CN115775283A - 图像压缩方法、装置、存储介质及计算机设备 - Google Patents
图像压缩方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN115775283A CN115775283A CN202211430798.4A CN202211430798A CN115775283A CN 115775283 A CN115775283 A CN 115775283A CN 202211430798 A CN202211430798 A CN 202211430798A CN 115775283 A CN115775283 A CN 115775283A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- complexity
- code rate
- correlation function
- 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.)
- Pending
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请实施例公开了图像压缩方法、装置、存储介质及计算机设备,该方法包括:获取待压缩图像的特征值;获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度;根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理。本申请可以使得对图像进行压缩处理的灵活性较高。
Description
技术领域
本申请涉及计算机领域,具体涉及一种图像压缩方法、装置、计算机可读存储介质及计算机设备。
背景技术
随着游戏的发布,游戏包体越来越大,其中贴图占了很大一部分。为了减小游戏包体,需要对游戏包体中的图像进行压缩。相关技术提供的压缩方案,如ASTC(AdaptiveScalable Texture Compression)压缩方案提供了多种码率,但通常以一固定码率对不同的图像进行压缩,对图像进行压缩处理的灵活性较差。
发明内容
本申请实施例提供一种图像压缩方法、装置、计算机可读存储介质及计算机设备,可以使得对图像进行压缩处理的灵活性较高。
为解决上述技术问题,本申请实施例提供以下技术方案:
一种图像压缩方法,包括:
获取待压缩图像的特征值;
获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,所述目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;
将所述待压缩图像的特征值输入所述目标相关函数中,得到所述待压缩图像的复杂度;
根据所述待压缩图像的复杂度,获取对应的压缩码率,并根据所述压缩码率对所述待压缩图像进行压缩处理。
一种图像压缩装置,包括:
特征值获取模块,用于获取待压缩图像的特征值;
函数获取模块,用于获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,所述目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;
复杂度确定模块,用于将所述待压缩图像的特征值输入所述目标相关函数中,得到所述待压缩图像的复杂度;
图像压缩模块,用于根据所述待压缩图像的复杂度,获取对应的压缩码率,并根据所述压缩码率对所述待压缩图像进行压缩处理。
一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行上述图像压缩方法中的步骤。
一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述图像压缩方法中的步骤。
本申请实施例中,通过获取待压缩图像的特征值;获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,所述目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;将所述待压缩图像的特征值输入所述目标相关函数中,得到所述待压缩图像的复杂度;根据所述待压缩图像的复杂度,获取对应的压缩码率,并根据所述压缩码率对所述待压缩图像进行压缩处理,从而可根据待压缩图像的复杂度,获取对应的码率,再基于该码率对待压缩图像进行压缩处理,也即是说,对于图像复杂度不同的待压缩图像,获取的码率也会存在不同,对图像进行压缩处理的灵活性较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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为本申请实施例提供的图像压缩方法的第一种流程示意图。
图2为本申请实施例提供的图像压缩方法的第二种流程示意图。
图3为本申请实施例提供的图像压缩装置的结构示意图。
图4为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种图像压缩方法、装置、存储介质及计算机设备。具体地,本申请实施例的图像压缩方法可以由计算机设备执行,其中,该计算机设备可以为终端或者服务器等设备。该终端可以为智能手机、平板电脑、笔记本电脑、触控屏幕、游戏机、个人计算机(PC,Personal Computer)、个人数字助理(Personal Digital Assistant,PDA)等终端设备。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
本申请实施例提供了一种图像压缩方法,该方法可以由终端或服务器执行。本申请实施例以图像压缩方法由终端执行为例来进行说明。
在本实施例中,将从图像压缩装置的角度进行描述,该图像压缩装置具体可以集成在具备储存单元并安装有微处理器而具有运算能力的计算机设备中。
请参阅图1,图1为本申请实施例提供的图像压缩方法的第一种流程示意图。该图像压缩方法包括:
在101中,获取待压缩图像的特征值。
其中,图像特征主要有图像的颜色特征、纹理特征、形状特征和空间关系特征。
颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。
纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。作为一种统计特征,纹理特征常具有旋转不变性,并且对于噪声有较强的抵抗能力。
形状特征有两类表示方法,一类是轮廓特征,另一类是区域特征。图像的轮廓特征主要针对物体的外边界,而图像的区域特征则关系到整个形状区域。
所谓空间关系,是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系,这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。通常空间位置信息可以分为两类:相对空间位置信息和绝对空间位置信息。前一种关系强调的是目标之间的相对情况,如上下左右关系等,后一种关系强调的是目标之间的距离大小以及方位。
本实施例中,对于上述图像特征,仅关注图像的纹理特征,包括基于灰度共生矩阵得到的能量(ASM)特征、对比度(Contract)特征、相关性(Correlation)特征和同质性(Homogeneity)特征,以及边缘特征和MB_LBP特征。灰度共生矩阵是一种典型的纹理特征分析方法,基于该灰度共生矩阵,可以构建一些统计量作为纹理特征。
灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)是描述空间上具有某种分布规律的灰度值组合概率,它是一种经典的统计学方法,在特征检测、图像质量评估中有着重要作用。
对于一张图像,转化成灰度图后,每个像素具有不同的灰度级,灰度共生矩阵表示不同灰度组合同时出现的概率,即灰度图中某种像素对在整个图像中出现的次数。
灰度共生矩阵的定义:灰度为i的像素点的位置为(x,y),距离(a,b)的另一个像素点(x+a,y+b)的灰度为j的概率。在点(x,y)处,特定灰度值组合在图像中出现的频次:
P(i,j|a,b,θ)={(x,y)|f(x,y)=i,f(x+a,y+b)=j},i,j=0,1...L-1
其中,a,b称为距离差分,也叫偏移量。θ为扫描的方向,通常可选0°、45°、90°、135°等,对应水平、垂直以及左右对角线方向。i,j=0,1…L-1表示像素的灰度级。
本实施例中,基于灰度共生矩阵构建的纹理特征包括:
(1)能量(ASM)特征,表示灰度图的灰度值分布均匀程度:
(2)对比度(Contract)特征,表示灰度共生矩阵局部变化,度量一张图像的清晰度以及纹理沟纹深浅。
(3)相关性(Correlation)特征,表示灰度共生矩阵在某方向上的相似程度,度量一张图像的局部灰度相似性,如果图像具有水平纹理,则水平方向的相关值比其他方向大很多。
(4)同质性(Homogeneity)特征,表示图像局部纹理的变化程度。
除了上述基于灰度共生矩阵构建的纹理特征之外,本实施例还包括边缘特征。
具体的,基于Block的压缩格式,大部分算法都是基于有限的颜色Key以及特定的插值模式来还原原本的颜色。当Block内的颜色剧烈变化时,压缩效果就不是很好了。ASTC压缩算法也是基于Block的,但是使用了预先分配Pattern的方式解决了这个问题,又直接使用一个伪随机算法替代了Partition表,减少了硬件的消耗。尽管ASTC压缩算法已经做出了很大的改进,但是对于单张颜色变化剧烈的图,若没有选择合适的码率,压缩后仍存在极大的色差。因此,颜色变化剧烈也要作为码率选择的一个参考量,也即是说作为本实施例中的图像特征的其中一个特征。对于颜色变化剧烈的部分,我们可以将其当做颜色边界。
计算边缘像素一般有Sobel算子、Prewitt算子、Canny算法等,我们选用Canny算法,因为Canny算法充分利用了边缘的梯度方向,基于梯度方向做了非极大值限制,以及它使用了双阈值的阈值滞后处理。
Canny算法步骤一般包括:
步骤一:对输入图形进行高斯平滑,去除噪声,降低错误率。
步骤二:根据梯度的方向和幅度评估边缘强度和方向。
步骤三:基于梯度进行非极大值抑制。
步骤四:使用双阈值过滤和连接边缘。
使用Canny算法得到边缘像素的数量,我们取边缘像素的数量与图像中所有像素的数量的百分比作为本实施例中的图像特征的其中一个特征的特征值。
除了上述基于灰度共生矩阵构建的纹理特征和边缘特征之外,本实施例还包括MB_LBP特征。
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子,具有灰度不变性和旋转不变性等优点。原始的LBP算子是定义在3x3的窗口内,以中心点的像素值为阈值,将相邻的8个像素值与其比较,若大于则记为1,否则记为0,这样8个值按照顺时针方向拼接就得到了一个8位二进制数,转换成十进制的值即为LBP码。为了满足灰度和旋转不变性的要求,OJALA等对LBP算子进行了改进,将3×3邻域扩展到任意邻域,并用圆形邻域代替了正方形邻域。
LBP是基于像素级别的,能够很精细地描述图片的局部纹理特征,但是不够健壮,很容易受到噪声影响。MB-LBP(Multiscale Block LBP)特征,是在LBP上的改进,它是对像素块进行处理,将像素块里的平均值作为LBP值,这个块的大小可以自定义,MB-LBP有点类似于先将图像进行平滑处理,然后再求LBP特征。
基于上述说明,可以理解的是,本实施例中,获取待压缩图像的特征值,可以包括:获取待压缩图像的基于灰度共生矩阵构建的纹理特征值、边缘特征值以及MB_LBP特征值。
在102中,获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到。
需要说明的是,本申请实施例会预先根据样本图像的基于灰度共生矩阵构建的纹理特征值、边缘特征值以及MB_LBP特征值这些图像特征值,以及样本图像对应的样本码率得到图像复杂度与图像特征值的目标相关函数,以便用于后续的图像复杂度确定。
该目标相关函数可以为:
Fcom=ω1*ASM+ω2*Con+ω3*Hom+ω4*Corr+ω5*Canny+ω6*MB_LBP+α
其中,Fcom表示图像复杂度,Fcom与图像对应的码率Bastc存在线性关系,表示为Fcom=ωb*Bastc+β,ASM表示图像的能量特征值,Con表示图像的对比度特征值,Hom表示图像的同质性特征值,Corr表示图像的相关性特征值,Canny表示图像的边缘特征值,MB_LBP表示图像的MB_LBP特征值,ω1……ω6分别表示ASM、Con、Hom、Corr、Canny和MB_LBP分别对应的系数、参数或权重,可为正,也可为负,α,β表示码率对应系数、参数或权重,可为正,也可为负。ω1……ω6,ωb,α,β根据样本图像的ASM、Con、Hom、Corr、Canny和MB_LBPP特征值,以及样本图像对应的样本码率得到,可以理解的是,当得到上述ω1……ω6的值,也就得到了上述目标相关函数。
由此,本实施例中,可以获取上述预先得到的图像复杂度与图像特征值的目标相关函数。
需要说明的是,步骤101和步骤102可以同时执行,也可以先执行步骤101,再执行步骤102,还可以先执行步骤102,再执行步骤101,此处不作具体限制。
在103中,将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度。
本实施例中,当得到待压缩图像的特征值和该目标相关函数之后,可以将该待压缩图像的特征值,也即待压缩图像的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值输入该目标相关函数中,得到该待压缩图像的复杂度。
可以理解的是,ω1……ω6的值已预先确定,再得到待压缩图像的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值之后,基于该目标相关函数,自然可以得到该待压缩图像的复杂度。
在104中,根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理。
可以理解的是,终端中预先存储有码率与图像复杂度的映射关系,如一码率对应一图像复杂度的映射关系,或者一码率范围对应一图像复杂度的映射关系,或一码率对应一图像复杂度范围的映射关系。当得到待压缩图像的复杂度之后,可以根据该待压缩图像的复杂度以及该映射关系,获取对应的压缩码率。当得到压缩码率之后,可以根据该压缩码率对该待压缩图像进行压缩处理,如可以根据该压缩码率按照ASTC格式对该待压缩图像进行压缩处理,从而得到压缩后的图像。
本实施例中,通过获取待压缩图像的特征值;获取图像复杂度与图像特征值的目标相关函数,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度;根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理,从而可根据待压缩图像的图像复杂度,获取对应的码率,再基于该码率对待压缩图像进行压缩处理,也即是说,对于图像复杂度不同的待压缩图像,获取的码率也会存在不同,对图像进行压缩处理的灵活性较高。
进一步的,相关技术中,以一固定码率压缩不同的图像,会使得部分图像压缩过度,存在大片马赛克,以及部分图像没有压缩到位,占用空间。而本申请实施例提供的图像压缩方法基本不会使得图像压缩过渡,也基本不会使得图像没有压缩到位,相对于相关技术的方案来说,效果较好。
在一可选地实施例中,获取待压缩图像的特征值之前,还包括:
(1)获取样本图像的样本特征值,以及样本图像对应的样本码率;
(2)根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数;
(3)根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数。
比如,假设样本图像包括样本图像M11、M12、M13、M14……M1N,可以获取样本图像M11、M12、M13、M14……M1N的样本特征值及对应的样本码率;根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数,再根据初始相关函数,得到图像复杂度与图像特征值的目标相关函数。其中,N为大于4的正整数。N的具体取值可以由本领域技术人员根据实际的样本图像的数量确定,此处不作具体限制。
以样本图像M11为例,获取样本图像M11的样本特征值及对应的样本码率可以为:获取样本图像M11的ASM值ASM11、Con值Con11、Hom值Hom11、Corr值Corr11、Canny值Canny11和MB_LBP值MB_LBP11,以及样本图像M11对应的样本码率Bastc11。
所得到的初始相关函数可以为:
ωb*Bastc+β=ω1*ASM+ω2*Con+ω3*Hom+ω4*Corr+ω5*Canny+ω6*MB_LBP+α
其中,ω1、ω2、ω3、ω4、ω5、ω6、ωb、α、β的值可以通过上述拟合过程得到。
由于图像的图像复杂度与图像的码率存在一种线性关系,即为:Fcom=ωb*Bastc+β,则所得到的初始相关函数也可以为:Fcom=ω1*ASM+ω2*Con+ω3*Hom+ω4*Corr+ω5*Canny+ω6*MB_LBP+α,基于此,在一可选地实施例中,可以将该初始相关函数作为图像复杂度与图像特征值的目标相关函数,从而在得到待压缩图像的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值之后,将待压缩图像的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值输入该目标相关函数中,可以得到该待压缩图像的复杂度。
在一可选地实施例中,该初始相关函数包括码率对应的系数,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
(1)根据该码率对应的系数,得到码率对应的系数范围;
(2)根据该系数范围中的各待选系数和该样本码率,得到各待选系数对应的样本图像的真实复杂度;
(3)根据各待选系数对应的样本图像的真实复杂度,以及样本特征值进行拟合,得到各待选系数对应的待选相关函数;
(4)将样本特征值输入各待选系数对应的待选相关函数,得到各待选系数对应的样本图像的拟合复杂度;
(5)根据各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度,从系数范围中确定出码率对应的目标系数;
(6)根据目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数。
比如,假设初始相关函数为:
ωb11*Bastc+β11=ω111*ASM+ω211*Con+ω311*Hom+ω411*Corr+ω511*Canny+ω611*MB_LBP+α11
可以根据ωb11确定相应的系数范围[ωbH11,ωbK11],其中,系数范围[ωbH11,ωbK11]包括ωb11,ωbH11,ωbK11的取值可以由前面多次拟合的结果来确定,如前面的几次拟合结果中,ωb的取值有-1,2,4,那么可以将ωb的范围定为(-1,4),或者上下区间预留一点,定为(-2,5)。
同理,可以根据β11确定相应的系数范围[βH11,βK11],其中,系数范围[βH11,βK11]包括β11,βH11,βK11的取值可以由前面多次拟合的结果来确定。
根据上述系数范围[ωbH11,ωbK11]和[βH11,βK11],也即是将系数范围[ωbH11,ωbK11]和[βH11,βK11]中的系数进行组合,也即是说,分别从系数范围[ωbH11,ωbK11]和[βH11,βK11]中取出一个值,再结合样本图像M11、样本图像M12、M13、M14……M1N分别对应的样本码率,可以得到各系数组合(从[ωbH11,ωbK11]中确定的待选系数和从[βH11,βK11]中确定的待选系数)对应的样本图像M11、M12、M13、M14……M1N的真实复杂度,其中,一个真实复杂度与一系数组合对应,如某真实复杂度与系数组合[ωb11和β11]对应。
在一可选地实施例中,为了提高得到目标相关函数的速度,也可以获取系数范围[ωbH11,ωbK11]和[βH11,βK11]分别对应的递增因子,按照系数范围[ωbH11,ωbK11]和[βH11,βK11]分别对应的递增因子将系数范围[ωbH11,ωbK11]和[βH11,βK11]中的系数进行组合,再结合样本图像的样本码率,得到各系数组合对应的样本图像的真实复杂度。
例如,假设系数范围[ωbH11,ωbK11]为[0.1,0.3],递增因子为0.05,则可以将系数0.1、0.15、0.2、0.25和0.3分别与[βH11,βK11]中的相应系数进行组合,再结合各系数组合对应的样本图像的样本码率,得到样本图像的真实复杂度。
当得到各系数组合对应的样本图像M11、M12、M13、M14……M1N的真实复杂度之后,可以根据样本图像M11、M12、M13、M14……M1N的真实复杂度,以及样本图像M11、M12、M13、M14……M1N的样本特征值进行拟合,得到各系数组合对应的待选相关函数。再将样本图像M11、M12、M13、M14……M1N的样本特征值输入各系数组合对应的待选相关函数,得到各系数组合对应的样本图像的拟合复杂度。
当得到各系数组合对应的样本图像的拟合复杂度和各系数组合对应的样本图像的真实复杂度之后,可以根据样本图像的拟合复杂度和真实复杂度从各系数组合中确定出码率对应的目标系数组合。根据目标系数组合对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,根据该各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度,从该系数范围中确定出码率对应的目标系数,包括:
(1)计算该各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度的偏差总和;
(2)将该系数范围中最小的偏差总和对应的待选系数确定为码率对应的目标系数。
其中,样本图像的拟合复杂度和真实复杂度的偏差总和可以由下述公式计算:
其中,N表示样本图像的总数量,Fcom(i)表示第i张样本图像的真实复杂度,Hcom(i)表示第i张样本图像的拟合复杂度。
以系数组合[ωb11和β11]对应的样本图像M11、M12、M13、M14,……M1N的真实复杂度和拟合复杂度为例,可以将系数组合[ωb11和β11]对应的样本图像M11、M12、M13、M14,……M1N的拟合复杂度,以及系数组合[ωb11和β11]对应的样本图像M11、M12、M13、M14,……M1N的真实复杂度代入上述公式中,得到系数组合[ωb11和β11]对应的偏差总和Diffcom11。
同理,按照上述方式可以得到其他系数组合对应的偏差总和。可以确定偏差总和Diffcom11和其他偏差总和中最小的偏差总和。假设最小的偏差总和为系数组合[ωb12和β12]对应的偏差总和,可以将系数ωb12和β12作为码率对应的目标系数。
在一可选地实施例中,可以直接将目标系数对应的待选相关函数作为图像复杂度与图像特征值的目标相关函数,从而在得到待压缩图像的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值之后,将待压缩图像的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值输入该目标相关函数中,可以得到该待压缩图像的复杂度。
在一可选地实施例中,该根据该目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
(1)将测试图像的特征值输入该目标系数对应的待选相关函数,得到该测试图像的复杂度;
(2)根据测试图像的复杂度,确定满足预设条件的测试图像在所有测试图像中所占的比例;
(3)若该比例小于预设比例,则根据不满足预设条件的测试图像对目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
假设目标系数对应的待选相关函数为:
Fcom12=ω112*ASM+ω212*Con+ω312*Hom+ω412*Corr+ω512*Canny+ω612*MB_LBP+α11
为得到准确度更高的图像复杂度与图像特征值的相关函数,在得到该待选相关函数之后,还可以对该待选相关函数进行相应的优化处理,也即是对ω112、ω212、ω312、ω412、ω512,以及ω612的值进行优化,得到图像复杂度与图像特征值的目标相关函数。
比如,可以获取测试图像M21、M22、M23、M24,……M2N,将测试图像M21、M22、M23、M24,……M2N的特征值,即测试图像M21、M22、M23、M24,……M2N的ASM值、Con值、Hom值、Corr值、Canny值和MB_LBP值输入该待选相关函数中,得到测试图像M21、M22、M23、M24,……M2N的复杂度。还可以获取测试图像M21、M22、M23、M24,……M2N分别对应的码率。
随后,可以统计测试图像M21、M22、M23、M24,……M2N的复杂度Fcom21、Fcom22、Fcom23、Fcom24,……Fcom2N,以及测试图像对应的码率,得到各码率对应的复杂度阈值。复杂度阈值的具体数值不同项目不同设置,这里不做限制。
当得到各码率对应的复杂度阈值之后,可以将各测试图像的复杂度与该测试图像对应的码率对应的复杂度阈值进行比较。若比较结果为预设比较结果,则确定测试图像满足预设条件。随后,可以确定满足预设条件的测试图像在所有测试图像中所占的比例;若该比例小于预设比例,则根据不满足预设条件的测试图像对应该待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。其中,预设比例可以由本领域技术人员设置,也可以由计算机设备基于一定规则设置,此处不作具体限制。例如,预设比例可以为85%、86%,等等。
例如,假设某码率对应的复杂度分别为4.1、4.1、4.2、4.3、4.6,则可以将该码率对应的复杂度阈值设置为4至4.4。该码率对应的测试图像中,复杂度处于该复杂度阈值之间的测试图像便为满足预设条件的测试图像,而复杂度不处于该复杂度阈值之间的测试图像便为不满足预设条件的测试图像。若某测试图像对应的码率为该码率,且该测试图像对应的复杂度为4.1,可以确定,该测试图像对应的复杂度处于该复杂度阈值之间,则可以确定该测试图像满足预设条件。
在一可选地实施例中,该获取样本图像对应的样本码率,包括:
(1)将样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比;
(2)将最先得到的峰值信噪比大于预设峰值信噪比的码率确定为样本图像对应的样本码率。
本实施例中,可以获取多个码率,将样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比,将最先得到的峰值信噪比大于预设峰值信噪比的码率确定为样本图像对应的样本码率。
以样本图像为样本图像M11,多个码率按从低到高的顺序分别为码率Bastc21、Bastc22、Bastc23、Bastc24,……Bastc2N为例,可以将样本图像M11按照码率从低到高的顺序依次压缩,假设码率Bastc21、Bastc22对应的压缩后图像的峰值信噪比小于预设峰值信噪比,压缩到码率Bastc23对应的压缩后图像时,该压缩后图像的峰值信噪比大于预设峰值信噪比,那么,可以将码率Bastc23确定为样本图像M11对应的样本码率。
在一可选地实施例中,测试图像可以为样本图像,根据不满足预设条件的测试图像对目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数,可以包括:
(1)将不满足预设条件的测试图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比;
(2)将第二个得到的峰值信噪比大于预设峰值信噪比的码率确定为测试图像对应的样本测试码率;
(3)根据不满足预设条件的测试图像的特征值,以及不满足预设条件的测试图像对应的样本测试码率,对目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
可以理解的是,对目标系数对应的待选相关函数进行优化处理,也即是对目标系数对应的待选相关函数中的相关系数,即ω1、ω2、ω3、ω4、ω5、ω6和α进行调整,也即是说,根据不满足预设条件的测试图像的特征值,以及不满足预设条件的测试图像对应的测试码率,对目标系数对应的待选相关函数中的相关系数,即ω1、ω2、ω3、ω4、ω5、ω6和α进行调整,进而得到图像复杂度与图像特征值的目标相关函数。
本实施例中,可以获取多个码率,将不满足预设条件的测试图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比,将第二个得到的峰值信噪比大于预设峰值信噪比的码率确定为测试图像对应的测试码率。
以测试图像为样本图像M21,多个码率按从低到高的顺序分别为码率Bastc21、Bastc22、Bastc23、Bastc24,……Bastc2N为例,可以将测试图像M21按照码率从低到高的顺序依次压缩,假设码率Bastc21、Bastc22对应的压缩后图像的峰值信噪比小于预设峰值信噪比,压缩到码率Bastc23对应的压缩后图像时,该压缩后图像的峰值信噪比大于预设峰值信噪比,再压缩到Bastc24对应的压缩后图像时,该压缩后图像的峰值信噪比也大于预设峰值信噪比,那么,可以将码率Bastc24确定为样本图像M21对应的测试码率。
在一可选地实施例中,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
(1)将测试图像的特征值输入初始相关函数,得到该测试图像的复杂度;
(2)根据该测试图像的复杂度,确定满足预设条件的测试图像在所有测试图像中所占的比例;
(3)若该比例小于预设比例,则根据不满足预设条件的测试图像对初始相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
可以理解的是,在得到图像复杂度与图像特征值的初始相关函数之后,可以直接基于测试图像对该初始相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。其中,具体的实现过程可以参见前面的实施例,此处不再赘述。
在一可选地实施例中,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数之后,还包括:
(1)将该样本特征值输入该目标相关函数中,得到该样本图像的目标拟合复杂度;
(2)对该样本码率和该目标拟合复杂度进行统计,得到码率与图像复杂度的映射关系;
该根据该待压缩图像的复杂度,获取对应的压缩码率,包括:
根据该待压缩图像的复杂度以及该映射关系,获取对应的压缩码率。
本实施例中,当得到目标相关函数之后,可以将样本特征值输入该目标相关函数中,得到该样本图像的目标拟合复杂度;对该样本码率和该目标拟合复杂度进行统计,即统计各相同的样本码率对应的目标拟合复杂度,得到码率与图像复杂度的映射关系;则在得到待压缩图像的复杂度后,可以根据该待压缩图像的复杂度以及该映射关系,获取对应的码率。其中,一码率可以与一图像复杂度范围对应。
在一可选地实施例中,对于不满足预设条件的样本图像,用于确定映射关系的样本码率为第二个得到的峰值信噪比大于预设峰值信噪比的码率。
在一可选地实施例中,该获取样本图像的样本特征值,以及样本图像对应的样本码率之前,还包括:
将样本图像划分为多个类别;
该获取样本图像的样本特征值,以及样本图像对应的样本码率,包括:
获取每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率;
该根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数,包括:
根据每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数;
该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据每个类别对应的码率与图像特征值的初始相关函数,得到每个类别对应的图像复杂度与图像特征值的目标相关函数;
该获取图像复杂度与图像特征值的目标相关函数之前,还包括:
确定该待压缩图像所属的目标类别;
该获取图像复杂度与图像特征值的目标相关函数,包括:
获取该目标类别对应的图像复杂度与图像特征值的目标相关函数。
可以理解的是,也可以将样本图像划分为多个类别,然后根据每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数;根据每个类别对应的码率与图像特征值的初始相关函数,得到每个类别对应的图像复杂度与图像特征值的目标相关函数。具体实现过程可以参见前面的实施例,此处不再赘述。
其中,图像的类别可以包括BaseMap、NormalMap、MixMap、LightingMap、NoiseMap,等等,
其中,BaseMap就是通常所说的map反射贴图DiffuseMap,是物体本来的底色。
NormalMap,法线贴图。
MixMap,这个比较特殊,PBR有很多参数,这些参数很难用一个固定的值去表示,可能每一个相互点不同。所以用一张贴图去表示。这张贴图,RGBA四个通道,分别存的是四个不同的值,不同的shader值不同,其主要存的是物体的粗糙程度。
LightingMap,光照贴图,这个是对于场景当中的一些静态物体,阴影是烘焙上去的,所以这时候我们用一张光照贴图去表现它的光照。
NoiseMap,可以实现一些特殊的效果,主要涉及一些带有破浪的水面,或者一些随机性的物质如水面、岩浆、瀑布等。
可以理解的是,预先已得到每个类别对应的图像复杂度与特征值的目标相关函数,因此,在确定出待压缩图像所属的目标类别之后,便可获取该目标类别对应的图像复杂度与特征值的目标相关函数,将待压缩图像的特征值输入该目标相关函数中,得到待压缩图像的复杂度。
例如,假设得到BaseMap、NormalMap、MixMap、LightingMap、NoiseMap这几个类别对应的图像复杂度与图像特征值的目标相关函数,待压缩图像所属的类别为BaseMap,则可以获取BaseMap对应的图像复杂度与图像特征值的目标相关函数,将待压缩图像的特征值输入该BaseMap对应的图像复杂度与图像特征值的目标相关函数中,得到待压缩图像的复杂度。
在一可选地实施例中,当得到每个类别对应的目标相关函数之后,可以每个类别的样本图像的样本特征值输入每个类别对应的目标相关函数中,得到每个类别的样本图像的目标拟合复杂度;对每个类别的样本图像对应的样本码率和每个类别的样本图像的目标拟合复杂度进行统计,得到每个类别对应的码率与图像复杂度的映射关系;则在得到待压缩图像的复杂度后,可以根据待压缩图像的复杂度以及待压缩图像所属的目标类别对应的码率与图像复杂度的映射关系,获取对应的码率,以对待压缩图像进行压缩处理。其中,一码率可以与一图像复杂度范围对应。比如针对类别BaseMap,Fcom<5.5时,码率为12×12;5.5≤Fcom<6时,码率为10×12。
实验论证:
为了验证本申请实施例提供的图像压缩方法的效果,将图像压缩方法加入项目打包工具中,首先对比PatchList,通过资源分析工具分析压缩比。
首先选择游戏应用中一个地图的资源进行测试,涉及359个贴图资源,使用固定码率压缩后的贴图总大小是71M,使用本方案压缩后的贴图总大小是58M,压缩比18.3%。
为了进一步验证,除了一些使用默认码率的贴图,将其余所有贴图都使用本申请实施例提供的图像压缩方法,涉及15686个贴图资源,使用固定码率压缩后的贴图总大小是5012M,使用本申请实施例提供的图像压缩方法压缩后的贴图总大小是4440M,压缩比11.41%。
请参阅图2,图2为本申请实施例提供的图像压缩方法的第二种流程示意图。该图像压缩方法流程可以包括:
在201中,将多个样本图像划分为多个类别,其中,一个类别对应多个样本图像。
在202中,获取每个类别的每个样本图像的样本特征值。
在203中,将每个类别的每个样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比。
在204中,将每个类别的每个样本图像最先得到的峰值信噪比大于预设峰值信噪比的码率确定为每个类别的每个样本图像对应的样本码率。
在205中,根据每个类别的每个样本图像的样本特征值,以及每个类别的每个样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数,每个类别对应的码率与图像特征值的初始相关函数包括每个类别对应的码率对应的系数。
在206中,根据每个类别对应的码率对应的系数,得到每个类别对应的系数范围。
在207中,根据每个类别对应的系数范围中的各待选系数和每个类别的每个样本图像对应的样本码率,得到每个类别的各待选系数对应的每个样本图像的真实复杂度。
在208中,根据每个类别对应的各待选系数对应的每个样本图像的真实复杂度,以及每个类别的每个样本图像的样本特征值进行拟合,得到每个类别的各待选系数对应的待选相关函数。
在209中,将每个类别的每个样本图像的样本特征值输入每个类别的各待选系数对应的待选相关函数,得到每个类别的各待选系数对应的每个样本图像的拟合复杂度。
在210中,根据每个类别的各待选系数对应的每个样本图像的拟合复杂度与每个类别的各待选系数对应的每个样本图像的真实复杂度,从每个类别对应的系数范围中确定出每个类别对应的码率对应的目标系数。
在211中,将每个类别的每个样本图像的样本特征值输入每个类别对应的码率对应的目标系数对应的待选相关函数,得到每个类别的每个样本图像的复杂度。
在212中,根据每个类别的每个样本图像的复杂度,确定每个类别满足预设条件的样本图像在所有样本图像中所占的比例。
在213中,若比例小于预设比例,则根据每个类别不满足预设条件的样本图像对每个类别对应的码率对应的目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
在214中,若比例大于或等于预设比例,则将每个对应的码率对应的目标系数对应的待选相关函数作为每个类别对应的图像复杂度与图像特征值的目标相关函数。
在215中,将每个类别的每个样本图像的样本特征值输入每个类别对应的图像复杂度与图像特征值的目标相关函数中,得到每个类别的样本图像的目标拟合复杂度。
在216中,对每个类别的样本图像对应的样本码率和每个类别的样本图像的目标拟合复杂度进行统计,得到每个类别对应的码率与图像复杂度的映射关系。
在217中,获取待压缩图像的特征值,并确定该待压缩图像所属的目标类别。
在218中,获取该目标类别对应的图像复杂度与特征值的目标相关函数,以及目标类别对应的码率与图像复杂度的映射关系。
在219中,将该待压缩图像的特征值输入目标类别对应的图像复杂度与特征值的目标相关函数中,得到该待压缩图像的复杂度。
在220中,根据该待压缩图像的复杂度以及目标类别对应的码率与图像复杂度的映射关系,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理。
需要说明的是,上述步骤201至步骤220的具体实施可以参见前面的实施例,此处不再赘述。
为便于更好的实施本申请实施例提供的图像压缩方法,本申请实施例还提供一种基于上述图像压缩方法的装置。其中名词的含义与上述图像压缩方法中相同,具体实现细节可以参考方法实施例中的说明。
请参阅图3,图3为本申请实施例提供的图像压缩装置的结构示意图,其中该图像压缩装置300可以包括特征值获取模块301、函数获取模块302、复杂度确定模块303以及图像压缩模块304等。
特征值获取模块301,用于获取待压缩图像的特征值。
函数获取模块302,用于获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到。
复杂度确定模块303,用于将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度。
图像压缩模块304,用于根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理。
在一可选地实施例中,函数获取模块302,可以用于:获取样本图像的样本特征值,以及样本图像对应的样本码率;根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数;根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该初始相关函数包括码率对应的系数,函数获取模块302,可以用于:根据该码率对应的系数,得到该码率对应的系数范围;根据该系数范围中的各待选系数和该样本码率,得到各待选系数对应的样本图像的真实复杂度;根据各待选系数对应的样本图像的真实复杂度,以及该样本特征值进行拟合,得到各待选系数对应的待选相关函数;将该样本特征值输入各待选系数对应的待选相关函数,得到各待选系数对应的样本图像的拟合复杂度;根据该各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度,从该系数范围中确定出码率对应的目标系数;根据该目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,函数获取模块302,可以用于:将测试图像的特征值输入该目标系数对应的待选相关函数,得到该测试图像的复杂度;根据该测试图像的复杂度,确定满足预设条件的测试图像在所有测试图像中所占的比例;若该比例小于预设比例,则根据不满足预设条件的测试图像对该目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,函数获取模块302,可以用于:计算该各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度的偏差总和;将该系数范围中最小的偏差总和对应的待选系数确定为码率对应的目标系数
在一可选地实施例中,函数获取模块302,可以用于:将样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比;将最先得到的峰值信噪比大于预设峰值信噪比的码率确定为样本图像对应的样本码率。
在一可选地实施例中,函数获取模块302,可以用于:将样本图像划分为多个类别;获取每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率;根据每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数;根据每个类别对应的码率与图像特征值的初始相关函数,得到每个类别对应的图像复杂度与图像特征值的目标相关函数;确定该待压缩图像所属的目标类别;获取该目标类别对应的图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,图像压缩装置300还可以包括关系获取模块,关系获取模块,可以用于:将该样本特征值输入该目标相关函数中,得到该样本图像的目标拟合复杂度;对该样本码率和该目标拟合复杂度进行统计,得到码率与图像复杂度的映射关系;
图像压缩模块304,可以用于:根据该待压缩图像的复杂度以及该映射关系,获取对应的压缩码率。
由上述可知,本申请实施例通过特征值获取模块301,用于获取待压缩图像的特征值;函数获取模块302获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;复杂度确定模块303将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度;图像压缩模块304根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理,从而可根据待压缩图像的图像复杂度,获取对应的码率,再基于该码率对待压缩图像进行压缩处理,也即是说,对于图像复杂度不同的待压缩图像,获取的码率也会存在不同,对图像进行压缩处理的灵活性较高。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
相应的,本申请实施例还提供一种计算机设备,该计算机设备可以为终端或者服务器,该终端可以为智能手机、平板电脑、笔记本电脑、触控屏幕、游戏机、个人计算机(PC,Personal Computer)、个人数字助理(Personal Digital Assistant,PDA)等终端设备。如图4所示,图4为本申请实施例提供的计算机设备的结构示意图。该计算机设备400包括有一个或者一个以上处理核心的处理器401、有一个或一个以上计算机可读存储介质的存储器402及存储在存储器402上并可在处理器上运行的计算机程序。其中,处理器401与存储器402电性连接。本领域技术人员可以理解,图中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
处理器401是计算机设备400的控制中心,利用各种接口和线路连接整个计算机设备400的各个部分,通过运行或加载存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行计算机设备400的各种功能和处理数据,从而对计算机设备400进行整体监控。
在本申请实施例中,计算机设备400中的处理器401会按照如下的步骤,将一个或一个以上的应用程序的进程对应的指令加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能:
获取待压缩图像的特征值;
获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;
将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度;
根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理。
在一可选地实施例中,该获取待压缩图像的特征值之前,还包括:
获取样本图像的样本特征值,以及样本图像对应的样本码率;
根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数;
根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该初始相关函数包括码率对应的系数,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据该码率对应的系数,得到该码率对应的系数范围;
根据该系数范围中的各待选系数和该样本码率,得到各待选系数对应的样本图像的真实复杂度;
根据各待选系数对应的样本图像的真实复杂度,以及该样本特征值进行拟合,得到各待选系数对应的待选相关函数;
将该样本特征值输入各待选系数对应的待选相关函数,得到各待选系数对应的样本图像的拟合复杂度;
根据该各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度,从该系数范围中确定出码率对应的目标系数;
根据该目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该根据该目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
将测试图像的特征值输入该目标系数对应的待选相关函数,得到该测试图像的复杂度;
根据该测试图像的复杂度,确定满足预设条件的测试图像在所有测试图像中所占的比例;
若该比例小于预设比例,则根据不满足预设条件的测试图像对该目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该根据该各待选系数对应的样本图像的拟合复杂度与该真实复杂度,从该系数范围中确定出码率对应的目标系数,包括:
计算该各待选系数对应的样本图像的拟合复杂度与该真实复杂度的偏差总和;
将该系数范围中最小的偏差总和对应的待选系数确定为码率对应的目标系数。
在一可选地实施例中,该获取样本图像对应的样本码率,包括:
将样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比;
将最先得到的峰值信噪比大于预设峰值信噪比的码率确定为样本图像对应的样本码率。
在一可选地实施例中,该获取样本图像的样本特征值,以及样本图像对应的样本码率之前,还包括:
将样本图像划分为多个类别;
该获取样本图像的样本特征值,以及样本图像对应的样本码率,包括:
获取每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率;
该根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数,包括:
根据每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数;
该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据每个类别对应的码率与图像特征值的初始相关函数,得到每个类别对应的图像复杂度与图像特征值的目标相关函数;
该获取图像复杂度与图像特征值的目标相关函数之前,还包括:
确定该待压缩图像所属的目标类别;
该获取图像复杂度与图像特征值的目标相关函数,包括:
获取该目标类别对应的图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数之后,还包括:
将该样本特征值输入该目标相关函数中,得到该样本图像的目标拟合复杂度;
对该样本码率和该目标拟合复杂度进行统计,得到码率与图像复杂度的映射关系;
该根据该待压缩图像的复杂度,获取对应的压缩码率,包括:
根据该待压缩图像的复杂度以及该映射关系,获取对应的压缩码率。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
可选的,如图4所示,计算机设备400还包括:触控显示屏403、射频电路404、音频电路405、输入单元406以及电源407。其中,处理器401分别与触控显示屏403、射频电路404、音频电路405、输入单元406以及电源407电性连接。本领域技术人员可以理解,图4中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
触控显示屏403可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令。触控显示屏403可以包括显示面板和触控面板。其中,显示面板可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的,可以采用液晶显示器(LCD,Liquid Crystal Display)、有机发光二极管(OLED,Organic Light-EmittingDiode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并生成相应的操作指令,且操作指令执行对应程序。可选的,触控面板可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器401,并能接收处理器401发来的命令并加以执行。触控面板可覆盖显示面板,当触控面板检测到在其上或附近的触摸操作后,传送给处理器401以确定触摸事件的类型,随后处理器401根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申请实施例中,可以将触控面板与显示面板集成到触控显示屏403而实现输入和输出功能。但是在某些实施例中,触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏403也可以作为输入单元406的一部分实现输入功能。
在本申请实施例中,通过处理器401执行游戏应用程序在触控显示屏403上生成用户界面,即图形用户界面,图形用户界面上的虚拟环境中包含场景资源对象。该触控显示屏403用于呈现图形用户界面以及接收用户作用于图形用户界面产生的操作指令。
射频电路404可用于收发射频信号,以通过无线通信与网络设备或其他计算机设备建立无线通讯,与网络设备或其他计算机设备之间收发信号。
音频电路405可以用于通过扬声器、传声器提供用户与计算机设备之间的音频接口。音频电路405可将接收到的音频数据转换后的电信号,传输到扬声器,由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路405接收后转换为音频数据,再将音频数据输出处理器401处理后,经射频电路404以发送给比如另一计算机设备,或者将音频数据输出至存储器402以便进一步处理。音频电路405还可能包括耳塞插孔,以提供外设耳机与计算机设备的通信。
输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹、虹膜、面部信息等),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
电源407用于给计算机设备400的各个部件供电。可选的,电源407可以通过电源管理系统与处理器401逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源407还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管图4中未示出,计算机设备400还可以包括摄像头、传感器、无线保真模块、蓝牙模块等,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
由上可知,本实施例提供的计算机设备,通过获取待压缩图像的特征值;获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度;根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理,从而可根据待压缩图像的图像复杂度,获取对应的码率,再基于该码率对待压缩图像进行压缩处理,也即是说,对于图像复杂度不同的待压缩图像,获取的码率也会存在不同,对图像进行压缩处理的灵活性较高。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,其中存储有多条计算机程序,该计算机程序能够被处理器进行加载,以执行本申请实施例所提供的任一种技能的控制方法中的步骤。例如,该计算机程序可以执行如下步骤:
获取待压缩图像的特征值;
获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,该目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;
将该待压缩图像的特征值输入该目标相关函数中,得到该待压缩图像的复杂度;
根据该待压缩图像的复杂度,获取对应的压缩码率,并根据该压缩码率对该待压缩图像进行压缩处理。
在一可选地实施例中,该获取待压缩图像的特征值之前,还包括:
获取样本图像的样本特征值,以及样本图像对应的样本码率;
根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数;
根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该初始相关函数包括码率对应的系数,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据该码率对应的系数,得到该码率对应的系数范围;
根据该系数范围中的各待选系数和该样本码率,得到各待选系数对应的样本图像的真实复杂度;
根据各待选系数对应的样本图像的真实复杂度,以及该样本特征值进行拟合,得到各待选系数对应的待选相关函数;
将该样本特征值输入各待选系数对应的待选相关函数,得到各待选系数对应的样本图像的拟合复杂度;
根据该各待选系数对应的样本图像的拟合复杂度与该各待选系数对应的样本图像的真实复杂度,从该系数范围中确定出码率对应的目标系数;
根据该目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该根据该目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
将测试图像的特征值输入该目标系数对应的待选相关函数,得到该测试图像的复杂度;
根据该测试图像的复杂度,确定满足预设条件的测试图像在所有测试图像中所占的比例;
若该比例小于预设比例,则根据不满足预设条件的测试图像对该目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该根据该各待选系数对应的样本图像的拟合复杂度与该真实复杂度,从该系数范围中确定出码率对应的目标系数,包括:
计算该各待选系数对应的样本图像的拟合复杂度与该真实复杂度的偏差总和;
将该系数范围中最小的偏差总和对应的待选系数确定为码率对应的目标系数。
在一可选地实施例中,该获取样本图像对应的样本码率,包括:
将样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比;
将最先得到的峰值信噪比大于预设峰值信噪比的码率确定为样本图像对应的样本码率。
在一可选地实施例中,该获取样本图像的样本特征值,以及样本图像对应的样本码率之前,还包括:
将样本图像划分为多个类别;
该获取样本图像的样本特征值,以及样本图像对应的样本码率,包括:
获取每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率;
该根据该样本特征值和该样本码率进行拟合,得到码率与图像特征值的初始相关函数,包括:
根据每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数;
该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据每个类别对应的码率与图像特征值的初始相关函数,得到每个类别对应的图像复杂度与图像特征值的目标相关函数;
该获取图像复杂度与图像特征值的目标相关函数之前,还包括:
确定该待压缩图像所属的目标类别;
该获取图像复杂度与图像特征值的目标相关函数,包括:
获取该目标类别对应的图像复杂度与图像特征值的目标相关函数。
在一可选地实施例中,该根据该初始相关函数,得到图像复杂度与图像特征值的目标相关函数之后,还包括:
将该样本特征值输入该目标相关函数中,得到该样本图像的目标拟合复杂度;
对该样本码率和该目标拟合复杂度进行统计,得到码率与图像复杂度的映射关系;
该根据该待压缩图像的复杂度,获取对应的压缩码率,包括:
根据该待压缩图像的复杂度以及该映射关系,获取对应的压缩码率。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的计算机程序,可以执行本申请实施例所提供的任一种图像压缩方法中的步骤,因此,可以实现本申请实施例所提供的任一种图像压缩方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种图像压缩方法、装置、存储介质及计算机设备进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,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申请的限制。
Claims (11)
1.一种图像压缩方法,其特征在于,包括:
获取待压缩图像的特征值;
获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,所述目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;
将所述待压缩图像的特征值输入所述目标相关函数中,得到所述待压缩图像的复杂度;
根据所述待压缩图像的复杂度,获取对应的压缩码率,并根据所述压缩码率对所述待压缩图像进行压缩处理。
2.根据权利要求1所述的图像压缩方法,其特征在于,所述获取待压缩图像的特征值之前,还包括:
获取样本图像的样本特征值,以及样本图像对应的样本码率;
根据所述样本特征值和所述样本码率进行拟合,得到码率与图像特征值的初始相关函数;
根据所述初始相关函数,得到图像复杂度与图像特征值的目标相关函数。
3.根据权利要求2所述的图像压缩方法,其特征在于,所述初始相关函数包括码率对应的系数,所述根据所述初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据所述码率对应的系数,得到所述码率对应的系数范围;
根据所述系数范围中的各待选系数和所述样本码率,得到各待选系数对应的样本图像的真实复杂度;
根据各待选系数对应的样本图像的真实复杂度,以及所述样本特征值进行拟合,得到各待选系数对应的待选相关函数;
将所述样本特征值输入各待选系数对应的待选相关函数,得到各待选系数对应的样本图像的拟合复杂度;
根据所述各待选系数对应的样本图像的拟合复杂度与所述各待选系数对应的样本图像的真实复杂度,从所述系数范围中确定出码率对应的目标系数;
根据所述目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数。
4.根据权利要求3所述的图像压缩方法,其特征在于,所述根据所述目标系数对应的待选相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
将测试图像的特征值输入所述目标系数对应的待选相关函数,得到所述测试图像的复杂度;
根据所述测试图像的复杂度,确定满足预设条件的测试图像在所有测试图像中所占的比例;
若所述比例小于预设比例,则根据不满足预设条件的测试图像对所述目标系数对应的待选相关函数进行优化处理,得到图像复杂度与图像特征值的目标相关函数。
5.根据权利要求3所述的图像压缩方法,其特征在于,所述根据所述各待选系数对应的样本图像的拟合复杂度与所述各待选系数对应的样本图像的真实复杂度,从所述系数范围中确定出码率对应的目标系数,包括:
计算所述各待选系数对应的样本图像的拟合复杂度与所述各待选系数对应的样本图像的真实复杂度的偏差总和;
将所述系数范围中最小的偏差总和对应的待选系数确定为码率对应的目标系数。
6.根据权利要求2所述的图像压缩方法,其特征在于,所述获取样本图像对应的样本码率,包括:
将样本图像按照码率从低到高的顺序依次压缩,并计算对应的压缩后图像的峰值信噪比;
将最先得到的峰值信噪比大于预设峰值信噪比的码率确定为样本图像对应的样本码率。
7.根据权利要求2所述的图像压缩方法,其特征在于,所述获取样本图像的样本特征值,以及样本图像对应的样本码率之前,还包括:
将样本图像划分为多个类别;
所述获取样本图像的样本特征值,以及样本图像对应的样本码率,包括:
获取每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率;
所述根据所述样本特征值和所述样本码率进行拟合,得到码率与图像特征值的初始相关函数,包括:
根据每个类别的样本图像的样本特征值,以及每个类别的样本图像对应的样本码率进行拟合,得到每个类别对应的码率与图像特征值的初始相关函数;
所述根据所述初始相关函数,得到图像复杂度与图像特征值的目标相关函数,包括:
根据每个类别对应的码率与图像特征值的初始相关函数,得到每个类别对应的图像复杂度与图像特征值的目标相关函数;
所述获取图像复杂度与图像特征值的目标相关函数之前,还包括:
确定所述待压缩图像所属的目标类别;
所述获取图像复杂度与图像特征值的目标相关函数,包括:
获取所述目标类别对应的图像复杂度与图像特征值的目标相关函数。
8.根据权利要求2所述的图像压缩方法,其特征在于,所述根据所述初始相关函数,得到图像复杂度与图像特征值的目标相关函数之后,还包括:
将所述样本特征值输入所述目标相关函数中,得到所述样本图像的目标拟合复杂度;
对所述样本码率和所述目标拟合复杂度进行统计,得到码率与图像复杂度的映射关系;
所述根据所述待压缩图像的复杂度,获取对应的压缩码率,包括:
根据所述待压缩图像的复杂度以及所述映射关系,获取对应的压缩码率。
9.一种图像压缩装置,其特征在于,包括:
特征值获取模块,用于获取待压缩图像的特征值;
函数获取模块,用于获取图像复杂度与图像特征值的目标相关函数,其中,图像复杂度与图像对应的码率存在线性关系,所述目标相关函数根据样本图像的样本特征值及样本图像对应的样本码率得到;
复杂度确定模块,用于将所述待压缩图像的特征值输入所述目标相关函数中,得到所述待压缩图像的复杂度;
图像压缩模块,用于根据所述待压缩图像的复杂度,获取对应的压缩码率,并根据所述压缩码率对所述待压缩图像进行压缩处理。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至8任一项所述的图像压缩方法中的步骤。
11.一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述的图像压缩方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430798.4A CN115775283A (zh) | 2022-11-15 | 2022-11-15 | 图像压缩方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430798.4A CN115775283A (zh) | 2022-11-15 | 2022-11-15 | 图像压缩方法、装置、存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115775283A true CN115775283A (zh) | 2023-03-10 |
Family
ID=85389149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430798.4A Pending CN115775283A (zh) | 2022-11-15 | 2022-11-15 | 图像压缩方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115775283A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117119119A (zh) * | 2023-08-24 | 2023-11-24 | 深圳市丕微科技企业有限公司 | 一种图像数据的压缩传输方法、装置以及系统 |
-
2022
- 2022-11-15 CN CN202211430798.4A patent/CN115775283A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117119119A (zh) * | 2023-08-24 | 2023-11-24 | 深圳市丕微科技企业有限公司 | 一种图像数据的压缩传输方法、装置以及系统 |
CN117119119B (zh) * | 2023-08-24 | 2024-06-11 | 深圳市丕微科技企业有限公司 | 一种图像数据的压缩传输方法、装置以及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476780A (zh) | 一种图像检测方法、装置、电子设备以及存储介质 | |
CN112669197A (zh) | 图像处理方法、装置、移动终端及存储介质 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN114373056A (zh) | 一种三维重建方法、装置、终端设备及存储介质 | |
WO2021164328A1 (zh) | 图像生成方法、设备及存储介质 | |
CN110415237A (zh) | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 | |
CN114374760A (zh) | 图像测试方法、装置、计算机设备及计算机可读存储介质 | |
CN112215861A (zh) | 一种足球检测方法、装置、计算机可读存储介质及机器人 | |
CN114092576A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN112465945A (zh) | 一种模型生成方法、装置、存储介质及计算机设备 | |
CN115775283A (zh) | 图像压缩方法、装置、存储介质及计算机设备 | |
US9959672B2 (en) | Color-based dynamic sub-division to generate 3D mesh | |
CN115393251A (zh) | 印制线路板的缺陷检测方法、装置、存储介质及电子设备 | |
CN113361490B (zh) | 图像生成、网络训练方法、装置、计算机设备和存储介质 | |
CN114764821A (zh) | 移动物体检测方法、装置、电子设备和存储介质 | |
CN116152586A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN117523136B (zh) | 人脸点位对应关系处理方法、人脸重建方法、装置及介质 | |
CN113362348B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN117274432B (zh) | 图像描边特效的生成方法、装置、设备和可读存储介质 | |
CN112070881B (zh) | 一种基于物联网的机电设备数字化重建方法及系统 | |
CN117618898A (zh) | 地图生成方法、装置、电子设备和计算机可读存储介质 | |
CN116993884A (zh) | 一种纹理数据生成方法、纹理生成模型训练方法和装置 | |
CN117649493A (zh) | 一种图像重建方法、装置、设备和存储介质 | |
CN117058298A (zh) | 纹理平铺方法、装置、计算机可读存储介质及计算机设备 | |
CN112837403A (zh) | 贴图绘制方法、装置、计算机设备和存储介质 |
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 |