CN112887722A - 一种图像无损压缩方法 - Google Patents

Abstract

本发明实施例提供了一种图像无损压缩方法，所述方法包括：获取待编码图像；根据基础形状的权重从大到小，依次以所述基础形状填充所述待编码图像；依据训练得到的码本，获得用于填充所述待编码图像的基础形状所对应的码字；依次将每一次填充所使用的基础形状的位置和码字保存为三元组，所述三元组包括所述基础形状的行位置、列位置、码字；将三元组集合与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。本发明实施例提供的方法，利用图像中基础形状对应的码字和形状在图像中的位置对图像进行表示，同时高效消除了编码冗余和空间冗余，能够在不损失图像质量的前提下，实现高压缩比的图像编码和解码。

Description

一种图像无损压缩方法

技术领域

本发明涉及信息技术领域，特别是涉及一种图像无损压缩方法。

背景技术

随着互联网的发展与大数据时代的来临，图像与人类的日常生活越来越密切。社交软件上的图片，医学中所用的CT，遥感得到的地形图，都是以图像的形式来存储和展示，这是因为图像所携带的信息，能轻易地被人的视觉所捕获和接受。海量的图像数据在存储和传输时，需要占用大量的存储空间和通信带宽，而图像压缩能够在保证图像质量的前提下，减少表示图像所需的空间，从而有利于图像的存储和传输。

图像压缩技术分为有损压缩和无损压缩。其中，有损压缩是在保证图像保真度的前提下，去掉部分非关键的数据信息，来减少存储图像所需要的空间，压缩比可以达到很高，从而减少图像数据在存储和传输过程中消耗的资源，但不能完全恢复图像的原始数据。而无损压缩是通过优化数据存储方式，利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何失真，但是，由于受到数据统计冗余度的理论限制，无损压缩的压缩比远低于有损压缩。

现有的图像压缩技术，面临着图像压缩比与图像保真度无法兼顾的窘况。如何在保证高压缩比的前提下，实现高保真度的图像无损压缩，仍是亟待技术人员解决的问题。

发明内容

为了解决上述问题，本发明实施例提出了一种图像无损压缩方法，旨在实现兼顾保真度和压缩比的图像压缩。

本发明实施例提供了一种图像无损压缩方法，所述方法

包括：

获取待编码图像；

根据基础形状的权重从大到小，依次以所述基础形状填充所述待编码图像；

依据训练得到的码本，获得用于填充所述待编码图像的基础形状所对应的码字；

依次将每一次填充所使用的基础形状的位置和码字保存为三元组，所述三元组包括所述基础形状的行位置、列位置、码字；

将三元组集合与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。

可选的，获取待编码图像之前，还包括：

获取初始基础形状；

获取训练集图像；

根据所述初始基础形状，对所述训练集图像进行基础形状搜索，获得各个初始基础形状的频率；

在搜索过程中，根据各个初始基础形状的频率，对所述初始基础形状组成的集合进行动态更新；

根据搜索和动态更新后得到的每个基础形状的频率和大小，为每个基础形状分配相对应的权重；

根据所述权重，通过哈夫曼编码，得到每个基础形状对应的码字；

将所述码字与对应的基础形状存储为码本。

可选的，将三元组集合与待编码图像的头部信息合并生成压缩文件之后，还包括：

获取待解码图像的压缩文件；

从所述压缩文件中提取所述三元组集合与所述待解码图像的头部信息；

依据所述码本，获取与所述三元组集合中的码字对应的基础形状；

依据所述三元组集合中的基础形状的位置，将所述基础形状填充到图片中，恢复所述待解码图像。

可选的，获取初始基础形状，包括：

获取任意由0和1组成的M×N的矩阵；

获得所述矩阵的行向量u_i和列向量v_j；

在所述行向量u_i和列向量v_j分别符合如下公式时：

将所述矩阵中的0去掉之后剩余的像素点所组成的基础形状，作为所述初始基础形状；

其中，0代表图像的黑色像素点。

可选的，还包括：

对训练集中的图像进行基础形状的搜索的过程中，删除出现频率低于预设阈值的基础形状，动态更新所述基础形状的集合。

可选的，还包括：

当所述训练集图像为灰度图像时，获取所述训练集图像之后，

通过预测编码，将所述训练集图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将所述训练集图像分为形状层和细节层；

通过搜索和动态更新，分别获得形状层的码本和细节层的码本；

其中，所述形状层的码本包括所述基础形状及所述基础形状对应的码字，所述细节层的码本包括细节层中每个像素的强度值及所述强度值对应的码字；

其中，获取所述形状层的码本，包括：

根据所述初始基础形状，对所述训练集图像中的形状层进行基础形状搜索，获得各个初始基础形状的频率；

在搜索的过程中，根据各个初始基础形状的频率，对所述初始基础形状组成的集合进行动态更新；

根据搜索得到的每个基础形状的频率和大小，为每个基础形状分配相对应的权重；

根据所述权重，通过哈夫曼编码，得到每个基础形状对应的形状层的码字；

将所述形状层的码字与对应的基础形状存储为所述形状层的码本。

可选的，还包括：

当所述待编码图像为灰度图像时，获取所述待编码图像之后，

通过预测编码，将所述待编码图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将预测图像分为形状层和细节层；

分别对所述形状层和对所述细节层进行编码，以获得所述形状层的编码数据和所述细节层的编码数据；

所述形状层的编码数据依据训练得到的形状层的码本获得，包括：依据训练得到的形状层的码本，获得所述基础形状对应的码字，依次将所述编码数据中每一次填充图片所使用的基础形状的位置和所述基础形状对应的码字保存为三元组，获得所述形状层的编码数据，所述三元组包括所述基础形状的行位置、列位置、码字；所述基础形状的位置使用位置差表示，所述位置差使用哥伦布编码；

所述细节层的编码数据依据训练得到的细节层的码本获得，包括：依据训练得到的细节层的码本，获得所述细节层的码字，按照从左到右、从上到下的顺序使用细节层的码字表示细节层像素的强度值，获得所述细节层的编码数据；

将所述形状层的编码数据、所述细节层的编码数据与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。

可选的，还包括：

当所述待解码图像为灰度图像时，

获取所述待解码图像的压缩文件；

从所述压缩文件中提取形状层的压缩数据，细节层的压缩数据和所述待解码图像的头部信息；

依据所述码本，分别获取形状层图像与细节层图像；

按照与编码相反的流程，依次进行形状层和细节层的合并、映射、反预测编码，恢复所述待解码图像。

可选的，还包括：

当所述待编码图像为彩色图像时，

通过颜色空间转化，获得所述待编码图像对应的三个灰度图像，针对每个灰度图像，执行如下压缩方法：

通过预测编码，将所述灰度图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将预测图像分为形状层和细节层；

分别对所述形状层和对所述细节层进行编码，以获得所述形状层的编码数据和所述细节层的编码数据；

所述形状层的编码数据依据训练得到的形状层的码本获得，包括：依据训练得到的形状层的码本，获得所述基础形状对应的码字，依次将所述编码数据中每一次填充图片所使用的基础形状的位置和所述基础形状对应的码字保存为三元组，获得所述形状层的编码数据，所述三元组包括所述基础形状的行位置、列位置、码字；所述基础形状的位置使用位置差表示，所述位置差使用哥伦布编码；

所述细节层的编码数据依据训练得到的细节层的码本获得，包括：依据训练得到的细节层的码本，获得所述细节层的码字，按照从左到右、从上到下的顺序使用细节层的码字表示细节层像素的强度值，获得所述细节层的编码数据；

将所述形状层的编码数据、所述细节层的编码数据和所述待编码图像的头部信息合并生成第一压缩文件；

将所述三个灰度图像各自对应的第一压缩文件合并生成所述待编码图像的压缩文件。

可选的，还包括：

当所述待解码图像为彩色图像时，

获取所述待解码图像的压缩文件；

获取所述压缩文件包含的三个第一压缩文件；

针对每个所述第一压缩文件：

从所述第一压缩文件中提取形状层的压缩数据，细节层的压缩数据和所述待解码图像的头部信息；

依据所述码本，分别获取形状层图像与细节层图像；

按照与编码相反的流程，依次进行形状层和细节层的合并、映射、反预测编码，恢复所述第一压缩文件对应的第一待解码图像；

通过颜色空间转化，将所述三个第一压缩文件各自对应的第一待解码图像合并恢复为所述待解码图像。

从上述技术方案可以看出，本发明实施例提供了一种图像无损压缩方法，利用图像中基础形状对应的码字和形状在图像中的位置对图像进行表示，根据区域图像中的像素值关系同时对行、列区域重复像素进行压缩，消除了空间冗余；而从统计的角度，根据形状的出现频率和大小进行变长编码，消除了编码冗余。因此，本发明同时且高效地消除了编码冗余和空间冗余，能够在不损失图像质量的前提下，实现高压缩比的图像编码和解码，即，图像的压缩和解压缩。

附图说明

图1是本发明实施例提供的一种图像无损压缩方法的步骤流程图；

图2是本发明实施例提供的一种图像的部分基础形状的示意图；

图3是本发明实施例提供的一种二值图像的压缩文件示意图；

图4是本发明实施例提供的一种灰度图像的编码流程示意图；

图5是本发明实施例提供的一种彩色图像的编码流程示意图；

图6是本发明实施例提供的一种二值图像的软压缩系统结构示意图；

图7是本发明实施例提供的一种灰度图像的软压缩系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图像数据最常见的冗余包括空间冗余、编码冗余等。

其中，空间冗余是静态图像中存在的最主要的一种数据冗余，利用空间冗余的特性进行图像的压缩，在图像无损压缩技术中应用也最为广泛。简单来说，就是同一景物表面上采样点的颜色之间通常存在着空间关联性，相邻各点的取值往往近似或者相同，则其图像数据存在空间冗余。例如，图片中有一片连续的区域，这个区域的像素都是相同的颜色，则存在空间冗余。利用图像空间冗余的特性，可以对图像中连续区域重复的像素数据进行压缩。比如行程编码，对图像中每一行像素中连续相同或关联的像素点进行更加简略的表示。

而编码冗余则是由编码的平均比特数与熵值的关系造成的：如果某种编码的平均比特数越接近熵，则编码冗余越小。利用编码冗余的特性重新编码，以更短的码字表示出现频率更高的像素，而用相对较长的码字来表示出现频率相对更低的像素，也可以完成无损压缩。

但是，现有的图像无损压缩技术，对图像所存在的空间冗余和编码冗余的利用率仍然不够高。

有鉴于此，本发明申请人考虑充分利用图像存在编码冗余和空间冗余的特性，从统计和信息论的角度出发，提出了一种图像无损压缩方法，利用图像中基础形状对应的码字和在图像中所处的位置，对图像进行表示，同时消除图像的编码冗余和空间冗余，有效提高图像无损压缩的压缩比的同时，保证了图像的保真度。

此外，本发明实施例所述的“软压缩”，是指本发明利用基础形状对应的码字和位置对图像进行表示，对图像进行训练、编码和解码的图像压缩方法，与相关技术中简单利用CPU资源对图片进行软件压缩存在实质差异。

参照图1，图1是本发明实施例提供的一种图像无损压缩方法的步骤流程图。如图1所示，所述方法具体包括如下步骤：

S31，获取待编码图像。

在本实施例中，可以将待编码图像分为二值图像、灰度图像、彩色图像，针对不同的图像类别，实现差异化的训练、编码、解码动作。

其中，编码是图像压缩时所执行的操作。相应地，解码是图像解压缩时所执行的操作。

S32，根据基础形状的权重从大到小，依次以所述基础形状填充所述待编码图像。

参照图2，图2是本发明实施例提供的一种图像的部分基础形状的示意图。图2示出了一部分像素数量较少的基础形状，如图2所示，本实施例中的基础形状是图像编码中非0的像素点所组成的图案形状，即，基础形状是非黑色的图案形状。

由于二值图像仅包括黑、白像素，也就是只由像素值0和1组成，因此，对于二值图像来说，图像的基础形状全部由像素值为1的像素组成；对于灰度图像来说，图像的基础形状全部由像素值非0的像素组成；对于彩色图像来说，图像的基础形状也全部由像素值非0的像素组成。

在本实施例中，每一个基础形状都与一个码字唯一对应，因此，基础形状也称为码字所对应的形状。所有的基础形状填充至纯黑色背景的图片中，组合在一起，即为所述待编码图像。

其中，基础形状的权重是根据基础形状在训练集图像中出现的频率和基础形状的大小，即，基础形状在训练集图像中出现的频率和基础形状的像素数量的多少，所共同决定的。

在进行图像编码时，本实施例考虑优先以权重更大的基础形状先填充待编码图像，即同时考虑了基础形状的频率和大小，通过算法的优先级设置，先填充权重大的基础形状，即，先填充平均每像素码字更短、对图像编码所起作用更大的基础形状，再从码本库查询权重小，即，平均每像素码字更长、对图像编码所起作用更小的基础形状，以此提高图像编码的效率。

S33，依据训练得到的码本，获得用于填充所述待编码图像的基础形状所对应的码字。

在本实施例中，可以提前利用训练集图像中基础形状出现的频率，得到每个基础形状对应的码字，获得由基础形状与对应的码字所组成的码本。因此，依据码本则可以直接获得基础形状所对应的码字。

其中，码字(Code Word)是指利用哈夫曼(Huffman)码对形状的权重进行编码后的二进制表示，而哈夫曼编码完全依据字符出现概率来构造平均长度最短的码字，同时，使出现频率最高的符号所对应的码字最短。

S34，依次将每一次填充所使用的基础形状的位置和码字保存为三元组，所述三元组包括所述基础形状的行位置、列位置、码字。

在本实施例中，基础形状的位置是指基础形状在所述待编码图像中的位置，包括基础形状在图像中的行位置和列位置，可以用像素点的坐标位置表示，示例性地，可以是(x_i,y_i)，其中，x_i表示基础形状在待编码图像中的行位置，y_i表示基础形状在待编码图像中的列位置。

优选地，还可以将基础形状的左上角的第一个像素点在所述待编码图像中的位置，作为基础形状在所述待编码图像中的位置。

而基础形状可以用S_i表示，基础形状所对应的码字可以用C_i表示。则所述三元组可以表示为(x_i,y_i,C_i)。

本实施例将图像无损压缩中降低压缩比的问题转换为如下公式：

其中，l(C_i)是码字C_i的长度，l(x_i,y_i)是用来描述基础形状所在图像中的位置(x_i,y_i)所需要的比特数，F_i(S_i)表示在第i次填充操作中填充基础形状S_i到图像中的位置(x_i,y_i)。以及，图像Y可以通过T轮位置和基础形状组成的基本单元填充而恢复，也就是说图像编码是无损的。

以及，所述基础形状的位置可以不局限于使用绝对位置，可以使用位置差值对基础形状的相对位置进行表示，也就是根据下一位置与上一位置的差进行编码。

优选地，所述基础形状的位置差可以采用哥伦布(Golomb)编码进行表示。

通过上述公式可以看出，本发明实施例针对待编码图像，使表示待编码图像的总比特数更小，以此更大程度上减少待编码图像的压缩文件的空间占用，进而减少对存储和传输的资源消耗。

S35，将三元组集合与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。

参照图3，图3是本发明实施例提供的一种二值图像的压缩文件示意图。如图3所示，所述待编码图像的压缩文件包括待编码图像的头部信息和三元组集合。其中，三元组集合包括该图像的所有基础形状的码字和基础形状在图像中的所在位置；头部信息至少包括待编码图像的尺寸信息、分层的参数，所述尺寸信息可以等效视为类似于待编码图像尺寸的纯黑色背景的图片，所述分层的参数是图像细节层和形状层的参数。

通过本实施例，利用基础形状和基础形状在图像中所处的位置，对图像进行表示，完成编码。利用基础形状对图像进行表示，则有效的消除了图像编码中的空间冗余；同时，由于每个基础形状在训练得到的码本中与通过哈夫曼编码得到的码字对应，则最终用于填充图片权重更大的基础形状所对应的码字也更短，填充图片所使用的所有基础形状所对应的码字总长度也更短，有效的压缩了图像编码中的编码冗余。即，同时消除了图像的编码冗余和空间冗余，实现了高压缩比的图像无损压缩。

在结合上述实施例，为了使基础形状的使用频率和尺寸与码字长度对应，本发明提供了一种训练获得码本的方法，在获取待编码图像之前，执行包括如下步骤：

获取初始基础形状；

获取训练集图像；

根据所述初始基础形状，对所述训练集图像进行基础形状搜索，获得各个初始基础形状的频率；

在搜索过程中，根据各个初始基础形状的频率，对所述初始基础形状组成的集合进行动态更新；

根据搜索和动态更新后得到的每个基础形状的频率和大小，为每个基础形状分配相对应的权重；

根据所述权重，通过哈夫曼编码，得到每个基础形状对应的码字；

将所述码字与对应的基础形状存储为码本。

其中，初始基础形状可以是人为设计的基础形状，也可以特指训练环境中的基础形状。当初始基础形状组成的集合处于应用于编解码的环境中时，初始基础形状即基础形状。对所述初始基础形状组成的集合进行动态更新，也即，对所述基础形状组成的集合进行动态更新。

在本实施例中，在前期的训练过程中，可以预先由人工对初始基础形状进行设计和校正。在训练得到的码本投入应用后，还可以根据基础形状实际的使用情况，对基础形状的频率进行上传记录，重新对码本进行更新。

所述训练集图像还可以根据不同图像领域进行分类，并独立训练使用。示例性的，比如食物图像，风景图像，医学影像等等。

可选地，本实施例使用公开数据集MNIST作为试验样本数据集，获得训练集图像。

其中，为每个基础形状分配相对应的权重时，可以使用P_ω＝P×N作为权重，即，基础形状的权重P_ω由频率和大小的乘积表示，以此综合考虑基础形状出现的频率P和该基础形状的尺寸大小N。其中，尺寸大小N可以由该基础形状的像素数量表示。

可选地，本实施例进行训练获得码本，可以在Windows10(版本号：2004)操作系统的环境中进行，安装并联调配置相应软件：Anaconda(版本：Anaconda3-2020.07(Python3.8.3 64-bit))、PyCharm(版本：JetBrains PyCharm Community Edition-2020.2)。具体地，安装联调步骤为：首先，下载并安装Anaconda，同时配置添加其到系统路径环境变量，完成安装；然后，下载并安装PyCharm，完成后，将Anaconda安装目标下的python.exe添加到其解释器，以完成PyCharm与Anaconda联调；完成开发平台的搭建。

在本实施例中，根据基础形状的权重进行哈夫曼编码，综合考虑了基础形状出现的频率和尺寸大小，则在获得基础形状所对应的码字时，进一步考虑了图像的编码冗余和空间冗余，相应地，可以令图像的编解码的压缩文件进一步缩小。

在一种实施方式中，本发明提供了一种获取初始基础形状的方法，具体包括：

获取任意由0和1组成的M×N的矩阵；

获得所述矩阵的行向量u_i和列向量v_j；

在所述行向量u_i和列向量v_j分别符合如下公式时：

将所述矩阵中的0去掉之后剩余的像素点所组成的基础形状，作为所述初始基础形状；

其中，0代表图像的黑色像素点。

如图2所示，本发明实施例中的基础形状与初始基础形状均符合上述公式，使各基础形状中的像素点在像素矩阵中呈现足够的完整性、易拼接性，以符合填充图片的需求。

所述初始基础形状的获取应遵循简洁和完备的原则，为了实现无损压缩，需要保证包含尺寸为1的形状，以及，通过设置条件使两个不同的矩阵不能产生同一种形状。

在一种实施方式中，还可以在对训练集中的图像进行基础形状的搜索的过程中，删除出现频率低于预设阈值的基础形状，动态更新所述基础形状的集合。

其中，对所述训练集图像进行基础形状搜索，即，从训练集图像中发现初始基础形状出现的频率。在搜索过程中，可以通过机器学习，发现新的基础形状并记录，将新的基础形状增加进入基础形状的集合，动态更新基础形状的集合，以进一步提高码本的适用性，进而提高图像的压缩比。

以及，可以在一批图片的搜索完成后，设置一个与这批图片数量相关的预设阈值，如0.2batch，即，0.2倍于这批图片数量的数值，当某一基础形状出现的频率低于预设阈值时，则删除该基础形状，更新基础形状的集合，以此减少存储码本所需的空间和查找码字所需的路径长度。

结合上述实施例，相应地，本发明还提供了一种图像压缩文件解码的方法，将三元组集合与待编码图像的尺寸等头部信息合并生成压缩文件之后，执行包括如下步骤：

获取待解码图像的压缩文件；

从所述压缩文件中提取所述三元组集合与所述待解码图像的尺寸信息；

依据所述码本，获取与所述三元组集合中的码字对应的基础形状；

依据所述三元组集合中的基础形状的位置，将所述基础形状填充到图片中，恢复所述待解码图像。

具体地，由于所述压缩文件中包含三元组集合与待解码图像的尺寸信息，依据与图像编码时所使用的相同的码本，则可以根据三元组集合中的码字获得对应的基础形状，再依据三元组集合中的基础形状的位置，将基础形状填充到待解码图像的尺寸信息对应的图片中，则可以恢复所述待解码图像。

解码与编码的执行步骤是完全相反的步骤，所依据的码本需要相同，在应用过程中，编码端和解码端所使用的码本可以同步更新。

上述实施例针对图像的训练、编码、解码进行了介绍，用于减少图像的压缩文件大小，提高图像无损压缩的压缩比，并尤其适用于二值图像。

此外，考虑到灰度图像的每一个像素点的像素强度值在0～255之间变化，若灰度图像直接采用上述实施例所提供的方法进行编解码，则运算量和压缩文件均较大，为进一步减少灰度图像的运算量和压缩文件大小，本发明还针对灰度图像的训练、编码、解码提供了相应的方法。

有鉴于此，在一种实施方式中，本发明实施例提供了一种针对灰度图像的训练方法，具体包括如下步骤：

当所述训练集图像为灰度图像时，获取所述训练集图像之后，

通过预测编码，将所述训练集图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将所述训练集图像分为形状层和细节层；

通过搜索和动态更新，分别获得形状层的码本和细节层的码本；

其中，所述形状层的码本包括所述基础形状及所述基础形状对应的码字，所述细节层的码本包括细节层中每个像素的强度值及所述强度值对应的码字；

其中，获取所述形状层的码本，包括：

根据所述初始基础形状，对所述训练集图像中的形状层进行基础形状搜索，获得各个初始基础形状的频率；

在搜索的过程中，根据各个初始基础形状的频率，对所述初始基础形状组成的集合进行动态更新；

根据搜索得到的每个基础形状的频率和大小，为每个基础形状分配相对应的权重；

根据所述权重，通过哈夫曼编码，得到每个基础形状对应的形状层的码字；

将所述形状层的码字与对应的基础形状存储为所述形状层的码本。

其中，通过预测编码，将所述训练集图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值。

其中，通过所述预测编码，将所述训练集图像用预测后的误差来表示，并将误差的取值范围映射到非负值，可以有效对灰度图像中的空间冗余和编码冗余进行进一步压缩。

示例性的，针对一块像素强度值连续为125的像素区域，则可以合理预测下一像素强度值也为125。当某一次预测值为125，实际值为124时，则将误差写作1。

示例性的，针对像素强度值沿行方向或列方向连续变化为125、124、123、122的像素区域，则可以合理预测下一像素强度值为121。当某一次预测值为121，实际值为122时，则将误差写作-1，将所述该误差映射到非负值则为1。

此外，可以根据如下公式划分形状层和细节层：

Y_S＝Y//2^l

Y_d＝Y％2^l

其中，Y表示分层前的图像，Y_s表示形状层图像，Y_d表示细节层图像，l表示要分层的层数。上下两个公式分别代表取整和取余数操作。

形状层通过形状和位置的集合进行编码，细节层则完整的保留图像数据，进行哈夫曼编码或分块编码以进一步消除编码冗余。

通过本实施例，由于对整片像素值相同或相关的图像区域的像素进行预测，消除了灰度图像中的空间冗余。

在本实施例中，将所述训练集图像分为形状层和细节层，与二值图像相同，形状层采用搜索的方法得到形状集合，并依据形状的频率和大小得到形状层的码本。同时，根据细节层的像素强度值的出现频率，得到细节层的码本。

通过本实施例，获取码本的训练阶段中，在获取训练集图像之后，通过预测编码、映射以及分层的预处理，有利于对图像的压缩。

参照图4，图4是本发明实施例提供的一种灰度图像的编码流程示意图。如图4所示，结合上述实施例，在一种实施方式中，本发明实施例还提供了一种针对灰度图像的编码方法，具体包括如下步骤：

当所述待编码图像为灰度图像时，获取所述待编码图像之后，

通过预测编码，将所述待编码图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将预测图像分为形状层和细节层；

分别对所述形状层和对所述细节层进行编码，以获得所述形状层的编码数据和所述细节层的编码数据；

所述形状层的编码数据依据训练得到的形状层的码本获得，包括：依据训练得到的形状层的码本，获得所述基础形状对应的码字，依次将所述编码数据中每一次填充图片所使用的基础形状的位置和所述基础形状对应的码字保存为三元组，获得所述形状层的编码数据，所述三元组包括所述基础形状的行位置、列位置、码字；所述基础形状的位置使用位置差表示，所述位置差使用哥伦布编码；

所述细节层的编码数据依据训练得到的细节层的码本获得，包括：依据训练得到的细节层的码本，获得所述细节层的码字，按照从左到右、从上到下的顺序使用细节层的码字表示细节层像素的强度值，获得所述细节层的编码数据；

将所述形状层的编码数据、所述细节层的编码数据与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。

其中，形状层的编码数据至少包括基础形状的位置和对应的码字；细节层的编码数据至少包括像素的强度值对应的码字。

如图4所示，在本实施例中，对灰度图像进行压缩编码时，需要进行包括预测、映射和分层在内的预处理，其中，针对形状层和细节层，则分别依据两层的码本，获得对应的编码数据，将两层的编码数据与待编码图像的尺寸等信息合并后生成压缩文件。

其中，所述细节层的码本所使用的编码可选哈夫曼编码、定长编码、分块编码等常见编码中的一者，本实施例对此不作限制。

结合上述实施例，在一种实施方式中，本发明实施例还提供了一种针对灰度图像的解码方法，具体包括如下步骤：

当所述待解码图像为灰度图像时，

获取所述待解码图像的压缩文件；

从所述压缩文件中提取形状层的压缩数据，细节层的压缩数据和所述待解码图像的头部信息；

依据所述码本，分别获取形状层图像与细节层图像；

按照与编码相反的流程，依次进行形状层和细节层的合并、映射、反预测编码，恢复所述待解码图像。

在本实施例中，解码同样是编码的逆向过程，但是，灰度图像由形状层和细节层组成。因此，对灰度图像的解码需要获取与形状层和细节层分别对应的图像，并恢复为待解码图像。

此外，以RGB图像举例，考虑到彩色图像的每一个像素点由RGB红绿蓝三色子像素组成，而每一子像素的强度值在0～255之间变化，若彩色图像直接采用上述实施例所提供的方法进行编解码，则运算量和压缩文件则进一步增大，为进一步减少彩色图像的运算量和压缩文件大小，本发明还针对彩色图像的训练、编码、解码提供了相应的方法。

有鉴于此，在一种实施方式中，本发明实施例提供了一种针对彩色图像的训练方法，具体包括如下步骤：

当所述待编码图像为彩色图像时，

通过颜色空间转化，获得所述待编码图像对应的三个灰度图像，针对每个灰度图像，执行如下压缩方法：

通过预测编码，将所述灰度图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将预测图像分为形状层和细节层；

分别对所述形状层和对所述细节层进行编码，以获得所述形状层的编码数据和所述细节层的编码数据；

所述形状层的编码数据依据训练得到的形状层的码本获得，包括：依据训练得到的形状层的码本，获得所述基础形状对应的码字，依次将所述编码数据中每一次填充图片所使用的基础形状的位置和所述基础形状对应的码字保存为三元组，获得所述形状层的编码数据，所述三元组包括所述基础形状的行位置、列位置、码字；所述基础形状的位置使用位置差表示，所述位置差使用哥伦布编码；

所述细节层的编码数据依据训练得到的细节层的码本获得，包括：依据训练得到的细节层的码本，获得所述细节层的码字，按照从左到右、从上到下的顺序使用细节层的码字表示细节层像素的强度值，获得所述细节层的编码数据；

将所述形状层的编码数据、所述细节层的编码数据和所述待编码图像的头部信息合并生成第一压缩文件；

将所述三个灰度图像各自对应的第一压缩文件合并生成所述待编码图像的压缩文件。

参照图5，图5是本发明实施例提供的一种彩色图像的编码流程示意图。如图5所示，本实施例可以增加一个颜色空间转换模块，在待编码图像为彩色图像时，分别提取红色、绿色、蓝色子像素组成的灰度图像，将每一个待编码图像转换为对应的红色灰度图像、绿色灰度图像和蓝色灰度图像，再分别针对每一个灰度图像执行本发明实施例提供的软压缩方法，进行训练、编码和解码。

通过本实施例，进一步减少了码字长度，压缩了空间冗余和编码冗余，进而减少了彩色图像后续编解码处理的运算量和压缩文件的大小。

相应地，在一种实施方式中，本发明还提供了一种彩色图像压缩文件解码的方法，具体包括：

当所述待解码图像为彩色图像时，

获取所述待解码图像的压缩文件；

获取所述压缩文件包含的三个第一压缩文件；

针对每个所述第一压缩文件：

从所述第一压缩文件中提取形状层的压缩数据，细节层的压缩数据和所述待解码图像的头部信息；

依据所述码本，分别获取形状层图像与细节层图像；

按照与编码相反的流程，依次进行形状层和细节层的合并、映射、反预测编码，恢复所述第一压缩文件对应的第一待解码图像；

通过颜色空间转化，将所述三个第一压缩文件各自对应的第一待解码图像合并恢复为所述待解码图像。

在本实施例中，第一待解码图像则相应包括了待解码图像中提取的红色灰度图像、绿色灰度图像、蓝色灰度图像，将红色灰度图像、绿色灰度图像、蓝色灰度图像通过颜色空间再次转化则可以恢复为待解码的彩色图像。此外，在一种实施方式中，在训练集图像是彩色图像时，同样可以利用颜色空间转换模块，分别提取红色、绿色、蓝色子像素组成的灰度图像，将每一个待编码图像转换为对应的红色灰度图像、绿色灰度图像和蓝色灰度图像，再分别针对每一个灰度图像进行训练。

通过上述实施例，本发明实现了以下有益效果：

(1)、利用基础形状的码字和在图像中的位置，对图像进行表示，使图像压缩和解压缩的过程中，同时高效消除了图像中存在的编码冗余和空间冗余，实现了高压缩比的无损压缩。

(2)、依据上述核心构思，分别对二值图像、灰度图像和彩色图像的训练、编码和解码进行了进一步的改进，尤其使灰度图像和彩色图像的编码冗余和空间冗余被进一步消除，实现了高压缩比的无损压缩。

参照图6，图6是本发明实施例提供的一种二值图像的软压缩系统结构示意图。如图6所示，结合上述实施例，本发明实施例提供了一种软压缩系统，具体包括：

形状设计单元，用于设计初始基础形状；

频率搜索单元，用于搜索训练集图像中基础形状的频率；

形状集更新单元，用于根据基础形状的频率和尺寸，对初始基础形状的集合进行动态更新，并获得筛选后的基础形状集合；

码本生成单元，用于根据基础形状的频率和大小，分配相应权重，根据权重进行哈夫曼编码得到基础形状对应的码字，生成码本；

存储和传输单元，用于对码本进行存储和传输，将码本更新至编码端和解码端；

编码单元，用于依据训练得到的码本，基于图像中基础形状所对应的码字和形状的位置信息，对图像进行编码，生成压缩文件；

解码单元，用于依据训练得到的码本，基于压缩文件中码字所对应的基础形状和形状的位置信息，对压缩文件进行解码，恢复图像。

此外，本实施例还可以在每一次更新码本后，使用图像测试集，对训练得到的码本进行测试，测试图像的编码和解码性能。

其中，编码单元位于编码端，在编码端使用编码器，所述编码器内置训练得到的码本，依据所述码本，通过基础形状的映射，对基础形状进行符号编码，得到基础形状对应的码字，进而将形状的码字和位置信息与图像尺寸等信息合并得到压缩后的数据，即，压缩文件。

在解码端使用解码器，解码单元位于解码端，所述解码器内置与编码器相同的码本，依据所述码本，通过对压缩文件中的码字进行符号解码，得到码字对应的基础形状，并通过逆映射得到原图像。

优选地，训练所使用的形状设计单元，频率搜索单元，形状集更新单元，码本生成单元，存储和传输单元可以均设置于服务器端。

参照图7，图7是本发明实施例提供的一种灰度图像的软压缩系统结构示意图。如图7所示，结合上述实施例，本发明实施例提供了一种软压缩系统，具体包括：

形状设计单元，用于设计初始基础形状；

图像预处理单元，用于对图像进行预测编码，并将误差映射到非负值，以及，将图像分为形状层和细节层；

频率搜索单元，用于搜索训练集图像中基础形状的频率；

形状集更新和细节获取单元，用于根据基础形状的频率和尺寸，对初始基础形状的集合进行动态更新，并获得筛选后的基础形状集合，以及获取图像细节层中的像素强度值细节；

码本生成单元，用于根据基础形状的频率和大小，分配相应权重，根据权重进行哈夫曼编码得到基础形状对应的形状层的码字，生成形状层的码本；以及根据细节层的细节强度值及频率，对细节层的细节强度值进行编码，生成细节层的码本；

存储和传输单元，用于对形状层的码本和细节层的码本进行存储和传输，将形状层的码本和细节层的码本更新至编码端和解码端

编码单元，用于依据训练得到的形状层的码本和细节层的码本，基于图像中基础形状所对应的形状层的码字、细节层的码字，以及，形状的位置信息，对图像进行编码，生成压缩文件；

解码单元，用于依据训练得到的形状层的码本和细节层的码本，基于压缩文件中形状层的码字和细节层的码字所对应的基础形状和形状的位置信息，对压缩文件进行解码，恢复图像。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本实施例中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种图像无损压缩方法，进行了详细介绍，本实施例中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种图像无损压缩方法，其特征在于，所述方法包括：

获取待编码图像；

根据基础形状的权重从大到小，依次以所述基础形状填充所述待编码图像；

依据训练得到的码本，获得用于填充所述待编码图像的基础形状所对应的码字；

依次将每一次填充所使用的基础形状的位置和码字保存为三元组，所述三元组包括所述基础形状的行位置、列位置、码字；

将三元组集合与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。

2.根据权利要求1所述的方法，其特征在于，获取待编码图像之前，还包括：

获取初始基础形状；

获取训练集图像；

根据所述初始基础形状，对所述训练集图像进行基础形状搜索，获得各个初始基础形状的频率；

在搜索过程中，根据各个初始基础形状的频率，对所述初始基础形状组成的集合进行动态更新；

根据搜索和动态更新后得到的每个基础形状的频率和大小，为每个基础形状分配相对应的权重；

根据所述权重，通过哈夫曼编码，得到每个基础形状对应的码字；

将所述码字与对应的基础形状存储为码本。

3.根据权利要求1所述的方法，其特征在于，将三元组集合与待编码图像的头部信息合并生成压缩文件之后，还包括：

获取待解码图像的压缩文件；

从所述压缩文件中提取所述三元组集合与所述待解码图像的头部信息；

依据所述码本，获取与所述三元组集合中的码字对应的基础形状；

依据所述三元组集合中的基础形状的位置，将所述基础形状填充到图片中，恢复所述待解码图像。

4.根据权利要求2所述的方法，其特征在于，获取初始基础形状，包括：

获取任意由0和1组成的M×N的矩阵；

获得所述矩阵的行向量u_i和列向量v_j；

在所述行向量u_i和列向量v_j分别符合如下公式时：

将所述矩阵中的0去掉之后剩余的像素点所组成的基础形状，作为所述初始基础形状；

其中，0代表图像的黑色像素点。

5.根据权利要求2所述的方法，其特征在于，还包括：

对训练集中的图像进行基础形状的搜索的过程中，删除出现频率低于预设阈值的基础形状，动态更新所述基础形状的集合。

6.根据权利要求2所述的方法，其特征在于，还包括：

当所述训练集图像为灰度图像时，获取所述训练集图像之后，

通过预测编码，将所述训练集图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将所述训练集图像分为形状层和细节层；

通过搜索和动态更新，分别获得形状层的码本和细节层的码本；

其中，所述形状层的码本包括所述基础形状及所述基础形状对应的码字，所述细节层的码本包括细节层中每个像素的强度值及所述强度值对应的码字；

其中，获取所述形状层的码本，包括：

根据所述初始基础形状，对所述训练集图像中的形状层进行基础形状搜索，获得各个初始基础形状的频率；

在搜索的过程中，根据各个初始基础形状的频率，对所述初始基础形状组成的集合进行动态更新；

根据搜索得到的每个基础形状的频率和大小，为每个基础形状分配相对应的权重；

根据所述权重，通过哈夫曼编码，得到每个基础形状对应的形状层的码字；

将所述形状层的码字与对应的基础形状存储为所述形状层的码本。

7.根据权利要求1所述的方法，其特征在于，还包括：

当所述待编码图像为灰度图像时，获取所述待编码图像之后，

通过预测编码，将所述待编码图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将预测图像分为形状层和细节层；

分别对所述形状层和对所述细节层进行编码，以获得所述形状层的编码数据和所述细节层的编码数据；

所述形状层的编码数据依据训练得到的形状层的码本获得，包括：依据训练得到的形状层的码本，获得所述基础形状对应的码字，依次将所述编码数据中每一次填充图片所使用的基础形状的位置和所述基础形状对应的码字保存为三元组，获得所述形状层的编码数据，所述三元组包括所述基础形状的行位置、列位置、码字；所述基础形状的位置使用位置差表示，所述位置差使用哥伦布编码；

所述细节层的编码数据依据训练得到的细节层的码本获得，包括：依据训练得到的细节层的码本，获得所述细节层的码字，按照从左到右、从上到下的顺序使用细节层的码字表示细节层像素的强度值，获得所述细节层的编码数据；

将所述形状层的编码数据、所述细节层的编码数据与所述待编码图像的头部信息合并生成所述待编码图像的压缩文件。

8.根据权利要求3所述的方法，其特征在于，还包括：

当所述待解码图像为灰度图像时，

获取所述待解码图像的压缩文件；

从所述压缩文件中提取形状层的压缩数据，细节层的压缩数据和所述待解码图像的头部信息；

依据所述码本，分别获取形状层图像与细节层图像；

按照与编码相反的流程，依次进行形状层和细节层的合并、映射、反预测编码，恢复所述待解码图像。

9.根据权利要求1所述的方法，其特征在于，还包括：

当所述待编码图像为彩色图像时，

通过颜色空间转化，获得所述待编码图像对应的三个灰度图像，针对每个灰度图像，执行如下压缩方法：

通过预测编码，将所述灰度图像用预测后的误差来表示；

将所述误差的取值范围映射到非负值；

将预测图像分为形状层和细节层；

分别对所述形状层和对所述细节层进行编码，以获得所述形状层的编码数据和所述细节层的编码数据；

所述形状层的编码数据依据训练得到的形状层的码本获得，包括：依据训练得到的形状层的码本，获得所述基础形状对应的码字，依次将所述编码数据中每一次填充图片所使用的基础形状的位置和所述基础形状对应的码字保存为三元组，获得所述形状层的编码数据，所述三元组包括所述基础形状的行位置、列位置、码字；所述基础形状的位置使用位置差表示，所述位置差使用哥伦布编码；

所述细节层的编码数据依据训练得到的细节层的码本获得，包括：依据训练得到的细节层的码本，获得所述细节层的码字，按照从左到右、从上到下的顺序使用细节层的码字表示细节层像素的强度值，获得所述细节层的编码数据；

将所述形状层的编码数据、所述细节层的编码数据和所述待编码图像的头部信息合并生成第一压缩文件；

将所述三个灰度图像各自对应的第一压缩文件合并生成所述待编码图像的压缩文件。

10.根据权利要求3所述的方法，其特征在于，还包括：

当所述待解码图像为彩色图像时，

获取所述待解码图像的压缩文件；

获取所述压缩文件包含的三个第一压缩文件；

针对每个所述第一压缩文件：

从所述第一压缩文件中提取形状层的压缩数据，细节层的压缩数据和所述待解码图像的头部信息；

依据所述码本，分别获取形状层图像与细节层图像；

按照与编码相反的流程，依次进行形状层和细节层的合并、映射、反预测编码，恢复所述第一压缩文件对应的第一待解码图像；

通过颜色空间转化，将所述三个第一压缩文件各自对应的第一待解码图像合并恢复为所述待解码图像。

Images