CN109474826A - 图片压缩方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种图片压缩方法、图片压缩装置、电子设备以及计算机可读存储介质，涉及数据处理技术领域，该方法包括：获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。该方法可以提高图片压缩率和图片传输效率。

Description

图片压缩方法、装置、电子设备及存储介质

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种图片压缩方法、图片压缩装置、电子设备以及计算机可读存储介质。

背景技术

随着电子商务的迅速发展，对于各大网站平台而言，其内部系统会存储海量图片，例如电商网站中会存在海量商品图片以及商品详情图片等。由于海量图片以及数据的处理会消耗大量的存储介质及传输带宽，因此有必要对海量图片进行压缩以提高存储和传输速度。

相关技术中对海量图片的压缩处理方式包括两种：第一种方式为从人眼的视觉特性方面考虑，例如色度抽样以及变化编码方法；第二种方式为基于联合图像专家组、扩展范围、WebP等标准的压缩方法，都是以单幅图片为处理对象，对该图片中相同或相似的冗余信息进行合并，以减少重复信息，从而减小该图片所占的字节数，达到压缩目的。

但是，第一种方式为图像有损编码，且计算过程比较复杂，会影响图片压缩效率；对于第二种方式中的基于冗余信息的单幅图片压缩而言，其压缩率是有限的，如果同一网页中存在海量图片，则该网页的加载速度也会相应变慢，即网页的加载速度仍在很大程度上受图片数量的影响。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种图片压缩方法、图片压缩装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种图片压缩方法，包括：

获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；

对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；

对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

在本公开的一种示例性实施例中，所述方法还包括：

对与所述图片对应的数据表进行解码并根据解码结果合成所述图片。

在本公开的一种示例性实施例中，对各所述矩阵进行按位分层包括：

将各通道对应的矩阵中的各十进制元素转化为二进制元素，并根据二进制位对各所述通道对应的矩阵进行按位分层。

在本公开的一种示例性实施例中，对按位分层后的各所述通道每一层对应的矩阵进行相关性计算包括：

对各所述通道每一层对应的矩阵进行横向相关性计算或者纵向相关性计算。

在本公开的一种示例性实施例中，获取与所述相关性对应的差异矩阵包括：

对各所述通道每一层对应的矩阵进行异或计算，以获取与所述相关性对应的差异矩阵。

在本公开的一种示例性实施例中，对与所述图片对应的数据表进行解码并根据解码结果合成所述图片包括：

对与所述图片对应的数据表进行行程长度解码，获取未处理的差异矩阵；

对所述差异矩阵进行异或运算，获取未分层的与所述图片的多个通道对应的矩阵；

将未分层的与所述图片的多个通道对应的矩阵合并，生成所述图片。

在本公开的一种示例性实施例中，所述方法还包括：

对根据解码结果生成的所述图片进行校验。

根据本公开的一个方面，提供一种图片压缩装置，包括：

按位分层模块，用于获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；

相关性计算模块，用于对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；

编码压缩模块，用于对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的图片压缩方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的图片压缩方法。

本公开示例性实施例提供的图片压缩方法、图片压缩装置、电子设备以及计算机可读存储介质中，通过将图片各通道的矩阵进行按位分层，对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并进行行程长度编码，一方面，通过将图片各通道的矩阵进行按位分层，避免了各图片之间重复信息的冗余存储，减少了图片存储量，节约了存储空间；另一方面，通过行程长度编码对图片各通道对应的矩阵进行无损压缩，提高了图片的完整性及压缩率，进而提高了图片传输效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中一种图片压缩方法示意图；

图2示意性示出本公开示例性实施例中一种图片的三个通道示意图；

图3示意性示出本公开示例性实施例中三个通道分解矩阵的相关性示意图；

图4示意性示出本公开示例性实施例中图片第8层二值图示意图；

图5示意性示出本公开示例性实施例中一种图片压缩装置的框图；

图6示意性示出本公开示例性实施例中一种电子设备；

图7示意性示出本公开示例性实施例中一种程序产品。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中，首先提供了一种图片压缩方法，参考图1所示，所述图片压缩方法可以包括以下步骤：

步骤S110.获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；

步骤S120.对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；

步骤S130.对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

在本公开示例性实施例提供的图片压缩方法中，通过将图片各通道的矩阵进行按位分层，对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并进行行程长度编码，一方面，通过将图片各通道的矩阵进行按位分层，避免了各图片之间重复信息的冗余存储，减少了图片存储量，节约了存储空间；另一方面，通过行程长度编码对图片各通道对应的矩阵进行无损压缩，提高了图片的完整性以及压缩率，进而通过压缩提高了图片传输效率。

接下来，参考图1至图5对本示例实施方式中提供的图片压缩方法中的各个步骤进行具体说明。

在步骤S110中，获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层。

本示例性实施例中，所述图片可以为海量图片中的任意一张，所述海量图片例如可以包括电商网站中的商品图片、商品详情图片等，也可以包括其它网站上的海量图片。每张图片均是由通道组成，例如灰度图由一个通道组成，32位的RGB图像均由R、G、B三个通道组成，参考图2所示，本示例中以32位的RGB图像为例进行说明。各图片的多个通道对应的矩阵可以为部分矩阵，也可以为完整矩阵，可以通过循环获取每个通道对应的所有矩阵。需要补充的是，每个通道都是由十进制数字矩阵组成，即矩阵中的每个元素均为十进制元素。本示例中，参考图2所示，可以将其中的原图分解为R通道、G通道和B通道，可以对任意一张图片对应的各个通道对应的矩阵进行按位分层。

具体而言，本示例实施方式中，对各所述矩阵进行按位分层可以包括：

将各通道对应的矩阵中的各十进制元素转化为二进制元素，并根据二进制位对各所述通道对应的矩阵进行按位分层。

本示例性实施例中，每个通道对应的矩阵中的每个元素都是十进制元素，可以将所有十进制元素均转换为对应的二进制元素，具体地转换过程可以通过程序而执行。每个通道可以对应多个不同的矩阵，且每个矩阵中的每个元素可以对应一个像素。本示例中可以对各通道对应的所有矩阵中的元素进行转换，从而进行按位分层。例如，可以以R通道的部分矩阵为例说明按位分层的具体步骤。

按位分层可以理解为按照二进制元素的位数，对矩阵中的各二进制元素进行分层，例如，二进制元素位数为8，则可以将每个二进制元素对应的分解为8个矩阵。

例如，R通道的一小部分矩阵如公式(1)所示：

将公式(1)对应的矩阵中的各个元素转换的对应的二进制矩阵如公式(2)所示：

R通道矩阵的每个元素都可以按二进制位分层，每个通道都可以按照二进制位分解为8个矩阵。例如十进制55可以转换为二进制00110111，则元素55可以分解为[0 0 1 1 01 1 1]；十进制167可以转换为二进制10100111，则元素167可以对应的分解为[1 0 1 0 01 1 1]。R通道对应的部分矩阵可以分解为如公式(3)所示的8个矩阵，由于这8个矩阵所有的元素只包含0和1，因此每个通道对应的矩阵均可以按照二进制位分解为8个01矩阵。

除此之外，也可以按照上述步骤对G通道和B通道对应的矩阵，根据二进制位进行按位分层，从而得到与G通道对应的8个01矩阵G1、G2、G3、G4、G5、G6、G7、G8；以及与B通道对应的8个01矩阵B1、B2、B3、B4、B5、B6、B7、B8。通过本示例中的按位分层，可以避免图片传输过程中大量冗余信息的影响，从而减少图片的存储量。

在步骤S120中，对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵。

本示例性实施例中，在对各所述通道对应的矩阵进行按位分层后，可以对每一层对应的矩阵，即各通道的所有矩阵进行相关性计算。所述相关性计算可以用于对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。需要注意的是，相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。

本示例中，在对三个通道对应的矩阵进行按位分层后可以得到24个与三个通道对应的01矩阵，这24个01矩阵通过公式(4)表示：

由上述步骤可知，三个通道R、G、B对应的矩阵，根据二进制位进行按位分层，均可以得到简单的01矩阵，且由图2可以看出，对分解的三个通道的图片进行灰度化处理后，各通道对应的灰度图具有相似性，因此可以预测分解的三组矩阵R1-8、G1-8和B1-8的对应层之间具有一定联系或者存在强相关性。为了验证三组分解矩阵之间的相关性，本示例中对各所述通道的每一层对应的矩阵进行相关性计算，并且获取与所述相关性对应的差异矩阵。

具体而言，三组分解矩阵之间的对应关系如图3所示，由所述对应关系图可以看出，三个通道的相同层的分解矩阵之间一一对应，例如R1分别与G1和B1对应；R8分别与G8以及B8对应。在对如公式(4)所示的24个01矩阵进行相关性计算后，可以得到如公式(5)所示的24各与其对应的差异矩阵：

具体而言，本示例实施方式中，对按位分层后的各所述通道每一层对应的矩阵进行相关性计算可以包括：

对各所述通道每一层对应的矩阵进行横向相关性计算或者纵向相关性计算。

本示例性实施例中，可以对分层后的各通道对应的矩阵进行横向相关性计算；也可以对分层后各通道对应的矩阵进行纵向相关性计算。计算某一图片R通道、G通道以及B通道相同层的对应的矩阵之间的相关性即横向相关性计算；纵向相关性计算指的是计算某一图片某一通道不同层的对应的矩阵之间的相关性，此处的通道例如可以为R通道、G通道以及B通道中的任意一个，不同层可以为1-8层中的任意三个或者三个以上，只要各层对应的矩阵的各个元素之间存在一定的关联即可。

在得出三个通道的相同层的分解矩阵之间相关性之后，本示例实施方式中，获取与所述相关性对应的差异矩阵可以包括：

对各所述通道每一层对应的矩阵进行异或计算，以获取与所述相关性对应的差异矩阵。

本示例性实施例中，可以用差异矩阵表示该相关性，所述差异矩阵可以使用异或操作完成。进一步地，G通道和B通道的每一层的分解矩阵都可以用R通道与该层对应的分解矩阵结合差异矩阵来表示。由图4可以看出，三个通道在第8层的分解矩阵对应的二值图片之间也具有较强的相关性，例如R8对应的二值图像可以看作是由G8对应的二值图像和B8对应的二值图像组合而成。除此之外，三个通道第一层的分解矩阵R1、G1和B1可以如公式(6)所示。

由公式(6)可以看出，G1与R1之间只有一个元素不相同，B1与G1之间有两个元素不相同。因此，G1和B1均可以通过R1加上差异矩阵的形式进行表示，如公式(7)所示，且差异矩阵可以通过异或操作完成。例如，R1 xor G1＝G1'，R1 xor B1＝B1'。由于R1、G1、B1均为稀疏矩阵，因此通过异或操作得到的差异矩阵G1'和B1'都是稀疏矩阵，此时可以记录R1，G1'和B1'。需要注意的是，进行相关性计算并不要求必须使用R通道，也就是说，除此之外，也可以通过G通道与差异矩阵R'和B'描述三个通道的相同层的分解矩阵之间的相关性；还可以通过B通道与差异矩阵R'和G'描述三个通道的相同层的分解矩阵之间的相关性。

在步骤S130中，对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

本示例性实施例中，可以对所述差异矩阵进行行程长度编码压缩处理(RLE，RunLength Encoding)，并生成与所述图片各所述通道对应的多个数据表进行存储。所述行程长度编码方式是一种无损压缩方式，其可以将一扫描行中的颜色值相同的相邻像素用一个计数值和那些像素的颜色值来代替。例如:aaabccccccddeee，则可用3a1b6c2d3e来代替。同样的，字符串JJJJJJAAAAVVVVAAAAAA可以被编码为6J4A4V6A的形式，其中"6J"意味着6个字符J，"4A"意味着4个字符A，通过行程长度编码方式可以避免大量的冗余信息，使图片处理过程更加简单，速度更快。除此之外，也可以通过其它无损编码压缩方法对差异矩阵进行压缩，例如熵编码法或者自适应字典算法等，本示例性实施例中对此不作特殊限定。

本示例中，可以对所述差异矩阵进行行程长度编码，以得生成与所述图片各所述通道对应的多个数据表，且数据表与差异矩阵一一对应。数据表中可以包括数据序列，例如，可以对各稀疏矩阵进行行程长度编码，得到24个数据序列且可以通过这24个数据序列完全表达所述图片。所述24个数据序列用可以为公式(5)所示。例如，矩阵B1'经过压缩编码后得到的数据序列为01410。

进一步地，本示例实施方式中，所述方法还可以包括：

对与所述图片对应的数据表进行解码并根据解码结果合成所述图片。

本示例性实施例中，可以对步骤S120中生成的数据表进行解码，根据解码结果生成的所述图片即为被按位分层的图片。解码过程为编码过程的逆过程，因此，编码方法与解码方法可以相互对应。本示例中，可以对某一图片对应的所有数据表进行解码，得到最初的与该图片三个通道对应的图片数据，进而得到原始图片。

具体而言，本示例实施方式中，对与所述图片对应的数据表进行解码并根据解码结果合成所述图片可以包括：

对与所述图片对应的数据表进行行程长度解码，获取未处理的差异矩阵；

对所述差异矩阵进行异或运算，获取未分层的与所述图片的多个通道对应的矩阵；

将未分层的与所述图片的多个通道对应的矩阵合并，生成所述图片。

本示例性实施例中，可以从最底层的数据着手，一层一层地获取可以表示图片的原始数据。首先可以根据压缩记录文件解码图片的所有数据表，例如可以获取数据表中存储的数据序列01410，需要注意的是，此处获取的数据序列为经过行程长度编码压缩过的数据序列。

进一步地，可以对存储压缩后数据序列的数据表进行行程长度解码，以获取未经编码压缩处理的差异矩阵。例如，可以对数据序列01410进行行程长度解码，得到对应的差异矩阵B1'，此处可以对得到的24个数据表中的数据序列循环进行解码，以得到未压缩的24个差异矩阵：

由于上述的得到的24个差异矩阵中的G1-8'和B1-8'等16个差异矩阵均可以通过异或操作得到，因此可以对所有差异矩阵再次进行异或操作，使经过异或操作的差异矩阵G1-8'和B1-8'恢复为未经过任何处理例如未经按位分层的的原始矩阵此处分别表示R、G、B三个通道第一层到第八层对应的矩阵，可以分别用于表示RGB三个通道，最后可以将未分层的与所述图片的三个通道对应的矩阵合并，生成最初的原始图片。通过将图片信息编码压缩，可以节约网络传输带宽，从而提高图片传输速率，再通过将图片信息进行解码，可以节省存储空间。

此外，本示例实施方式中，所述方法还可以包括：

对根据解码结果生成的所述图片进行校验。

本示例性实施例中，为了保证图片传输的准确性，可以对解码后生成的图片进行校验，判断该图片与原始的被按位分层的图片是否一致；当然也可以不进行校验，具体的校验过程可以通过程序完成，此处不再赘述。

需要补充的是，本示例中具体描述的只是对一张图片的压缩处理过程，进一步地可以通过循环结合本示例中的按位分层、编码压缩以及解码等过程，对海量图片中的所有图片进行处理。本示例中，从减少海量图片信息之间的冗余信息入手，对图片进行按层分解、压缩并以层的维度进行合并，减少了图片存储量和传输量，节约了存储空间，进而提高了图片压缩率以及图片传输效率。

本示例实施方式中还提供了一种图片压缩装置，参考图5所示，所述装置500可以包括：

按位分层模块501，可以用于获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；

相关性计算模块502，可以用于对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；

编码压缩模块503，可以用于对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

上述图片压缩装置中各模块的具体细节已经在对应的图片压缩方法中进行了详细描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行上述步骤。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种图片压缩方法，其特征在于，包括：

获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；

对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；

对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

2.根据权利要求1所述的图片压缩方法，其特征在于，所述方法还包括：

对与所述图片对应的数据表进行解码并根据解码结果合成所述图片。

3.根据权利要求1所述的图片压缩方法，其特征在于，对各所述矩阵进行按位分层包括：

将各通道对应的矩阵中的各十进制元素转化为二进制元素，并根据二进制位对各所述通道对应的矩阵进行按位分层。

4.根据权利要求1所述的图片压缩方法，其特征在于，对按位分层后的各所述通道每一层对应的矩阵进行相关性计算包括：

对各所述通道每一层对应的矩阵进行横向相关性计算或者纵向相关性计算。

5.根据权利要求1所述的图片压缩方法，其特征在于，获取与所述相关性对应的差异矩阵包括：

对各所述通道每一层对应的矩阵进行异或计算，以获取与所述相关性对应的差异矩阵。

6.根据权利要求2所述的图片压缩方法，其特征在于，对与所述图片对应的数据表进行解码并根据解码结果合成所述图片包括：

对与所述图片对应的数据表进行行程长度解码，获取未处理的差异矩阵；

对所述差异矩阵进行异或运算，获取未分层的与所述图片的多个通道对应的矩阵；

将未分层的与所述图片的多个通道对应的矩阵合并，生成所述图片。

7.根据权利要求4所述的图片压缩方法，其特征在于，所述方法还包括：

对根据解码结果生成的所述图片进行校验。

8.一种图片压缩装置，其特征在于，包括：

按位分层模块，用于获取一图片的多个通道对应的矩阵，并对各所述矩阵进行按位分层；

相关性计算模块，用于对按位分层后的各所述通道每一层对应的矩阵进行相关性计算，并获取与所述相关性对应的差异矩阵；

编码压缩模块，用于对所述差异矩阵进行行程长度编码压缩，生成并存储与所述图片各所述通道对应的多个数据表。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的图片压缩方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的图片压缩方法。