CN112565793B - 一种基于预测差值分类熵编码的图像无损压缩方法 - Google Patents

Abstract

本发明公开了一种基于预测差值分类熵编码的图像无损压缩方法，方法包括：使以图像中的任意像素作为参考像素，使用预测模板得到像素预测差值，统计预测差值直方图；将像素分成预测差值直接编码像素和间接编码像素两类，统计所有间接编码像素的个数；采用熵编码方法对[‑T,T)范围内的各预测差值各分配一个码字，对[‑T,T)范围外的预测差值分配统一的码字，构建码字分配表；计算不同阈值T的图像无损压缩效果，找到最优阈值T_opt；用最佳阈值T_opt对应的码字分配表，对预测差值像素直接用分配码字编码，得到熵编码数据，结合参考像素、最佳阈值T_opt、码字分配表和熵编码数据得到图像无损压缩编码数据流。本发明能够提升图像无损压缩性能，降低压缩图像数据量，解压缩可完全无失真恢复原始图像。

Description

一种基于预测差值分类熵编码的图像无损压缩方法

技术领域

本发明涉及图像信号处理领域，特别是指一种基于预测差值分类熵编码的图像无损压缩方法。

背景技术

人类通过视觉来感知80％以上的外界信息，图像是人类获取和交换信息的主要来源，数字图像已广泛应用到人类生活和工作的方方面面。由于图像数据量大，在存储、传输、处理时带来了困难，图像中存在数据冗余，利用冗余进行图像压缩以减少数据量具有重要意义。目前，图像压缩分有损压缩和无损压缩两类；有损压缩是利用人类对部分图像成分不敏感的特性，允许图像压缩编码时损失部分信息，提高图像数据压缩比。但是有损压缩是破坏型压缩，将损失图像质量，在一些对图像信息细节要求高的应用领域，采用有损压缩可能导致丢失有重要乃至关键信息，因此需要采用对图像质量没有任何影响的无损压缩技术。无损压缩是利用图像数据冗余，解压缩后可完全无失真恢复原始图像，但压缩率较低。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于预测差值分类熵编码的图像无损压缩方法，本发明方法利用图像局部区域像素之间的相关性，采用预测器得到像素预测差值来减小图像熵，进而使用熵编码方法对分类预测差值进行压缩编码，取得更高的图像压缩率。

本发明采用如下技术方案：

一种基于预测差值分类熵编码的图像无损压缩方法，包括：

S1：以图像中的任意像素作为参考像素，使用预测模板得到像素预测差值，统计预测差值直方图；

S2：设定阈值T，根据预测差值大小，将像素分成预测差值直接编码像素和间接编码像素两类，统计所有间接编码像素的个数；

S3：根据直接编码像素不同预测差值的统计个数和所有间接编码像素的个数，采用熵编码方法对[-T,T)范围内的各预测差值各分配一个码字，对[-T,T)范围外的预测差值分配统一的码字，构建码字分配表；

S4：重复S2-S3，计算不同阈值T的图像无损压缩效果，获取最优阈值T_opt；

S5：用最优阈值T_opt对应的码字分配表，对预测差值在[-T_opt,T_opt)范围内像素直接用分配码字编码，对预测差值在[-T_opt,T_opt)范围外的像素使用同一码字加像素值来进行编码，得到预测差值熵编码数据。将参考像素、最佳阈值T_opt、码字分配表和预测差值熵编码数据组合得到图像无损压缩编码数据流。

具体地，所述步骤S1具体包括：利用预测模板得到除参考像素外的其余像素预测差值ex，统计各预测差值出现频次h(ex)，得到预测差值直方图。

具体地，所述步骤S2具体包括：将预测差值ex∈[-T,T)的像素归为预测差值直接编码像素集合D，将预测差值

的像素归为间接编码像素集合I，间接编码像素的个数为

具体地，所述步骤S3具体包括：预测差值ex∈[-T,T)具有相同预测差值的个数为h(ex)，熵编码时均分配一个码字，码字长度为l(ex)；预测差值

的像素则分配同一长度为l(I)的码字进行编码，编码时保存原像素值；码字分配应满足：

其中H为图像像素的比特数，预测差值ex∈[-(2^H-1)，2^H-1]。

具体地，所述步骤S4具体包括：设定不同的阈值T，重复S2-S3，得到相应的D_T值，获取使得D_T值最小的最优阈值T_opt。

具体地，所述步骤S5具体包括：用得到的最优阈值T_opt构建熵编码码字分配表，对除参考像素外的其余像素按照特定顺序进行熵编码，若像素预测差值在[-T_opt,T_opt)范围内则用相应码字直接编码，若像素预测差值在[-T_opt,T_opt)范围外则用同一码字加像素值来进行编码，得到的熵编码数据结合参考像素、最佳阈值T_opt、码字分配表即可得到图像无损压缩编码数据。

本发明公开的基于预测差值分类熵编码的图像无损压缩方法，解压缩步骤包括：

T1：从压缩数据流中得到参考像素、最优阈值T_opt及其码字分配表；

T2：根据码字表恢复直接编码像素的各预测差值，并从熵编码数据流中区分出间接编码像素，并用压缩数据流中保存的像素值无失真恢复，直接编码像素则通过像素预测值和预测差值逐一无失真恢复。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、本发明方法通过像素预测器得到像素预测差值来减小图像熵，对近似于拉普拉斯分布的预测差值进行分类熵编码，可实现较好的图像压缩率，且解压缩图像后可完全无失真恢复原始图像。

附图说明

图1为本发明方法的图像压缩流程图；

图2为水平、垂直、四角方向预测示意图；

图3为四角方向预测模板图；

图4为本发明方法的图像解压缩流程图。

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

为了便于讨论，设实施例对大小为M×N的256级灰度图像X＝{x(m,n),1≤m≤M,1≤m≤N}进行无损压缩，(m,n)为像素坐标位置。彩色图像可分各颜色通道按实施例进行无损压缩。参见图1，一种基于预测差值分类熵编码的图像无损压缩方法，以Huffman编码作为熵编码的实施例，对图像进行无损压缩的具体实施步骤如下：

步骤101，使用预测模板得到像素预测差值，统计预测差值直方图。

具体地，可以以图像中的任意一个像素x(i,j)为参考像素，其中1≤i≤M,1≤j≤N为参考像素坐标位置，分别从水平、垂直和四角方向进行像素预测，如图2所示。以x(i,j)为中心分别在水平方向上向左、向右和在垂直方向上向上、向下用相邻像素值进行像素预测，预测规则如下：

对于左上角、右上角、左下角和右下角的像素则可以采用中值边缘预测器(medianedge detector,MED,predictor)进行预测，四个方向的预测模板如图3所示，x为被预测像素，a为x对角方向相邻像素，b为x水平方向相邻像素，c为x垂直方向相邻像素，预测规则可统一如下:

各预测像素的预测差值ex为

ex(m,n)＝x(m,n)-px(m,n)m≠i或n≠j

对于256级灰度图像，ex∈[-255,255]。统计所有预测差值，计算预测差值直方图，各不同预测差值出现次数为h(ex)。

步骤102，根据阈值T进行像素分类，统计所有间接编码像素的个数。

具体地，将预测差值ex∈[-T,T)的像素归为预测差值直接编码像素集合D，各预测差值出现次数为h(ex)；其余预测差值

的像素归为间接编码像素集合I，间接编码像素的个数为

(以256级灰度图像为例)。

步骤103，构建特定阈值T下达到最佳熵编码性能的码字分配表。

具体的，预测差值ex∈[-T,T)具有相同预测差值的个数为h(ex)，熵编码时均分配一个码字，码字长度为l(ex)；所有预测差值

的像素则分配同一长度为l(I)的码字进行编码，编码时还需要保存原像素值；同时，编码过程中需要保存码字分配表。因此，对于256级灰度图像，ex∈[-255，255]，码字分配应满足：

可以按照上式约束条件，对特定阈值T将上式简化下式最小化的编码求解：

可用Huffman编码规则进行码字分配，并计算相应的D_T值。

步骤104，遍历不同阈值T的编码性能，确定最优阈值T_opt。

具体地，从小到大设置不同的阈值T，分别经过步骤102和103，计算得到相应的D_T值，从中找到使得D_T值最小的最优阈值T_opt。

步骤105，用最佳阈值T_opt得到码字对图像预测差值进行编码，得到图像无损压缩数据。

具体地，用特定长度二进制数据记录T_opt值；用最佳阈值T_opt确定最佳码字分配表，用特定固定长度二进制数据记录每一个ex∈[-T_opt,T_opt)和所有

的预测差值对应码字的长度l(ex)和l(I)，各固定位数的长度编码后附加相应长度的Huffman编码码字来记录Huffman码字分配表；记录参考像素数值和位置；按一定顺序依次对所有预测差值进行编码，编码规则为：对预测差值在[-T_opt,T_opt)范围内像素直接用分配码字编码，对预测差值在[-T_opt,T_opt)范围外的像素使用同一码字加像素值来进行编码。将以上数据组合得到图像无损压缩编码数据。

参见图4，一种基于预测差值分类熵编码的图像无损压缩方法，上述图像无损压缩编码实施例对应的解压缩的具体实施步骤如下：

步骤201，从压缩数据流中得到参考像素、最优阈值T_opt及其码字分配表。

具体的，按照编码具体规则，从图像无损压缩编码数据流中提取参考像素及其位置，提取最佳阈值T_opt，解析出每一个ex∈[-T_opt,T_opt)和所有

的预测差值对应的Huffman编码码字。

步骤202，从压缩编码数据中恢复预测差值，并通过像素预测无失真恢复得到原图像。

具体的，根据步骤201中解析得到的每一个ex∈[-T_opt,T_opt)和所有

的预测差值对应的Huffman编码码字，从预测差值压缩编码数据流中恢复各像素预测差值，若预测差值在

用该码字后面的8比特数据恢复相应的像素值；从参考像素出发依次在水平方向向左、向右和在垂直方向向上、向下用相邻像素值进行像素预测，得到的预测值加上预测差值即可依次恢复像素值，恢复的像素值进一步用于后续像素预测并恢复后续像素值；从参考像素及其水平和垂直方向上恢复的像素从发，采用图3所示的预测模板依次向四角方向进行逐一依次预测得到预测值，预测值加相应的预测差值可恢复一个像素，恢复的像素值也将进一步用于后续像素预测并恢复后续像素值；所有恢复像素值重组就可以等到无失真的解压缩图像。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (7)

1.一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，包括：

S1：以图像中的任意像素作为参考像素，使用预测模板得到像素预测差值，统计预测差值直方图；

S2：设定阈值T，根据预测差值大小，将像素分成预测差值直接编码像素和间接编码像素两类，统计所有间接编码像素的个数；

S3：根据直接编码像素相同预测差值的统计个数和所有间接编码像素的个数，采用熵编码方法对[-T,T)范围内的各预测差值各分配一个码字，对[-T,T)范围外的预测差值分配统一的码字，构建码字分配表；

S4：重复S2-S3，计算不同阈值T的图像无损压缩效果，获取最优阈值T_opt；

S5：用最优阈值T_opt对应的码字分配表，对预测差值在[-T_opt,T_opt)范围内像素直接用分配码字编码，对预测差值在[-T_opt,T_opt)范围外的像素使用同一码字加像素值来进行编码，得到预测差值熵编码数据；将参考像素、最佳阈值T_opt、码字分配表和预测差值熵编码数据组合得到图像无损压缩编码数据流。

2.根据权利要求1中的一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，所述步骤S1具体包括：利用预测模板得到除参考像素外的其余像素预测差值ex，统计各预测差值出现频次h(ex)，得到预测差值直方图。

3.根据权利要求2中的一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，所述步骤S2具体包括：

将预测差值ex∈[-T,T)的像素归为预测差值直接编码像素集合D，将预测差值

的像素归为间接编码像素集合I，间接编码像素的个数为

其中H为图像像素的比特数。

4.根据权利要求3中的一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，所述步骤S3具体包括：预测差值ex∈[-T,T)具有相同预测差值的个数为h(ex)，熵编码时均分配一个码字，码字长度为l(ex)；预测差值

的像素则分配同一长度为l(I)的码字进行编码，编码时保存原像素值；码字分配应满足：

其中，

表示向上取整，H为图像像素的比特数，预测差值ex∈[-(2^H-1)，2^H-1]。

5.根据权利要求4中的一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，所述步骤S4具体包括：设定不同的阈值T，重复S2-S3，得到相应的D_T值，获取使得D_T值最小的最优阈值T_opt。

6.根据权利要求5中的一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，所述步骤S5具体包括：用得到的最优阈值T_opt构建熵编码码字分配表，对除参考像素外的其余像素按照特定顺序进行熵编码，若像素预测差值在[-T_opt,T_opt)范围内则用相应码字直接编码，若像素预测差值在[-T_opt,T_opt)范围外则用同一码字加像素值来进行编码，得到的熵编码数据结合参考像素、最佳阈值T_opt、码字分配表得到图像无损压缩编码数据。

7.根据权利要求1中所述的一种基于预测差值分类熵编码的图像无损压缩方法，其特征在于，解压缩步骤包括：

T1：从压缩数据流中得到参考像素、最优阈值T_opt及其码字分配表；

T2：根据码字表恢复直接编码像素的各预测差值，并从熵编码数据流中区分出间接编码像素，并用压缩数据流中保存的像素值无失真恢复，直接编码像素则通过像素预测值和预测差值逐一无失真恢复。

Images