CN110769211A - 一种图像栅格数据的传输与存储方法 - Google Patents

Abstract

本发明公开了一种图像栅格数据的传输与存储方法，包括以下步骤S1、获取图像栅格的原始数据；S2、分解得到1字节的分量数据，所述分量数据包括R分量数据、G分量数据、B分量数据；S3、分别对每一栅格的分量数据进行缩减位数的压缩处理；S4、将压缩后的图像数据以字节为单位、逐行重新划分，每一行的最后一个字节若不足8位，以0补齐；S5、以字节为单位进行存储、传输；S6、对压缩后的图像数据进行拉伸还原。由此，本发明的图像栅格数据的传输与存储方法在确保像素值绝对误差最大为1或2的情况下，减少1/8以上的存储空间或传输量。

Description

一种图像栅格数据的传输与存储方法

技术领域

本发明涉及图像存储与传输领域，尤其涉及一种图像栅格数据的传输与存储方法。

背景技术

图像栅格数据在实际生活中大量的存在，比如常见的24位深度或32位深度的bmp、png等格式的图片文件，这些图片文件来源众多，如相机的拍照，卫星的拍摄等等。当前每天都有大量的图像栅格数据生产出来，需要大量存储空间和网络传输的需求。

所谓24位深度的图像栅格数据，是指每个像素使用3个uint8类型的整数来表示RGB颜色，一般称24位深度的图像栅格数据为真彩色图像数据；有时对每个像素也用4个uint8类型的整数来表示RGBA颜色，这类图像是具有透明度的图像。

当每个像素表示RGB、RGBA颜色时，一般都是对每个颜色分量用一字节的uint8类型来表示，其数值范围是整数0到整数255，颜色分量R、G、B、A都是如此，其数值范围是整数0到整数255。每个一字节大小的颜色分量整数值在计算机中是用8位二进制bit位来表达的，如颜色分量R值为145时，其一字节的二进制位表达为10010001。

为了压缩图像数据占据的存储空间，目前有很多对图像数据文件的压缩技术，如JPEG压缩标准里的方法。但是，现阶段存在的各种压缩技术都是基于图像栅格数据的所有像素颜色分量采用1字节整数值开展的，存在局限性。

发明内容

本发明所要解决的技术问题是：基于以1字节数据表示单一色彩分量的背景技术，如何在保证像素值绝对误差≤2的条件下降低图像栅格数据的大小。

为解决上述技术问题，本发明所采用的技术方案是：

一种图像栅格数据的传输与存储方法，包括以下步骤：

S1、获取图像栅格的原始数据；

S2、分解得到1字节的分量数据，所述分量数据包括R分量数据、G分量数据、B分量数据；

S3、分别对每一栅格的分量数据进行缩减位数的压缩处理；

S4、将压缩后的图像数据以字节为单位、逐行重新划分，每一行的最后一个字节若不足8位，以0补齐；

S5、以字节为单位进行存储、传输；

S6、对压缩后的图像数据进行拉伸还原。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述步骤S3对分量数据进行缩减位数的压缩处理，具体是指：对分量数据进行除2取整或者除4取整处理。

进一步地，所述S6、对压缩后的图像数据进行拉伸还原，若采用除2取整方式进行的缩位压缩，则拉伸还原采用乘2处理；

若采用除4取整方式进行的缩位压缩，则拉伸还原采用乘4后加1或者加2处理。

与现有技术相比，本发明具有如下技术效果：

本方法针对目前图像数据的压缩处理都是着眼于图像源像素数据基础上开展的，都遵循RGB的颜色分量值采用0至255的经典约束，而本发明则是打破传统约束，对图像源像素数据进行优化内存布局，可减少图像源像素数据的大小，从而减少数据传输量及文件存储空间，分析如下：

当采用除2取整时，每个像素的颜色分量采用7个bit位时，图像的像素颜色分量值的最大绝对误差为1，最大相对误差大小为1/256，能满足绝大部分的应用需求，在图像的像素数据量上却能减少1/8。

当采用除4取整时，每个像素的颜色分量采用6个bit位时，图像的像素颜色分量值的最大绝对误差为2，最大相对误差大小为2/256，基本能满足大部分的应用需求，在图像的像素数据量上却能减少1/4。

实际应用中一般图像的列数>100，这样基本可忽略最后补足1字节的额外几个bit位存储空间大小。

利用本方法，对于海量图像栅格数据的备份存储，发布精度要求不高的图像数据给大众化应用系统等非常适用，节约存储空间，降低系统成本。

基于本方法的传输及存储系统，可以大量的减少图像栅格数据的网络传输率，提高系统的处理性能。

另外，本方法是针对图像栅格数据的源像素数据层次进行处理的，与数据的压缩和编码并不冲突，利用本方法得到的优化后的图像栅格像素数据，仍然可以使用各种数据压缩和编码技术进行再一步的处理，获得更小的存储空间

附图说明

图1为本发明的图像栅格数据的传输与存储方法的流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

请参考图1所示，一种图像栅格数据的传输与存储方法，包括以下步骤

S1、获取图像栅格的原始数据；

S2、分解得到1字节的分量数据，所述分量数据包括R分量数据、G分量数据、B分量数据；

S3、分别对每一栅格的分量数据进行缩减位数的压缩处理；对分量数据进行除2取整或者除4取整处理；

S4、将压缩后的图像数据以字节为单位、逐行重新划分，每一行的最后一个字节若不足8位，以0补齐；

S5、以字节为单位进行存储、传输；

S6、对压缩后的图像数据进行拉伸还原；

若采用除2取整方式进行的缩位压缩，则拉伸还原采用乘2处理；

若采用除4取整方式进行的缩位压缩，则拉伸还原采用乘4后加1或者加2处理。

假设原始像素分量R的值为123，除4取整方式进行的缩位压缩得到30，如果拉伸还原采用乘4，得到120值，这样与原始数值123的误差为3，所以我们采用乘4后加1得到121，这样与原始数值的误差为2.减小了误差量。也可以采用加2处理，区别就是与原始数值偏大或偏小。如，原始数据为120，121，122，123这4个数据，除四取整后的数据均是30，进行拉伸处理：

采取乘4的方式进行还原，得到的数据是120，120，120，120，与原始数据相比的差值分别是0，1，2，3；

采取乘4+1的方式进行还原，得到的数值是121，121，121，121，与原始数据相比的差值分别是-1，0，1，2；

采取乘4+2的方式进行还原，得到的数值是122，122，122，122，与原始数据相比的差值分别是-2，-1，0，1；

设一个图像栅格数据有1342行*768列的像素组成，每个像素由24位的RGB颜色表示，那么这个图像栅格数据的所有像素数据的计算机内存布局如下示意：

像素(1，1)

像素(1，2)

.

像素(1，768)

像素(1342，1)

像素(1342，2)

像素(1342，768)

表1 RGB图像栅格数据的像素内存分布图

其中，上述表中每个像素占有的内存为3字节，分别为RGB分量的整数值。我们称上述表为图像栅格数据的源数据。现有的图像压缩技术，都是基于表1中的图像栅格数据的源数据进行压缩处理，如使用行程长度编码等各种方法，而本文提出的方法是对图像栅格数据的源数据进行优化内存布局，从而减少源数据的本身大小，经过本方法优化后的源数据，可继续使用现有的各种无损图像压缩技术，从而得到更好的压缩效果。本文提出的方法，可对图像栅格数据的传输有较好的减少数据传输量，对文件存储有大量减少存储空间的优势。

假设某图像栅格数据Data有K行L列组成，每个像素由24位的RGB颜色表示(对于32位的RGBA颜色图像，处理本质上完全一样，在此以RGB颜色图像进行说明)，每个像素的数据需要3字节的存储空间，下文所述的行列号均指从1开始。首先这个图像栅格数据的源数据(即上文提到的图像栅格数据的所有像素内存布局)，如下表2示意：

D(1，1)

D(1，2

D(1，3)

D(1，4)

D15

…

D(1，L-1)

D(1，L)

D(2，1)

D(2，2)

D(2，3)

D(2，4)

D25

…

D(2，L-1)

D(2，L)

D(3，1)

D(3，2)

D(3，3)

D(3，4)

D35

…

D(3，L-1)

D(3，L)

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

…

D(K，1)

D(K，2)

D(K，3)

D(K，4)

D(K，5)

…

D(K，L-1)

D(K，L)

表2图像栅格数据Data的像素内存分布图

其中，D(1，1)表示第1行第1列的像素数值，为3个uint8类型的整数值，分别对应像素的R分量值、G分量值、B分量值；D(K，L-1)表示第K行第L-1列的像素数值，其余类推。

对图像栅格数据的源数据进行重新内存优化布局。对表2中的源数据，逐行逐个像素进行处理，对每个像素的处理方式完全一样。现以D(1，1)像素为例进行说明。

D(1，1)像素数值的传统内存布局如下表3示意：

RValue(1字节8bit位)

GValue(1字节8bit位)

BValue(1字节8bit位)

表3 D(1，1)像素数值的传统内存分布图

其中，数值RValue在整数0至255内，GValue和BValue也在整数0至255内，D(1，1)像素数值共需要24个bit位存储空间。下面提出二种方法，D(1，1)像素数值分别只需要21个bit位存储空间、18个bit位存储空间。

方法一：每个像素的每个颜色分量采用7个bit位。

我们知道，8个bit位表示的uint8数值范围是在0至255，而7个bit位表示的数值范围是在0至127，只用7个bit位是无法直接存储整数128及更大的整数的，为此，我们采用压缩拉伸的方法，具体如下：假设表3对应的一实际像素数值传统内存分布图如下：

RValue＝255(1字节8bit位)

GValue＝12(1字节8bit位)

BValue＝223(1字节8bit位)

表4 D(1，1)像素实际数值的内存分布图

对于RValue值采用除2取整的压缩办法，如RValue＝255，我们使用除2取整后得到RNew＝[255/2]＝127，此时就可以使用7个bit位来存储这个RNew值了。同样的对GValue＝12，我们使用除2取整后得到GNew＝[12/2]＝6，此时就可以使用7个bit位来存储这个GNew值了。同样的对BValue＝223，我们使用除2取整后得到BNew＝[223/2]＝111，此时就可以使用7个bit位来存储这个BNew值了，这样得到了压缩后的D(1，1)像素值的内存分布图，如下：

RNew＝127(7bit位)

GNew＝6(7bit位)

BNew＝111(7bit位)

表5 D(1，1)像素压缩数值的内存分布图

对于图像栅格数据Data的D(1，1)像素，我们就可以传输或存储表5中压缩后的共21个bit位的像素值了。当通过传输后接收方收到(或通过读取文件得到)表5中压缩后的共21个bit位的像素值后，我们需要进行拉伸处理，具体如下：

假设收到(或读取文件得到)表5中压缩后的像素值，我们对每个颜色分量值乘2进行拉伸处理，得到新的像素值，如下表6示意:

RNew＝254(8bit位)

GNew＝12(8bit位)

BNew＝222(8bit位)

表6拉伸处理后像素数值的内存分布图

通过对比表4和表6的像素数值，我们发现表4中的图像栅格数据像素数值在经过压缩再拉伸处理后像素数值可能会有差异，但是这个差值最大仅为1，这对于颜色分量RGB的数值范围在0至255之间的图像，这个为1差值在图像的效果上肉眼是无法区分出来的，完全能够满足大部分的应用需求。但是经过上述的压缩拉伸处理后，在传输上或者图像数据存储上，我们就可以减少1/8的图像栅格数据的源数据，后续仍可再应用现有的各种无损压缩技术。

方法二：每个像素的每个颜色分量采用6个bit位。

我们知道，8个bit位表示的uint8数值范围是在0至255，而6个bit位表示的数值范围是在0至63，只用6个bit位是无法直接存储整数64及更大的整数的，为此，我们采用另外一种压缩拉伸的方法，具体如下：假设表7对应的一实际像素数值内存分布图如下：

RValue＝255(1字节8bit位)

GValue＝12(1字节8bit位)

BValue＝223(1字节8bit位)

表7 D(1，1)像素实际数值的内存分布图

对于RValue值采用除4取整的压缩办法，如RValue＝255，我们使用除4取整后得到RNew＝[255/4]＝63，此时就可以使用6个bit位来存储这个RNew值了。同样的对GValue＝12，我们使用除4取整后得到GNew＝[12/4]＝3，此时就可以使用6个bit位来存储这个GNew值了。同样的对BValue＝223，我们使用除4取整后得到BNew＝[223/4]＝55，此时就可以使用6个bit位来存储这个BNew值了，这样得到了压缩后的D(1，1)像素值的内存分布图，如下：

RNew＝63(6bit位)

GNew＝3(6bit位)

BNew＝55(6bit位)

表8 D(1，1)像素压缩数值的内存分布图

对于图像栅格数据Data的D(1，1)像素，我们就可以传输或存储表8中压缩后的共18个bit位的像素值了。当通过传输后接收方收到(或通过读取文件得到)表8中压缩后的共18个bit位的像素值后，我们需要进行拉伸处理，具体如下：

假设收到(或读取文件得到)表8中压缩后的像素值，我们对每个颜色分量值乘4后加1进行拉伸处理，得到新的像素值，如下表9示意:

RNew＝253(8bit位)

GNew＝13(8bit位)

BNew＝221(8bit位)

表9拉伸处理后像素数值的内存分布图

通过对比表7和表9的像素数值，我们发现表7中的图像栅格数据像素数值在经过压缩再拉伸处理后像素数值可能会有差异，但是这个差值最大仅为2，这对于颜色分量RGB的数值范围在0至255之间的图像，这个为2差值在图像的效果上是很难区分出来的，能够满足大部分的应用需求。但是经过上述的压缩拉伸处理后，在传输上或者图像数据存储上，我们就可以减少1/4的图像栅格数据的源数据，后续仍可再应用现有的各种无损压缩技术，就会极大的减少传输量或存储空间。

对表2中的图像栅格源数据，按上述方法一或者方法二逐行对像素进行进行压缩处理，每一行处理后得到7*3*L个bit位(方法一)或者6*3*L个bit位(方法二)的内存分布图，以1字节8个bit位为单位，按顺序重新划分内存分布图，最后一个字节如不足8个bit位则以0补齐，将压缩处理后的图像栅格数据以字节为单位写入文件或传输，具体写入文件的过程可参考下面的具体案例里处理过程。

至于对每个像素的每个颜色分量采用更少的bit位，会引起图像颜色值的误差偏大，引起图像失真，在实际应用中的价值相对不高，本文就不再讨论了。

在具体应用中，选择方法一还是选择方法二进行优化图像的源像素数据，根据精度要求而定，当容许图像颜色有2/256的相对误差时选择方法二，可以更大程度的减少图像数据量。

更具体的，假设某图像栅格数据的像素值内存分布图如表10示意(经典的每像素颜色分量为1字节8位数值)，为简化说明，本图像栅格数据假设只有4列像素:

表10图像栅格数据Data的像素内存分布图

对上表10，逐行进行源像素数据的优化内存布局处理，先对第一行像素数据进行处理。

第一列像素值244，001，057，意思是R＝244，G＝001，B＝057，我们按除2取整的方法进行压缩得到新的7位像素值如表11所示

RNew＝122(111 1010)

GNew＝0(000 0000)

BNew＝28(001 1100)

表11第一行第1列像素值压缩后的内存布局

对第二列像素值024，012，042，我们按除2取整的方法进行压缩得到新的7位像素值如表12所示

RNew＝12(000 1100)

GNew＝6(000 0110)

BNew＝21(001 0101)

表12第一行第2列像素值压缩后的内存分布

对第三列像素值006，012，032，我们按除2取整的方法进行压缩得到新的7位像素值如表13所示

RNew＝3(000 0011)

GNew＝6(000 0110)

BNew＝16(001 0000)

表13第一行第3列像素值压缩后的内存分布

对第四列像素值088，012，004，我们按除2取整的方法进行压缩得到新的7位像素值如表14所示

RNew＝44(010 1100)

GNew＝6(000 0110)

BNew＝2(0000010)

表14第一行第4列像素值压缩后的内存分布

将第一行的所有像素(本例共4个)压缩处理后得到的像素值内存布局表11-14按顺序连接起来，得到共7(位)×3(颜色分量)×4(列)个bit位的内存布局如表15所示：

表15优化后的第一行的像素值内存分布

以字节为单位，重新组织表15的像素值的内存分布，最后一个字节如不足8个bit位则以0补齐，便得到如表16所示的像素值内存布局表：

表16优化后的第一行的像素值按字节为单位的内存分布

其中，表16中最后一个字节里的最后四个bit位是不足一字节，补4bit的0。将表16中的内存分布以字节为单位，按uint8类型写入文件进行存储(或者通过网络进行传输)，对表16的数据而言，相当于写入(或传输)如表17所示以下整数数值：

244

0

224

192

197

101

134

32

176

48

32

表17--表10的第一行优化内存布局后的像素整数值

再按同样方法对第二行，第三行，...，最后一行像素数据进行处理。

当通过网络传输接收到或者读取数据文件得到上述表17的一行像素值后，可以逆向以7个bit位为单位，逐个分解得到对应表15的优化后的像素值，再对每个颜色分量值乘2进行拉伸处理，得到优化前的表10的第一行像素值。

由此，本发明的图像栅格数据的传输与存储方法在实际应用中，选择除2取整的方法对图像栅格数据的源像素数据进行优化处理，其像素颜色值分量最大误差仅为1，数据存储量可减少1/8；选择除4取整的方法对图像栅格数据的源像素数据进行优化处理，其像素颜色值分量最大误差仅为2，数据存储量可减少1/4，减少了图像栅格数据的网络传输量和存储空间需求，提高系统的处理性能。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (3)

1.一种图像栅格数据的传输与存储方法，其特征在于，包括以下步骤

S1、获取图像栅格的原始数据；

S2、分解得到1字节的分量数据，所述分量数据包括R分量数据、G分量数据、B分量数据；

S3、分别对每一栅格的分量数据进行缩减位数的压缩处理；

S4、将压缩后的图像数据以字节为单位、逐行重新划分，每一行的最后一个字节若不足8位，以0补齐；

S5、以字节为单位进行存储、传输；

S6、对压缩后的图像数据进行拉伸还原。

2.根据权利要求1所述的图像栅格数据的传输与存储方法，其特征在于，所述步骤S3对分量数据进行缩减位数的压缩处理，具体是指对分量数据进行除2取整或者除4取整处理。

3.根据权利要求2所述的图像栅格数据的传输与存储方法，其特征在于，所述S6对压缩后的图像数据进行拉伸还原具体是指

若采用除2取整方式进行的缩位压缩，则拉伸还原采用乘2处理；

若采用除4取整方式进行的缩位压缩，则拉伸还原采用乘4后加1或者加2处理。

Images