CN114710677B - 图像压缩方法、装置、存储介质及终端 - Google Patents
图像压缩方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN114710677B CN114710677B CN202210249603.XA CN202210249603A CN114710677B CN 114710677 B CN114710677 B CN 114710677B CN 202210249603 A CN202210249603 A CN 202210249603A CN 114710677 B CN114710677 B CN 114710677B
- Authority
- CN
- China
- Prior art keywords
- image
- odd
- inverse transform
- transform coefficients
- samples
- 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.)
- Active
Links
Classifications
-
- 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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
-
- 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
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
-
- 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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
Abstract
本发明提供一种图像压缩方法、装置、存储介质及终端,所述方法包括:获取待压缩目标图像;基于离散小波变换分解所述待压缩目标图像以得到多个图像子带;对所述图像子带进行奇偶采样以得到奇数样本和偶数样本;基于所述奇数样本和偶数样本计算逆变换系数;基于所述逆变换系数对所述图像子带进行图像重建以得到压缩图像。本发明对数字图像压缩处理过程进行优化,创造性地使用基本代数运算代替基于卷积的运算,并且允许局部计算,不仅可以节省计算步骤,降低数字图像处理的复杂性,大幅缩短编码时间、降低图像存储空间需求、芯片功耗以及处理时间,为更多的实时应用实现高吞吐量的硬件/软件架构,满足未来更高速和更低功耗图像处理器的性能需求。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像压缩方法、装置、存储介质及终端。
背景技术
目前,离散小波变换技术(Discrete wavelet transform,简称DWT)在数字图像压缩和去噪应用中表现出良好的性能,该技术已成为涉及JPEG2000静止图像压缩标准和FBI小波标量量化的源编码变换的通用技术。
然而,基于此技术的现有数字图像压缩方法虽然具有高压缩比和建设性图像保真度的特点,但它们通常需要较长的编码时间,这已不能满足越来越多的特定应用程序的开发需求诸如:更低的存储空间需求,更快的传输速度以及最小化的芯片功耗。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种图像压缩方法、装置、存储介质及终端,用于解决现有技术中的图像压缩方法编码时间长、存储空间需求大、传输速度慢、芯片功耗高的技术问题。
为实现上述目的及其它相关目的,本发明的第一方面提供一种图像压缩方法,包括:获取待压缩目标图像;基于离散小波变换分解所述待压缩目标图像以得到多个图像子带;对所述图像子带进行奇偶采样以得到奇数样本和偶数样本;基于所述奇数样本和偶数样本计算逆变换系数;基于所述逆变换系数对所述图像子带进行图像重建以得到压缩图像。
于本发明的第一方面的一些实施例中,所述逆变换系数包括高通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行求和处理以获得所述高通逆变换系数。
于本发明的第一方面的一些实施例中,所述逆变换系数包括低通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行差分处理以获得所述低通逆变换系数。
于本发明的第一方面的一些实施例中,所述基于所述奇数样本和偶数样本进行求和处理,其包括:基于所述奇数样本的实际值进行预测以得到样本预测值;基于所述样本预测值与所述偶数样本的实际值的差值求平均得到平均值;对所述奇数样本的实际值和所述平均值求和得到所述高通逆变换系数。
于本发明的第一方面的一些实施例中,所述基于所述奇数样本和偶数样本进行差分处理,其包括:基于所述奇数样本的实际值进行预测以得到样本预测值;对所述样本预测值与所述偶数样本求差以得到所述低通逆变换系数。
于本发明的第一方面的一些实施例中,所述基于离散小波变换分解所述待压缩目标图像以得到多个图像子带,其包括:基于离散小波变换多级分解所述待压缩目标图像直至预设层级以得到多个图像子带;所述图像子带包括低频子带、横向低频纵向高频子带、横向高频纵向低频子带和横向高频纵向高频子带;其中,前一级输出的低频子带为下一级分解的输入。
于本发明的第一方面的一些实施例中,所述方法包括:基于可逆双正交小波基对所述待压缩目标图像进行离散小波变换。
为实现上述目的及其它相关目的,本发明的第二方面提供一种图像压缩装置,包括:图像获取模块,用于获取待压缩目标图像;图像分解模块,用于基于离散小波变换分解所述待压缩目标图像以得到多个图像子带;奇偶采样模块,用于对所述图像子带进行奇偶采样以得到奇数样本和偶数样本;系数计算模块,用于基于所述奇数样本和偶数样本计算逆变换系数;逆变换模块,用于基于所述逆变换系数对所述图像子带进行图像重建以得到压缩图像。
为实现上述目的及其它相关目的,本发明的第三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所述图像压缩方法。
为实现上述目的及其它相关目的,本发明的第四方面提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行所述图像压缩方法。
如上所述,本发明提出一种图像压缩方法、装置、存储介质及终端,其具有以下有益效果:基于增强离散小波变换技术(Lifting Discrete wavelet transform,简称Lifting DWT,或简称增强技术)优化数字图像压缩处理过程,创造性地使用基本代数运算代替复杂的基于卷积的运算,并且允许局部计算,不仅可以节省计算步骤,降低数字图像处理的复杂性,从而大幅缩短编码时间、降低图像存储空间需求、芯片功耗以及处理时间,进一步为更多的实时应用实现高吞吐量的硬件/软件架构,满足未来更高速和更低功耗图像处理器的性能需求;该技术适用于FPGA(现场可编程逻辑门阵列,Field ProgrammableGate Array)及ASIC(专用集成电路,Application Specific Integrated Circuit)上针对高吞吐量、低功耗、小面积的图像处理器设计需求,并且非常契合及满足AR(增强现实,Augmented Reality)/VR(虚拟现实技术,Virtual Reality)硬件处理器原型的设计需求。
附图说明
图1显示为本发明一实施例中一种图像压缩方法的流程示意图。
图2显示为本发明一实施例中一种基于二维离散小波变换的图像分解流程示意图。
图3显示为本发明一实施例中一种增强技术的路径框架示意图。
图4显示为本发明一实施例中一种待压缩目标图像。
图5显示为本发明一实施例中一种分解图像。
图6显示为本发明一实施例中一种图像压缩装置的结构示意图。
图7显示为本发明一实施例中一种电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其它优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,在下述描述中,参考附图,附图描述了本发明的若干实施例。应当理解,还可使用其它实施例,并且可以在不背离本发明的精神和范围的情况下进行操作上的改变。下面的详细描述不应该被认为是限制性的,并且本发明的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本发明。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其它特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
本发明提供一种图像压缩方法、装置、存储介质及终端,用于解决现有技术中的图像压缩方法编码时间长、存储空间需求大、传输速度慢、芯片功耗高的技术问题。
为了使本发明的目的、技术方案及优点更加清楚明白,通过下述实施例并结合附图,对本发明实施例中的技术方案进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本发明实施例提出一种图像压缩方法的流程示意图,本实施例的图像压缩方法包括步骤S11~S15,具体阐述如下:
步骤S11.获取待压缩目标图像。例如,可采用小波变换窗口滤波器扫描获取待压缩目标图像;或可从图像数据库中选取待压缩目标图像;或可采用图像传感器采集获取待压缩获取图像。其中,图像传感器可选的有CCD图像传感器、CMOS图像传感器等等。
步骤S12基于离散小波变换分解所述待压缩目标图像以得到多个图像子带。离散小波变换技术使用很少的系数将信号分解为其基向量。其中,基向量应与信号特征相匹配,以有效地表示信号。
在本实施例较佳的实施方式中,所述基于离散小波变换分解所述待压缩目标图像以得到多个图像子带,其包括:基于离散小波变换多级分解所述待压缩目标图像直至预设层级以得到多个图像子带;所述图像子带包括低频子带、横向低频纵向高频子带、横向高频纵向低频子带和横向高频纵向高频子带;其中,前一级输出的低频子带为下一级分解的输入。
如图2所示,本发明实施例提出一种基于二维(2D)离散小波变换的图像分解流程示意图,对该分解过程进行阐述。但需说明的,本发明并不限于二维离散小波变换,也可应用于三维离散小波变换等其它维度的离散小波变换以改进数字图像的压缩处理过程。
图2所示的图像分解流程可具体阐述如下:待压缩目标图像F(x,y)通过一个分析滤波器组来分解,该分析滤波器组在每个阶段由高通滤波器G(x)/G(y)和低通滤波器H(x)/H(y)组成,可首先对x方向做高通滤波和低通滤波处理,获得FH(x,y)和FL(x,y);再沿y方向做高通滤波和低通滤波处理,使得滤波的每个阶段产生四个图像子带:低频子带LL、横向低频纵向高频子带LH、横向高频纵向低频子带HL和横向高频纵向高频子带HH。其中,低频反应图像概貌,高频反应图像细节,LL保持了原始图像的内容信息,HL保持了图像水平方向的高频信息,LH保持了图像竖直方向的高频信息,HH频带保持了原始图像的对角线的高频信息。
进一步地,前一级较低分辨率的参考信号LL成为下一级子采样输入,其相关的细节信号(高频信号)经过每一级滤波后得到。图像的重建过程是在最粗的尺度(即最低的分辨率)上对所有图像子带进行2次以上采样,然后对每个维度的子带进行滤波。在每一级分解之后,得到分辨率降低2倍的参考信号(低频信号)和细节信号。当所有滤波后的子带将被加起来以达到LL子带时,这些信号可用于图像重建。
在本实施例较佳的实施方式中,选取CDF(Cohen-Daubechies-Feauveau,可逆双正交小波变换)小波作为小波基,提取待压缩目标图像的图像数据进行离散小波变化,得到高通系数g(k)和低通系数h(k),其计算公式可分别表示如下:
g(k)=2x(2k+1)-x(2k)-x(2k+2);
h(k)=x(2k)+(g(k-1)+g(k)/8);
其中,g(k)表示第k个高通系数,h(k)表示第k个低通系数,x(k)表示第k个位置的输入像素值。CDF小波具有良好的压缩特性,运算速度快且便于硬件实现,在图像压缩领域应用广泛,尤其适用于本发明。
步骤S13.对所述图像子带进行奇偶采样以得到奇数样本和偶数样本。以CDF小波为例,奇数样本x(2k+1)和偶数样本x(2k)的计算公式可分别表示如下:
x(2k+1)=(g(k)+h(k)+h(k+1)/2);
x(2k)=h(k)-(g(k-1)+g(k+1)/8);
其中,g(k)表示第k个高通系数,h(k)表示第k个低通系数。
步骤S14.基于所述奇数样本和偶数样本计算逆变换系数。所述逆变换系数包括高通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行求和处理以获得所述高通逆变换系数。所述逆变换系数包括低通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行差分处理以获得所述低通逆变换系数。
在本实施例较佳的实施方式中,所述基于所述奇数样本和偶数样本进行求和处理,其包括:基于所述奇数样本的实际值进行预测以得到样本预测值;基于所述样本预测值与所述偶数样本的实际值的差值求平均得到平均值;对所述奇数样本的实际值和所述平均值求和得到所述高通逆变换系数。
在本实施例较佳的实施方式中,所述基于所述奇数样本和偶数样本进行差分处理,其包括:基于所述奇数样本的实际值进行预测以得到样本预测值;对所述样本预测值与所述偶数样本求差以得到所述低通逆变换系数。
如图3所示,本发明实施例提出一种增强技术(lifting-scheme)的路径框架示意图,在奇偶采样(Split)获得奇数样本a和偶数样本b后,通过预测环节(Predict)和更新环节(Update)实现信号的高低频分离。基于信号的局部相关性,通过预测环节获得样本预测值,计算样本实际值与预测值之间的差值d(Difference),d=(b-a)表示差分或高频系数。通过更新环节,将d存储在b的位置,然后根据a和新计算的差值b计算平均值s(Average),s=(a+b)/2表示求和或低通系数。其中,d是g(k),s是h(k),a是x(2k+1),b是x(2k)。
进一步地,基于多项式的符号和反转算法获得逆变换系数。表1和表2分别表示增强技术路径下的正向变换系数和反向变换系数(即逆变换系数),基于正变换系数改变数据流的方向和正负号得到逆变换系数。
表1.增强技术路径的正向变换系数
表2.增强技术路径的反向变换系数
值得一提的是,本发明实施例采用增强技术路径,创造性地使用基本代数运算代替复杂的基于卷积的运算,并且允许局部计算,不涉及全局变量的计算,提高压缩效率,且可以节省计算步骤,降低数字图像处理操作的复杂性,并有助于提高相关应用设计的简单性。以CDF小波变换为例,原始的图像压缩过程中需计算8个滤波器系数,其中包括5个高通系数和3个低通系数;而采用本发明的图像压缩方法则仅需计算4个滤波器系数,其中包括2个高通系数和2个低通系数,大大简化计算过程。
步骤S15.基于所述逆变换系数对所述图像子带进行图像重建以得到压缩图像。该图像重建过程通过LL子带的逆变换达到。逆变换过程中将多项式符号反转,即:负变正,正变负,同时算法流程图转为逆向。
举例说明,如下所示为基于离散小波变换的图像分解代码:
for i from 0by 256to(nt-1)*256do:
imgT:=T(A1,nt,ROW,i):
end do:
for i from 0 by 1 to nt-1 do:
imgT:=T(A1,nt,COL,i):
end do:
View(Create(imgT));
图4所示为图像分解之前的原始图像(即待压缩目标图像),图5为一级分解后的分解图像。需说明的是。分解的级数(即滤波器级数)可按照实际需求设计,本实施例对此不作限定。
进一步地,基于增强技术路径对分解图像进行图像重建,增强技术路径的代码表示如下:
在一些示例中,选取Maple图像处理软件以实现本发明实施例的图像压缩方法。Maple是数字图像处理的替代软件,其计算量巨大。本示例将增强DWT写入256*256phone.jpg图像的Maple工作表中,通过调用其中的图像工具包可将灰度图像和彩色图像都显示为64位硬件浮点数据的数组。图像工具包用于执行图像处理的各种功能。
在一些实施方式中,所述方法可应用于控制器,所述电控单元例如为ARM(Advanced RISC Machines)控制器、FPGA(Field Programmable Gate Array)控制器、SoC(System on Chip)控制器、DSP(Digital Signal Processing)控制器、或者MCU(Microcontroller Unit)控制器等等。在一些实施方式中,所述方法也可应用于包括存储器、存储控制器、一个或多个处理单元(CPU)、外设接口、RF电路、音频电路、扬声器、麦克风、输入/输出(I/O)子系统、显示屏、其它输出或控制设备,以及外部端口等组件的计算机;所述计算机包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、智能电视、个人数字助理(Personal Digital Assistant,简称PDA)等个人电脑。在另一些实施方式中,所述方法还可应用于服务器,所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上,也可以由分布的或集中的服务器集群构成。
实施例二
如图6所示,本发明实施例提出一种图像压缩装置的结构示意图,该图像压缩装置包括:图像获取模块61,用于获取待压缩目标图像;图像分解模块62,用于基于离散小波变换分解所述待压缩目标图像以得到多个图像子带;奇偶采样模块63,用于对所述图像子带进行奇偶采样以得到奇数样本和偶数样本;系数计算模块64,用于基于所述奇数样本和偶数样本计算逆变换系数;逆变换模块65,用于基于所述逆变换系数对所述图像子带进行图像重建以得到压缩图像。
需要说明的是,本实施例提供的模块与上文中提供的方法、实施方式类似,故不再赘述。另外需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,图像获取模块61可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上图像获取模块61的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital signal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
实施例三
如图7所示,本发明实施例提供一种电子终端的结构示意图。本实施例提供的电子终端,包括:处理器71、存储器72、通信器73;存储器72通过系统总线与处理器71和通信器73连接并完成相互间的通信,存储器72用于存储计算机程序,通信器73用于和其它设备进行通信,处理器71用于运行计算机程序,使电子终端执行如上图像压缩方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其它设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
实施例四
本发明实施例提出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所述图像压缩方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本发明提供一种图像压缩方法、装置、存储介质及终端,将增强离散小波变换技术应用于图像压缩,不仅可以节省计算步骤,降低数字图像处理操作的复杂性,并有助于提高相关应用设计的简单性。在该发明中,创造性地使用基本代数运算代替复杂的基于卷积的运算,并且允许局部计算,提升图像处理器的关键性能,大幅缩短编码时间、降低图像存储空间需求、芯片功耗以及处理时间,进一步为更多的实时应用实现高吞吐量的硬件/软件架构,满足未来更高速和更低功耗图像处理器的性能需求;该技术适用于FPGA及ASIC上针对高吞吐量、低功耗、小面积的图像处理器设计需求,并且非常契合及满足AR/VR硬件处理器原型的设计需求。因此,本发明有效克服了现有技术中的种种缺点而具有高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种图像压缩方法,其特征在于,包括:
获取待压缩目标图像;
基于离散小波变换分解所述待压缩目标图像以得到多个图像子带;
对所述图像子带进行奇偶采样以得到奇数样本和偶数样本;
基于所述奇数样本和偶数样本计算逆变换系数;
其中,所述逆变换系数包括高通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行求和处理以获得所述高通逆变换系数;所述基于所述奇数样本和偶数样本进行求和处理包括:基于所述奇数样本的实际值进行预测以得到样本预测值;基于所述样本预测值与所述偶数样本的实际值的差值求平均得到平均值;对所述奇数样本的实际值和所述平均值求和得到所述高通逆变换系数;
所述逆变换系数包括低通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行差分处理以获得所述低通逆变换系数;所述基于所述奇数样本和偶数样本进行差分处理包括:基于所述奇数样本的实际值进行预测以得到样本预测值;对所述样本预测值与所述偶数样本求差以得到所述低通逆变换系数;
基于所述高通逆变换系数以及低通逆变换系数对所述图像子带进行图像重建以得到压缩图像。
2.根据权利要求1所述的图像压缩方法,其特征在于,所述基于离散小波变换分解所述待压缩目标图像以得到多个图像子带,其包括:
基于离散小波变换多级分解所述待压缩目标图像直至预设层级以得到多个图像子带;所述图像子带包括低频子带、横向低频纵向高频子带、横向高频纵向低频子带和横向高频纵向高频子带;其中,前一级输出的低频子带为下一级分解的输入。
3.根据权利要求1所述的图像压缩方法,其特征在于,包括:基于可逆双正交小波基对所述待压缩目标图像进行离散小波变换。
4.一种图像压缩装置,其特征在于,包括:
图像获取模块,用于获取待压缩目标图像;
图像分解模块,用于基于离散小波变换分解所述待压缩目标图像以得到多个图像子带;
奇偶采样模块,用于对所述图像子带进行奇偶采样以得到奇数样本和偶数样本;
系数计算模块,用于基于所述奇数样本和偶数样本计算逆变换系数;
其中,所述逆变换系数包括高通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行求和处理以获得所述高通逆变换系数;所述基于所述奇数样本和偶数样本进行求和处理包括:基于所述奇数样本的实际值进行预测以得到样本预测值;基于所述样本预测值与所述偶数样本的实际值的差值求平均得到平均值;对所述奇数样本的实际值和所述平均值求和得到所述高通逆变换系数;
所述逆变换系数包括低通逆变换系数,其计算方式包括:基于所述奇数样本和偶数样本进行差分处理以获得所述低通逆变换系数;所述基于所述奇数样本和偶数样本进行差分处理包括:基于所述奇数样本的实际值进行预测以得到样本预测值;对所述样本预测值与所述偶数样本求差以得到所述低通逆变换系数;
逆变换模块,用于基于所述高通逆变换系数以及低通逆变换系数对所述图像子带进行图像重建以得到压缩图像。
5.一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至3中任一项所述图像压缩方法。
6.一种电子终端,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至3中任一项所述图像压缩方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022100325474 | 2022-01-12 | ||
CN202210032547 | 2022-01-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114710677A CN114710677A (zh) | 2022-07-05 |
CN114710677B true CN114710677B (zh) | 2023-07-18 |
Family
ID=82169478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210249603.XA Active CN114710677B (zh) | 2022-01-12 | 2022-03-14 | 图像压缩方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114710677B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101755464A (zh) * | 2006-12-07 | 2010-06-23 | 高通股份有限公司 | 基于行的视频码率控制和压缩 |
CN102804173A (zh) * | 2009-06-24 | 2012-11-28 | 高通股份有限公司 | 用于媒体数据译码的8点变换 |
CN103280221A (zh) * | 2013-05-09 | 2013-09-04 | 北京大学 | 一种基于基追踪的音频无损压缩编码、解码方法及系统 |
CN107483964A (zh) * | 2017-08-07 | 2017-12-15 | 山东交通学院 | 一种利用gpu实现jpeg2000解压缩算法中逆小波变换的加速方法 |
JP2018011159A (ja) * | 2016-07-12 | 2018-01-18 | キヤノン株式会社 | 画像符号化装置及び画像復号装置及びそれらの制御方法及びプログラム |
CN112134567A (zh) * | 2020-08-28 | 2020-12-25 | 北京航空航天大学 | 一种吸收光谱数据的自适应实时压缩方法与系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7228000B2 (en) * | 2002-03-15 | 2007-06-05 | Ricoh Co., Ltd. | Image data generation with reduced amount of processing |
CN101267558A (zh) * | 2008-05-04 | 2008-09-17 | 西安电子科技大学 | Jpeg2000标准中基于码块的低存储编码器及其编码方法 |
CN101697150A (zh) * | 2009-02-20 | 2010-04-21 | 北京航空航天大学 | 一种基于提升格式的9/7小波变换优化实现方法 |
US8170333B2 (en) * | 2011-10-13 | 2012-05-01 | University Of Dayton | Image processing systems employing image compression |
US9531915B2 (en) * | 2013-12-04 | 2016-12-27 | Aspeed Technology Inc. | Image encoding system and method thereof |
CN106612438A (zh) * | 2016-01-28 | 2017-05-03 | 四川用联信息技术有限公司 | 一种基于重叠分区高级小波变换技术的图像压缩方法 |
CN114390296A (zh) * | 2019-07-15 | 2022-04-22 | 华为技术有限公司 | 基于小波变换的图像编解码方法及装置 |
-
2022
- 2022-03-14 CN CN202210249603.XA patent/CN114710677B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101755464A (zh) * | 2006-12-07 | 2010-06-23 | 高通股份有限公司 | 基于行的视频码率控制和压缩 |
CN102804173A (zh) * | 2009-06-24 | 2012-11-28 | 高通股份有限公司 | 用于媒体数据译码的8点变换 |
CN103280221A (zh) * | 2013-05-09 | 2013-09-04 | 北京大学 | 一种基于基追踪的音频无损压缩编码、解码方法及系统 |
JP2018011159A (ja) * | 2016-07-12 | 2018-01-18 | キヤノン株式会社 | 画像符号化装置及び画像復号装置及びそれらの制御方法及びプログラム |
CN107483964A (zh) * | 2017-08-07 | 2017-12-15 | 山东交通学院 | 一种利用gpu实现jpeg2000解压缩算法中逆小波变换的加速方法 |
CN112134567A (zh) * | 2020-08-28 | 2020-12-25 | 北京航空航天大学 | 一种吸收光谱数据的自适应实时压缩方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114710677A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109671026B (zh) | 基于空洞卷积及自动编解码神经网络的灰度图像降噪方法 | |
Huang et al. | WINNet: Wavelet-inspired invertible network for image denoising | |
US7826676B2 (en) | Method for filtering data with arbitrary kernel filters | |
CN110533591B (zh) | 基于编解码器结构的超分辨图像重建方法 | |
CN113079378B (zh) | 图像处理方法、装置和电子设备 | |
Sović et al. | Signal decomposition methods for reducing drawbacks of the DWT | |
CN115456918B (zh) | 一种基于小波高频通道合成的图像去噪方法及装置 | |
CN111008936A (zh) | 一种多光谱图像全色锐化方法 | |
Naveed et al. | Multiscale image denoising using goodness-of-fit test based on EDF statistics | |
Young et al. | Gaussian lifting for fast bilateral and nonlocal means filtering | |
CN113962882B (zh) | 一种基于可控金字塔小波网络的jpeg图像压缩伪影消除方法 | |
CN111127300B (zh) | 基于图像金字塔分解的去噪方法、装置及系统 | |
CN114710677B (zh) | 图像压缩方法、装置、存储介质及终端 | |
CN107133921B (zh) | 基于多层次邻域嵌入的图像超分辨率重建方法及系统 | |
Bull et al. | Optimization of image coding algorithms and architectures using genetic algorithms | |
Yang et al. | A block-based architecture for lifting scheme discrete wavelet transform | |
Emara et al. | Image compression using advanced optimization algorithms | |
Xiao et al. | A general model compression method for image restoration network | |
Mo et al. | Single infrared image super‐resolution based on lightweight multi‐path feature fusion network | |
Safari et al. | The application of lifting DWT in digital image processing | |
CN113902618B (zh) | 一种基于多模态空间滤波的图像超分算法 | |
Sun et al. | Lightweight wavelet-based network for jpeg artifacts removal | |
CN113343610B (zh) | 一种消除转置存储器的二维离散小波变换vlsi设计方法 | |
Kannan et al. | An efficient vlsi architecture for 3d-dwt using lifting scheme | |
Rajeshwari et al. | DWT based Multimedia Compression |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |