测，权重为0.5,0.25,0.25。对Pi,j(i≥1,j≥1)的像素进行预测，如果当前像素为R或B颜色分量，Pi,j＝0.6×(Pi-2,j×0.4+Pi,j-2×0.4+Pi-2,j-2×0.2)+0.3×(Pi-1,j×0.4+Pi,j-1×0.4+Pi-1,j-2×0.1+Pi-2,j-1×0.1)+0.1×(Pi-1,j-1×1)。
③对每个图像块逐一采用4种预测方式进行预测，得到对应的预测值，将预测值与对应原像素值求差值，然后对残差进行向下取整。通过比较4种预测方式得到的残差绝对值加和的大小，选取使得该加和最小的最优预测方式为当前块的预测方式。同时，记录每个块的最优预测方式。由于残差范围在-255～255，将小于0的残差值加上256，使像素残差为0～255之间的整数，可以使用8位二进制数字表示。
④对步骤③得到的正整数像素残差以及最优预测模式进行熵编码，本发明选用哈夫曼编码对像素残差进行熵编码，采用指数哥伦布编码对最佳预测模式进行熵编码。
(2)Bayer图像解码的具体步骤如下：
①将输入不同图像块的码流及所有块的预测模式进行熵解码，得到不同块的像素预测残差以及最优预测模式；
②根据最优预测模式，对每个块进行相应的预测，预测值与预测残差之和即为原像素值。如果预测值和预测残差值的和记为S大于255时，则将S-256作为重建的像素值；如果S小于等于255，则将S作为重建的像素值。
本发明的压缩效果可以通过实验对比进行说明。图4列出了本发明与其它无损压缩方法，例如ZIP，RAR，JPEG2000，HEVC等压缩方法的平均压缩效果对比。由图可见，本发明方法在保证高压缩比的同时，提升了压缩时间。实验结果表明本发明方法的压缩比平均能达到1:1.9，并且复杂度较低。

Claims (5)

1.一种Bayer图像的无损编码与解码方法，包括Bayer图像的无损编码与解码两个过程；其特征是：编码过程是选取Bayer图片，对单个图片进行块划分，对每个块进行预测，对基于块得到的预测残差及预测模式进行熵编码，最终得到每个块的码流；解码过程是将每个块的码流进行熵解码，得到每个像素的预测残差，再根据编码时使用的预测模式进行反预测，将得到每个块的像素值进行重构，得到原Bayer图片。
2.根据权利要求1所述的Bayer图像的无损编码与解码方法，其特征是，所述编码过程具体包括以下步骤：
(1)首先将输入的Bayer图像均匀划分成大小为M×M的图像块；
(2)分别对每个图像块进行预测；令Pi,j表示图像块第i行，j列的像素灰度值，i≤M-1,j≤M-1；
(3)对每个图像块逐一采用不同预测方式进行预测，得到对应的预测值，将预测值与对应原像素灰度值求差值，然后对残差进行向下取整；通过比较各种预测方式得到的残差绝对值加和的大小，选取使得该加和最小的最优预测方式为当前图像块的预测方式；同时，记录每个图像块的最优预测方式；由于残差范围在-255～255，将小于0的残差值加上256，使像素残差为0～255之间的整数；
(4)对步骤(3)得到的正整数像素残差以及最优预测模式进行熵编码。
3.根据权利要求2所述的Bayer图像的无损编码与解码方法，其特征是，所述对每个图像块进行预测的预测方式包括以下4种：
①预测方式0：
对Pi,j，j≤1的像素不进行预测；
对Pi,j，j≥2的像素进行预测Pi,j＝Pi,j-2；
②预测方式1：
对Pi,j，j≤1的像素不进行预测；
对Pi,j，，i≤1,j＝2,3的像素进行预测Pi,j＝Pi,j-2；
对Pi,j，i≤1,j≥4的像素进行预测Pi,j＝0.5×Pi,j-2+0.5×Pi,j-4；
对Pi,j，i≥2,j≥2的像素进行预测Pi,j＝0.5×Pi-2,j+0.5×Pi,j-2；
③预测方式2：
对Pi,j，i＝0,j＝0的像素不进行预测；
对Pi,j，i＝0,j≥1的像素进行预测，Pi,j＝Pi,j-1；
对Pi,j，i≥1,j＝0的像素进行预测，Pi,j＝Pi-1,j；
对Pi,j，i≥1,j≥1的像素进行预测，Pi,j＝0.5×Pi-1,j+0.5×Pi,j-1；
④预测方式3：
对Pi,j，i≤1,j≤1的像素不进行预测；
对Pi,j，i≤1,j≥1的像素进行预测，Pi,j＝Pi,j-2；
对Pi,j，i≥1,j≤1的像素进行预测，Pi,j＝Pi-2,j；
对Pi,j，i≥1,j≥1的像素进行预测，如果当前像素为G颜色分量，Pi,j＝0.5×(Pi-2,j×0.3+Pi,j-2×0.3+Pi-2,j-2×0.1+Pi-1,j-1×0.3)+0.25×(Pi-1,j×0.7+Pi-1,j-2×0.3)+0.25×(Pi,j-1×0.7+Pi-2,j-1×0.3)；如果当前像素为R或B颜色分量，Pi,j＝0.6×(Pi-2,j×0.4+Pi,j-2×0.4+Pi-2,j-2×0.2)+0.3×(Pi-1,j×0.4+Pi,j-1×0.4+Pi-1,j-2×0.1+Pi-2,j-1×0.1)+0.1×(Pi-1,j-1×1)。
4.根据权利要求2所述的Bayer图像的无损编码与解码方法，其特征是，所述步骤(4)中选用哈夫曼编码对像素残差进行熵编码，采用指数哥伦布编码对最佳预测模式进行熵编码。
5.根据权利要求1所述的Bayer图像的无损编码与解码方法，其特征是，所述解码过程，包括以下步骤：
(1)将输入不同图像块的码流进行哈夫曼解码，得到不同图像块的像素预测残差；将所有块的预测模式进行指数哥伦布解码，得到不同图像块的最优预测模式；
(2)根据最优预测模式，对每个图像块进行相应的预测，预测值与预测残差之和即为原像素灰度值；如果预测值和预测残差值的和S大于255时，则将S-256作为重建的像素灰度值；如果S小于等于255，则将S作为重建的像素灰度值。
CN201710419977.0A 2017-06-06 2017-06-06 一种Bayer图像的无损编码与解码方法 Pending CN107105208A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710419977.0A CN107105208A (zh) 2017-06-06 2017-06-06 一种Bayer图像的无损编码与解码方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710419977.0A CN107105208A (zh) 2017-06-06 2017-06-06 一种Bayer图像的无损编码与解码方法

Publications (1)

Publication Number Publication Date
CN107105208A true CN107105208A (zh) 2017-08-29

Family

ID=59660164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710419977.0A Pending CN107105208A (zh) 2017-06-06 2017-06-06 一种Bayer图像的无损编码与解码方法

Country Status (1)

Country Link
CN (1) CN107105208A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108156461A (zh) * 2017-12-28 2018-06-12 上海通途半导体科技有限公司 一种Bayer图像压缩方法及装置
CN109510996A (zh) * 2018-10-26 2019-03-22 西安科锐盛创新科技有限公司 带宽压缩中的后选择预测方法
CN109547781A (zh) * 2018-10-26 2019-03-29 西安科锐盛创新科技有限公司 基于图像预测的压缩方法及设备
CN109618162A (zh) * 2018-10-26 2019-04-12 西安科锐盛创新科技有限公司 带宽压缩中的后选择预测方法
CN109640092A (zh) * 2018-10-26 2019-04-16 西安科锐盛创新科技有限公司 带宽压缩中的后选择预测方法
CN111225213A (zh) * 2020-01-21 2020-06-02 北京空间机电研究所 一种Bayer格式图像分色彩通道压缩方法
WO2022057746A1 (zh) * 2020-09-17 2022-03-24 华为技术有限公司 一种图像处理方法、装置、设备及计算机可读存储介质
CN115474044A (zh) * 2022-10-31 2022-12-13 江苏游隼微电子有限公司 一种Bayer域图像有损压缩方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1476253A (zh) * 2003-07-04 2004-02-18 清华大学 一种基于预测块组的采用帧内预测的帧内编码帧编码方法
CN101682781A (zh) * 2008-01-18 2010-03-24 松下电器产业株式会社 图像编码方法以及图像解码方法
CN101902650A (zh) * 2009-05-27 2010-12-01 中国科学院微电子研究所 一种适用于Bayer图像格式的无损压缩方法
CN102547304A (zh) * 2011-12-31 2012-07-04 蔡静 一种视频图像数据获取装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1476253A (zh) * 2003-07-04 2004-02-18 清华大学 一种基于预测块组的采用帧内预测的帧内编码帧编码方法
CN101682781A (zh) * 2008-01-18 2010-03-24 松下电器产业株式会社 图像编码方法以及图像解码方法
CN101902650A (zh) * 2009-05-27 2010-12-01 中国科学院微电子研究所 一种适用于Bayer图像格式的无损压缩方法
CN102547304A (zh) * 2011-12-31 2012-07-04 蔡静 一种视频图像数据获取装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔巍等: "Bayer图像无损压缩算法及其FPGA实现", 《科学技术与工程》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108156461A (zh) * 2017-12-28 2018-06-12 上海通途半导体科技有限公司 一种Bayer图像压缩方法及装置
CN108156461B (zh) * 2017-12-28 2021-12-10 上海通途半导体科技有限公司 一种Bayer图像压缩方法及装置
CN109510996A (zh) * 2018-10-26 2019-03-22 西安科锐盛创新科技有限公司 带宽压缩中的后选择预测方法
CN109547781A (zh) * 2018-10-26 2019-03-29 西安科锐盛创新科技有限公司 基于图像预测的压缩方法及设备
CN109618162A (zh) * 2018-10-26 2019-04-12 西安科锐盛创新科技有限公司 带宽压缩中的后选择预测方法
CN109640092A (zh) * 2018-10-26 2019-04-16 西安科锐盛创新科技有限公司 带宽压缩中的后选择预测方法
CN109547781B (zh) * 2018-10-26 2020-12-22 嘉兴奥恒进出口有限公司 基于图像预测的压缩方法及设备
CN111225213A (zh) * 2020-01-21 2020-06-02 北京空间机电研究所 一种Bayer格式图像分色彩通道压缩方法
CN111225213B (zh) * 2020-01-21 2022-06-03 北京空间机电研究所 一种Bayer格式图像分色彩通道压缩方法
WO2022057746A1 (zh) * 2020-09-17 2022-03-24 华为技术有限公司 一种图像处理方法、装置、设备及计算机可读存储介质
CN115474044A (zh) * 2022-10-31 2022-12-13 江苏游隼微电子有限公司 一种Bayer域图像有损压缩方法
CN115474044B (zh) * 2022-10-31 2023-01-20 江苏游隼微电子有限公司 一种Bayer域图像有损压缩方法

Similar Documents

Publication Publication Date Title
CN107105208A (zh) 一种Bayer图像的无损编码与解码方法
AU2012332327B2 (en) Method and apparatus for image compression storing encoding parameters in 2D matrices
KR100566122B1 (ko) 모바일 디바이스용 정지영상 압축 방법
EP1512115B1 (en) Spatial prediction based intra coding
US20040008771A1 (en) Spatial prediction based intra coding
US9019399B2 (en) Two-dimensional signal encoding device
CN109743570B (zh) 一种屏幕内容视频的压缩方法
JP2009010954A (ja) 高速な画像処理方法およびシステム
CN102356635A (zh) 视频获取和处理系统
CN115379241A (zh) 用于对最后有效系数标志进行代码化的方法和设备
CN101494788B (zh) 视频图像的压缩/解压缩方法与装置
CN107018419A (zh) 一种基于ambtc的图像压缩编码方法
US11677932B2 (en) Image processing device
CN102271251B (zh) 无失真的图像压缩方法
US6404927B1 (en) Control point generation and data packing for variable length image compression
CN104093027B (zh) 用于彩色图像的联合标量嵌入式图形编码
CN115037941A (zh) 一种提高压缩率的智能手环图片压缩存储方法
TWI795480B (zh) 用於執行資料解壓縮的影像處理裝置及用於執行資料壓縮的影像處理裝置
CN113518222B (zh) 不同类型串采用不同长度二值化方案的编解码方法及装置
CN108989820B (zh) 各阶段采用各自相应色度采样格式的数据压缩方法和装置
JP2002209111A (ja) 画像符号化装置、画像通信システムおよびプログラム記録媒体
TW201340716A (zh) 差分分層影像壓縮方法
CN115776566A (zh) 图像数据的处理方法、装置、计算机设备和存储介质
KR20190091181A (ko) 이미지 처리 장치
JP2009004878A (ja) 画像処理装置、画像処理方法および画像処理プログラム、並びに撮像装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170829

WD01 Invention patent application deemed withdrawn after publication