CN115914640A - 一种用于车联网的数据压缩方法 - Google Patents
一种用于车联网的数据压缩方法 Download PDFInfo
- Publication number
- CN115914640A CN115914640A CN202211393528.0A CN202211393528A CN115914640A CN 115914640 A CN115914640 A CN 115914640A CN 202211393528 A CN202211393528 A CN 202211393528A CN 115914640 A CN115914640 A CN 115914640A
- Authority
- CN
- China
- Prior art keywords
- block
- pixel point
- blocks
- image
- pixel points
- 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, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及数据压缩存储领域,具体涉及一种用于车联网的数据压缩方法,包括:计算每个像素点对应的不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为像素点的优选块;获得优选块的层次序号和顺序序号,计算优选块的确定度;根据优选块的层次序号和顺序序号以及确定度获得所有确定块;获取所有确定块的所有角像素点,根据角像素点的顺序度和角像素点之间的相对关系获得所有位置序列;根据所有确定块的灰度值获得所有编码序列;对所有位置序列和编码序列进行存储。本发明将图像进行分块,分别获得表征位置信息的位置序列和表征灰度信息的编码序列;对图像进行无损压缩的同时较少了数据量,保证了车联网数据的高效存储。
Description
技术领域
本发明涉及数据压缩存储领域,具体涉及一种用于车联网的数据压缩方法。
背景技术
为满足用户日益增多的应用需求,车联网所提供的功能越来越多,例如驾驶行为分析、故障诊断、用户画像构建等功能,这些功能的准确性和可靠性依赖于大量的数据,这些数据需要通过车辆上的数据采集端进行采集,然后存储到云端进行分析挖掘,存储在云端的数据是根据CCFD DD2获得的。
不论是后续开发新的功能,还是对已有功能进行更新迭代,都需要大量准确的数据,因此,对云端的存储效率和准确度提出了较高的要求。常规的无损压缩方法比如霍夫曼编码,虽然能够保证数据的准确性,但是压缩效率有限;本发明考虑到图像数据的局部相似性,通过分块对图像数据进行压缩存储,但是传统的分块压缩方法的压缩效率和图像的准确性不可兼得。
发明内容
为了解决上述问题,本发明提供一种用于车联网的数据压缩方法,所述方法包括:
获取图像;对于图像中任意一个像素点,计算像素点对应的不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为像素点的优选块;获取图像中的所有像素点的优选块;
根据优选块的平均编码长度和尺寸获得所有优选块的层次序号和顺序序号,计算优选块的确定度,根据优选块的层次序号和顺序序号以及确定度获得所有确定块;
获取所有确定块的所有角像素点,获取每种角像素点的顺序度,根据角像素点的顺序度和角像素点之间的相对关系,获得所有位置序列;根据所有确定块的灰度值获得所有编码序列;对所有位置序列和编码序列进行存储。
优选的,所述计算像素点对应的不同尺寸的图像块的平均编码长度的步骤包括:
对于图像中任意一个像素点,获得以该像素点为中心的尺寸为K×K的图像块,其中,K×K为图像块的尺寸,且K=2i+1中i的取值范围为[1,9],因此,对于每个像素点,均有9个不同尺寸的图像块;
对于该像素点的尺寸为K×K的图像块,获取图像块中所有像素点的灰度值,将最大的灰度值记为极大值A1,将最小的灰度值记为极小值A2;
根据极大值和极小值获得图像块的平均编码长度,图像块的平均编码长度的计算公式为:
式中,S(K×K)表示该像素点的尺寸为K×K的图像块的平均编码长度,2×8表示图像块的极大值和极小值的编码长度,C(K×K)表示该像素点的尺寸为K×K的图像块的每个像素点的灰度值的编码长度,且 式中,A1表示该像素点的尺寸为K×K的图像块的极大值,A2表示该像素点的尺寸为K×K的图像块的极小值,表示向上取整。
优选的,所述计算优选块的确定度的步骤包括:
将组成所有确定块的所有像素点组成的集合记为确定点集合,将图像中所有像素点的优选块组成的集合记为初始集合;对于初始集合中的任意一个优选块,计算优选块的确定度的方法为:将组成优选块的所有像素点组成的集合记为第一集合,获取第一集合与确定点集合的交集,将交集中像素点的数量与第一集合中像素点的数量的比值记为优选块的确定度。
优选的,所述根据优选块的层次序号和顺序序号以及确定度获得所有确定块的步骤包括:
获取两个空集合,分别记为确定块集合和确定点集合;
将层次序号为1且顺序序号为1的优选块作为第一个确定块,将第一个确定块加入到确定集合中,将组成第一确定块的所有像素点加入到确定点集合中,将确定点集合中所有像素点对应的优选块从初始集合中去除,获得更新后的初始集合;
获得新的确定块并更新初始集合,具体为:计算更新后的初始集合中所有优选块的确定度,将最大的确定度对应的优选块记为第二个确定块,将第二个确定块加入到确定集合中,将组成第二个确定块的所有像素点加入到确定点集合中,将确定点集合中所有像素点对应的优选块从初始集合中去除,获得更新后的初始集合;
重复获得新的确定块并更新初始集合,直至初始集合为空集合,获得所有确定块。
优选的,所述根据角像素点的顺序度和角像素点之间的相对关系的步骤包括:
获取一个位置序列,具体为:
获取最大的顺序度对应的角像素点,将该角像素点的坐标加入到位置序列中;获取以该角像素点为左上角像素点的确定块,获取该确定块的右下角像素点的坐标,将右下角像素点的坐标加入到位置序列中,将该右下角像素点作为目标像素点,并将该右下角像素点从角像素点集合中去除;
获取新的目标像素点,具体为:判断是否存在角像素点与目标像素点相同的确定块:如果仅存在一个确定块,则将目标像素点在该确定块的相对像素点的坐标加入到位置序列中,将该相对像素点作为新的目标像素点,并将该相对像素点从角像素点集合中去除;如果存在多个确定块,获取目标像素点在多个确定块的相对像素点,将多个相对像素点中最大的顺序度对应的相对像素点的坐标加入到位置序列中,将该相对像素点作为目标像素点,并将该相对像素点从角像素点集合中去除;
重复获取新的目标像素点,直至不存在角像素点与目标像素点相同的确定块,获得一个位置序列;
多次重复获取一个位置序列,直至角像素点集合为空,获得所有位置序列。
优选的,所述根据所有确定块的灰度值获得所有编码序列的步骤包括:
对于任意一个确定块,通过定长二进制编码将确定块的极大值和极小值分别编码为8位二进制数;计算确定块中每个像素点的灰度值与极小值的差值,根据图像块的编码长度C,通过定长二进制编码将确定块的所有像素点的灰度值与极小值的差值编码为C位二进制数;将每个确定块的极大值和极小值对应的8位二进制数,以及按照从左到右、从上到小排列的每个像素点的灰度值与极小值的差值对应的C位二进制数组成的序列记为确定块的编码序列。
优选的,所述获取每种角像素点的顺序度的步骤包括:
获取所有确定块的角像素点,获取所有角像素点组成的角像素点集合,统计角像素点集合中每种角像素点的频数,记为每种角像素点的顺序度。
优选的,所述根据优选块的平均编码长度和尺寸获得所有优选块的层次序号和顺序序号的步骤包括:
将所有优选块组成的集合记为初始集合,将平均编码长度相同的所有优选块组成的集合记为层次集合,根据所有不同长度的平均编码长度,获得所有层次集合,按照平均编码长度由小到大对所有层次集合进行排序,排序后的所有层次集合的层次序号依次为1,2,…,m,…,M-1,M;
对于任意一个层次集合中的所有优选块,根据尺寸从大到小对所有优选块进行排序,排序后的所有优选块的顺序序号依次为1,2,…,n,…,N-1,N。。
本发明实施例至少具有如下有益效果:
1、本发明通过计算每个像素点对应的不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为像素点的优选块,保证每个像素点对应的优选块的平均编码长度最小,根据优选块的层次序号和顺序序号以及确定度获得所有确定块,保证最终保留的所有确定块的重合度最小,进而使编码后的图像的数据量最少,相较于对整个图像进行压缩,对图像进行分块压缩的压缩效果较好,对图像进行无损压缩的同时较少了数据量,保证了车联网数据的高效存储。
2、本发明根据不同确定块的极大值和极小值获得确定块的编码长度,根据确定块的编码长度对确定块的灰度信息进行压缩编码;相较于基于整个图像进行编码时,具有较长的编码长度,基于不同的确定块进行编码时的编码长度较短,进而使编码后的图像的数据量少,对图像进行分块压缩的压缩效果较好,保证了车联网数据的高效存储。
3、本发明除了保存确定块的灰度信息外,还需要保存确定块的位置信息,即保存确定块中具有相对关系的两个角像素点的位置信息,考虑到会存在两个甚至多个确定块共用一个角像素点的情况,通过对共有的角像素点的位置信息只需要保存一次,进而减少了需要保存图像块的位置信息的数据量,提高图像的压缩效率,保证了车联网数据的高效存储。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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它附图。
图1为本发明一个实施例提供的一种用于车联网的数据压缩方法的步骤流程图;
图2为本发明一个实施例提供的一个图像的分块结果;
图3为本发明一个实施例提供的图像被分块后的一个确定块。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于车联网的数据压缩方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于车联网的数据压缩方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于车联网的数据压缩方法的步骤流程图,该方法包括以下步骤:
步骤S001,获取车联网中的所有图像。
需要说明的是,为满足用户日益增多的应用需求,车联网所提供的功能越来越多,例如驾驶行为分析、故障诊断、用户画像构建等功能,这些功能的准确性和可靠性依赖于大量的数据,这些数据包括运行状态数据和周边环境数据,其中,周边环境数据大多为图像数据,考虑到图像数据的数据量大且冗余度高,为了提高数据的存储效率,本发明对图像数据进行压缩,再将压缩后的图像数据存储在云端,本发明通过相同频率的CCFD无线通信设备,在向云端发射数据的同时接收来自云端的分析结果,通过D2D通信实现中继转发的高效通信。
在本实施例中,通过安装在车辆上的摄像头采集所需的周边环境数据,即图像数据,对于图像数据中的每个图像,将图像的大小记为S×T,其中,S为图像的行数,T为图像的列数。
步骤S002,获得像素点对应的不同大小的图像块,根据图像块的极大值和极小值计算图像块的平均编码长度,根据图像块的平均编码长度获得像素点的优选块,获取图像中的所有像素点的优选块。
需要说明的是,常规对图像进行压缩,需要对图像中的像素点的灰度值进行编码,通常是采用定长编码,即将灰度值编码为8位二进制数,这是由于整个图像中所有像素点的灰度值的范围为[0,255],范围的大小决定了编码长度,进而决定了编码后图像的数据量,基于整个图像进行编码的编码长度较长,因此,基于整个图像进行编码后的数据量大,图像的压缩效果较差。本发明考虑到图像的局部相似性,即图像中的一定区域内所有像素点的灰度值的差异较小,因此,相较于整个图像的灰度值的大范围,图像中区域的灰度值的范围较小,因此,图像中区域的灰度值的编码长度较小,进而决定了对图像中的区域进行编码后的数据量较少,因此,相较于对整个图像进行压缩,对图像进行分块压缩的压缩效果较好。
图像块中所有像素点的灰度值的范围是固定的,即像素点的灰度值不大于图像块的最大灰度值,且不小于图像块的最小灰度值,因此,对于不同的图像块,可以根据图像块的灰度值的范围,对不同图像块采用不同编码长度的定长编码,即根据图像块的灰度值的范围确定图像块的编码长度。
为了保证分块后图像的所有图像块的压缩效率最好,就需要将图像分割为不同大小的图像块,因此,最终每个图像块需要记录的信息包括:图像块的位置信息和图像块的灰度信息,图像块的灰度信息包括图像块极大值和极小值、图像块中每个像素点的灰度信息,其中,每个像素点的灰度信息需要根据图像块的编码长度进行定长编码。
图像块的尺寸越大,整个图像对应的图像块的数量越少,则需要记录的图像块的位置信息和图像块的灰度信息越少,图像的压缩效率随之增大,即图像块尺寸越大压缩效率越大;但是随着图像块的尺寸逐渐增大,图像块的灰度值的范围增大,导致图像块的编码长度增加,则对图像块中所有像素点的灰度信息根据图像块的编码长度进行定长编码后的数据量越多,图像的压缩效率随之减小,即图像块尺寸越大压缩效率越小。
本发明最终的目的是提高图像的压缩效率,即减少图像编码后的数据量,因此,本发明先保证每个像素点对应的优选块的平均编码长度最小。
在本实施例中,以图像中任意一个像素点为例,获取该像素点的优选快的具体步骤为:
1、获取以像素点为中心且尺寸为K×K的区域,记为该像素点的图像块,其中,K=2i+1中i的取值范围为[1,9],则每个像素点对应9个不同尺寸的图像块。
2、对于像素点的任意一个图像块,计算图像块的平均编码长度的具体步骤为:
(1)对于尺寸为K×K的图像块,获取图像块中所有像素点的灰度值,将最大的灰度值记为极大值A1,将最小的灰度值记为极小值A2。
(2)由于图像块中所有像素点的灰度值的大小具有固定的范围,即像素点的灰度值不大于图像块的极大值,且不小于图像块的极小值,因此根据图像块的极大值和极小值即可获取图像块中每个像素点的灰度值的编码长度,记为图像块的编码长度,图像块的编码长度的计算公式为:
(3)由于整个图像中所有像素点的灰度值的范围为[0,255],因此,将图像块的极大值和极小值编码为8位二进制数,同时结合图像块的编码长度,获得图像块的平均编码长度,图像块的平均编码长度的计算公式为:
式中,S(K×K)表示该像素点的尺寸为K×K的图像块的平均编码长度,将图像块的极大值和极小值编码为8位二进制数,则总的编码长度为2×8,C(K×K)表示该像素点的尺寸为K×K的图像块的编码长度。
3、根据上述步骤2,获得像素点对应的9个不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为该像素点的优选块。
4、根据上述步骤1到步骤3,获得图像中所有像素点的所有优选块。
步骤S003,根据优选块的确定度,从图像中的所有优选块中选择多个确定块,获取图像的所有确定块。
需要说明的是,本发明获得图像中的所有优选块,保证了这些优选块的平均编码长度较小,因此对这些的优选块进行编码的数据量少,压缩效率高。但是,由于上述步骤对图像中的所有像素点获得了对应的优选块,因此,这些优选块之间存在重叠,即存在大量的冗余,会使编码后的数据量大,压缩效率降低;因此,本发明对上述步骤获得的所有优选块进行挑选,尽可能保留寸平均编码长度小且尺较大的优选块。
1、获得每个优选块的层次序号和顺序序号。
(1)将所有优选块组成的集合记为初始集合,根据平均编码长度将初始集合中的所有优选块进行分层,获得所有层次集合,具体为:将平均编码长度相同的所有优选块组成的集合记为层次集合,根据不同长度的平均编码长度获得不同的层次集合,根据所有平均编码长度获得所有层次集合,按照平均编码长度由小到大对所有层次集合进行排序,排序后的所有层次集合的层次序号依次为1,2,…,m,…,M-1,M。
(2)对于任意一个层次集合中的所有优选块,根据尺寸从大到小对所有优选块进行排序,排序后的所有优选块的顺序序号依次为1,2,…,n,…,N-1,N。
2、根据平均编码长度和尺寸获得第一个确定块,以及确定块集合和确定点集合;根据确定点集合对初始集合进行更新。
(1)获取确定块集合和确定点集合,此时确定块集合和确定点集合均为空集合。
(2)将所有优选块中平均编码长度最小且尺寸最大的优选块,即层次序号为1的层次序列中顺序序号为1的优选块作为第一个确定块,并加入到确定块集合中;将组成第一确定块的所有像素点加入到确定点集合中,将确定点集合中所有像素点对应的优选块从初始集合中去除,获得更新后的初始集合。
3、计算更新后的初始集合中每个优选块的确定度,根据所有优选块的确定度,获得第二个确定块,并对初始集合进行更新。
(1)对于更新后的初始集合中的任意一个优选块,将组成该优选块的所有像素点组成的集合记为第一集合,获取第一集合与确定点集合的交集,将交集中像素点的数量与第一集合中像素点的数量的比值记为该优选块的确定度。
(2)获取最大的确定度对应的优选块:如果最大的确定度对应的优选块有且只有一个,则将其作为第二个确定块;如果最大的确定度对应的优选块有多个,对于多个优选块,获得每个优选块对应的层次集合的层次序号,以及每个优选块在对应的层次集合中的顺序序号,将层次序号最小且顺序序号最小的优选块将作为第二个确定块;将第二确定块加入到确定块集合中,将组成第二确定块的所有像素点加入到确定点集合中,对于确定点集合中重复的像素点,只保留一个像素点,将确定点集合中所有像素点对应的优选块从初始集合中去除,获得更新后的初始集合。
4、重复上述步骤3,计算更新后的初始集合中每个优选块的确定度,根据所有优选块的确定度,获得新的确定块,并对初始集合进行更新,直至初始集合为空。
需要说明的是,本发明通过计算每个像素点对应的不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为像素点的优选块,保证每个像素点对应的优选块的平均编码长度最小,根据优选块的层次序号和顺序序号以及确定度获得所有确定块,保证最终保留的所有确定块的重合度最小,进而使编码后的图像的数据量最少,相较于对整个图像进行压缩,对图像进行分块压缩的压缩效果较好,对图像进行无损压缩的同时较少了数据量,保证了车联网数据的高效存储。
步骤S004,获取所有确定块的所有角像素点,获取每种角像素点的顺序度,根据角像素点的顺序度和角像素点之间的相对关系,获得所有位置序列;根据所有确定块的灰度值获得所有编码序列;对所有位置序列和编码序列进行存储。
需要说明的是,对于任意一个确定块,由于确定块的尺寸不同,因此为了保证能够根据图像的压缩结果准确还原图像,除了要保存每个确定块的灰度信息以外,还需要保存每个确定块的位置信息。由于确定块是矩形块,常规对矩形块的位置信息进行保存,是保存矩形块中具有相对关系的两个角像素点的位置信息,这样对于每个确定块均需要保存两个角像素点的位置信息,但是考虑到会存在两个甚至多个确定块共用一个角像素点的情况,在这种情况下,对共有的角像素点的位置信息只需要保存一次,进而减少了需要保存图像块的位置信息的数据量,提高图像的压缩效率。
1、构建直角坐标系。
在本实施例中,以图像的左上角为原点,以原点从上向下的方向为x轴方向,以原点从左向右的方向为y轴方向,建立直角坐标系,x像素点的横坐标,且x∈[1,X],y为明文像素点的纵坐标,且y∈[1,Y]。
2、对所有确定块的位置信息进行编码。
需要说明的是,对于任意一个确定块,将该图像块的四个角的像素点记为角像素点,分别为:左上角像素点、右上角像素点、左下角像素点、右下角像素点,其中,左上角像素点和右下角像素点具有相对关系,并且互为相对像素点,左下角像素点和右上角像素点具有相对关系,并且互为相对像素点;对于确定块,根据互为相对像素点的两个角像素点即可还原确定块的位置,因此互为相对像素点的两个角像素点包含了确定块的全部位置信息,即保存确定块的位置信息,只需要保存互为相对像素点的两个角像素点的坐标即可。
(1)对于任意一个确定块,将该图像块的四个角的像素点记为角像素点,分别为:左上角像素点、右上角像素点、左下角像素点、右下角像素点,其中,左上角像素点和右下角像素点具有相对关系,并且互为相对像素点,左下角像素点和右上角像素点具有相对关系,并且互为相对像素点。获取所有确定块的角像素点,获取所有角像素点组成的角像素点集合,统计每种角像素点在角像素点集合中的频数记为每种角像素点的顺序度。
(2)获取最大的顺序度对应的角像素点,将该角像素点的坐标加入到位置序列中;获取以该角像素点为左上角像素点的确定块,获取该确定块的右下角像素点的坐标,将该右下角像素点的坐标加入到位置序列中,将该右下角像素点作为目标像素点,并将该右下角像素点从角像素点集合中去除。
(3)判断是否存在角像素点与目标像素点相同的确定块:如果仅存在一个确定块,则将目标像素点在该确定块的相对像素点的坐标加入到位置序列中,将该相对像素点作为新的目标像素点,并将该相对像素点从角像素点集合中去除;如果存在多个确定块,获取目标像素点在多个确定块的相对像素点,将多个相对像素点中顺序度最大的相对像素点的坐标加入到位置序列中,将该相对像素点作为目标像素点,并将该相对像素点从角像素点集合中去除;如果不存在,则停止当前位置序列的获得,并将位置序列中所有像素点对应的确定块从确定集合中去除。
(4)重复步骤(3),判断是否存在角像素点与新的目标像素点相同的确定块,获得组成当前位置序列的所有像素点的坐标。
(5)重复步骤(2)到步骤(4),直至角像素点集合为空,获得所有位置序列,并按照获得的顺序对所有位置序列进行存储。
例如,本实施例的图2为图像的分块结果,图像包含多个确定块,根据上述方法获得图2中编号为1到11的11个确定块的角像素点组成的一个位置序列,具体为:{(0,0),(9,6),(19,9),(30,0),(36,9),(32,15),(36,17),(24,20),
(19,17),(24,9),(32,14),(24,17)}。
需要说明的是,本发明除了保存确定块的灰度信息外,还需要保存确定块的位置信息,即保存确定块中具有相对关系的两个角像素点的位置信息,考虑到会存在两个甚至多个确定块共用一个角像素点的情况,通过对共有的角像素点的位置信息只需要保存一次,进而减少了需要保存图像块的位置信息的数据量,提高图像的压缩效率,保证了车联网数据的高效存储。
3、对所有确定块的灰度信息进行编码,获得所有编码序列。
将所有确定块的编码序列按照所有位置序列的顺序进行存储,确定块的编码序列的获取方法为:对于任意一个确定块,通过定长二进制编码将确定块的极大值和极小值分别编码为8位二进制数;计算确定块中每个像素点的灰度值与极小值的差值,根据图像块的编码长度C,通过定长二进制编码将确定块的所有像素点的灰度值与极小值的差值编码为C位二进制数;将每个确定块的极大值和极小值对应的8位二进制数,以及按照从左到右、从上到小排列的每个像素点的灰度值与极小值的差值对应的C位二进制数组成的序列记为确定块的编码序列。
例如,本实施例的图3为图像中的一个确定块,确定块的极大值和极小值分别为A1=8和A2=23,通过定长二进制编码将确定块的极大值和极小值分别编码为8位二进制数分别为00001000和00010111,根据图像块的确定块的极大值和极小值确定图像块的编码长度确定块的所有像素点的灰度值与极小值的差值分别为9,2,3,12,7,0,14,11,8,10,15,15,4,0,15,5,通过定长二进制编码将确定块的所有像素点的灰度值与极小值的差值编码为4位二进制数,分别为1001,0010,0011,1100,0111,0000,1110,1011,1000,1010,1111
,1111,0100,0000,1111,0101,则该确定块的编码序列为000010000001011101011110010010001111000111000011101011100010101111111101000000
11110101。原本通过定长编码对确定块的灰度信息进行编码后的数据的长度为128,通过本发明的方法对确定块的灰度信息进行编码后的数据的长度为80。
需要说明的是,本发明根据不同确定块的极大值和极小值获得确定块的编码长度,根据确定块的编码长度对确定块的灰度信息进行压缩编码;相较于基于整个图像进行编码时,具有较长的编码长度,基于不同的确定块进行编码时的编码长度较短,进而使编码后的图像的数据量少,对图像进行分块压缩的压缩效果较好,保证了车联网数据的高效存储。
4、根据图像的压缩结果对图像进行还原,具体步骤为:
(1)根据所有位置序列获得所有空图像块,具体为:对于任意一个位置序列,根据位置序列中所有相邻的两个坐标,获得该位置序列对应的所有空图像块;根据所有位置序列获得所有空图像块,。
(2)根据所有编码序列对所有空图像块进行填充,获得还原图像,具体为:对于任意一个编码序列,将编码序列的前8位转换的十进制数记为图像块的极大值,将编码序列的第9位到第16位转换的十进制数记为图像块的极小值,根据图像块的极大值和极小值确定图像块的编码长度C,将剩余的编码序列按照编码长度C划分为多个子序列,将每个子序列转换的十进制数与图像块的极小值的和作为图像块中像素点的灰度值,实现对空图像块的填充,进而根据图像的压缩结果对图像进行还原。
综上所述,本发明计算每个像素点对应的不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为像素点的优选块;获得优选块的层次序号和顺序序号,计算优选块的确定度;根据优选块的层次序号和顺序序号以及确定度获得所有确定块;获取所有确定块的所有角像素点,根据角像素点的顺序度和角像素点之间的相对关系获得所有位置序列;根据所有确定块的灰度值获得所有编码序列;对所有位置序列和编码序列进行存储。本发明将图像进行分块,分别获得表征位置信息的位置序列和表征灰度信息的编码序列;对图像进行无损压缩的同时较少了数据量,保证了车联网数据的高效存储。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用于车联网的数据压缩方法,其特征在于,所述方法包括:
获取图像;对于图像中任意一个像素点,计算像素点对应的不同尺寸的图像块的平均编码长度,将最小的平均编码长度对应的图像块记为像素点的优选块;获取图像中的所有像素点的优选块;
根据优选块的平均编码长度和尺寸获得所有优选块的层次序号和顺序序号,计算优选块的确定度,根据优选块的层次序号和顺序序号以及确定度获得所有确定块;
获取所有确定块的所有角像素点,获取每种角像素点的顺序度,根据角像素点的顺序度和角像素点之间的相对关系,获得所有位置序列;根据所有确定块的灰度值获得所有编码序列;对所有位置序列和编码序列进行存储。
2.根据权利要求1所述的一种用于车联网的数据压缩方法,其特征在于,所述计算像素点对应的不同尺寸的图像块的平均编码长度的步骤包括:
对于图像中任意一个像素点,获得以该像素点为中心的尺寸为K×K的图像块,其中,K×K为图像块的尺寸,且K=2i+1中i的取值范围为[1,9],因此,对于每个像素点,均有9个不同尺寸的图像块;
对于该像素点的尺寸为K×K的图像块,获取图像块中所有像素点的灰度值,将最大的灰度值记为极大值A1,将最小的灰度值记为极小值A2;
根据极大值和极小值获得图像块的平均编码长度,图像块的平均编码长度的计算公式为:
3.根据权利要求1所述的一种用于车联网的数据压缩方法,其特征在于,所述计算优选块的确定度的步骤包括:
将组成所有确定块的所有像素点组成的集合记为确定点集合,将图像中所有像素点的优选块组成的集合记为初始集合;对于初始集合中的任意一个优选块,计算优选块的确定度的方法为:将组成优选块的所有像素点组成的集合记为第一集合,获取第一集合与确定点集合的交集,将交集中像素点的数量与第一集合中像素点的数量的比值记为优选块的确定度。
4.根据权利要求1所述的一种用于车联网的数据压缩方法,其特征在于,所述根据优选块的层次序号和顺序序号以及确定度获得所有确定块的步骤包括:
获取两个空集合,分别记为确定块集合和确定点集合;
将层次序号为1且顺序序号为1的优选块作为第一个确定块,将第一个确定块加入到确定集合中,将组成第一确定块的所有像素点加入到确定点集合中,将确定点集合中所有像素点对应的优选块从初始集合中去除,获得更新后的初始集合;
获得新的确定块并更新初始集合,具体为:计算更新后的初始集合中所有优选块的确定度,将最大的确定度对应的优选块记为第二个确定块,将第二个确定块加入到确定集合中,将组成第二个确定块的所有像素点加入到确定点集合中,将确定点集合中所有像素点对应的优选块从初始集合中去除,获得更新后的初始集合;
重复获得新的确定块并更新初始集合,直至初始集合为空集合,获得所有确定块。
5.根据权利要求1所述的一种用于车联网的数据压缩方法,其特征在于,所述根据角像素点的顺序度和角像素点之间的相对关系的步骤包括:
获取一个位置序列,具体为:
获取最大的顺序度对应的角像素点,将该角像素点的坐标加入到位置序列中;获取以该角像素点为左上角像素点的确定块,获取该确定块的右下角像素点的坐标,将右下角像素点的坐标加入到位置序列中,将该右下角像素点作为目标像素点,并将该右下角像素点从角像素点集合中去除;
获取新的目标像素点,具体为:判断是否存在角像素点与目标像素点相同的确定块:如果仅存在一个确定块,则将目标像素点在该确定块的相对像素点的坐标加入到位置序列中,将该相对像素点作为新的目标像素点,并将该相对像素点从角像素点集合中去除;如果存在多个确定块,获取目标像素点在多个确定块的相对像素点,将多个相对像素点中最大的顺序度对应的相对像素点的坐标加入到位置序列中,将该相对像素点作为目标像素点,并将该相对像素点从角像素点集合中去除;
重复获取新的目标像素点,直至不存在角像素点与目标像素点相同的确定块,获得一个位置序列;
多次重复获取一个位置序列,直至角像素点集合为空,获得所有位置序列。
6.根据权利要求3所述的一种用于车联网的数据压缩方法,其特征在于,所述根据所有确定块的灰度值获得所有编码序列的步骤包括:
对于任意一个确定块,通过定长二进制编码将确定块的极大值和极小值分别编码为8位二进制数;计算确定块中每个像素点的灰度值与极小值的差值,根据图像块的编码长度C,通过定长二进制编码将确定块的所有像素点的灰度值与极小值的差值编码为C位二进制数;将每个确定块的极大值和极小值对应的8位二进制数,以及按照从左到右、从上到小排列的每个像素点的灰度值与极小值的差值对应的C位二进制数组成的序列记为确定块的编码序列。
7.根据权利要求1所述的一种用于车联网的数据压缩方法,其特征在于,所述获取每种角像素点的顺序度的步骤包括:
获取所有确定块的角像素点,获取所有角像素点组成的角像素点集合,统计角像素点集合中每种角像素点的频数,记为每种角像素点的顺序度。
8.根据权利要求2所述的一种用于车联网的数据压缩方法,其特征在于,所述根据优选块的平均编码长度和尺寸获得所有优选块的层次序号和顺序序号的步骤包括:
将所有优选块组成的集合记为初始集合,将平均编码长度相同的所有优选块组成的集合记为层次集合,根据所有不同长度的平均编码长度,获得所有层次集合,按照平均编码长度由小到大对所有层次集合进行排序,排序后的所有层次集合的层次序号依次为1,2,…,m,…,M-1,M;
对于任意一个层次集合中的所有优选块,根据尺寸从大到小对所有优选块进行排序,排序后的所有优选块的顺序序号依次为1,2,…,n,…,N-1,N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393528.0A CN115914640A (zh) | 2022-11-08 | 2022-11-08 | 一种用于车联网的数据压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393528.0A CN115914640A (zh) | 2022-11-08 | 2022-11-08 | 一种用于车联网的数据压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115914640A true CN115914640A (zh) | 2023-04-04 |
Family
ID=86472010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211393528.0A Pending CN115914640A (zh) | 2022-11-08 | 2022-11-08 | 一种用于车联网的数据压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115914640A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116185971A (zh) * | 2023-04-27 | 2023-05-30 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种电子压力称重数据的智能处理系统 |
CN117395380A (zh) * | 2023-12-12 | 2024-01-12 | 上海伯镭智能科技有限公司 | 一种大型矿区无人驾驶矿车调度数据智能管理方法 |
-
2022
- 2022-11-08 CN CN202211393528.0A patent/CN115914640A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116185971A (zh) * | 2023-04-27 | 2023-05-30 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种电子压力称重数据的智能处理系统 |
CN116185971B (zh) * | 2023-04-27 | 2023-07-14 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种电子压力称重数据的智能处理系统 |
CN117395380A (zh) * | 2023-12-12 | 2024-01-12 | 上海伯镭智能科技有限公司 | 一种大型矿区无人驾驶矿车调度数据智能管理方法 |
CN117395380B (zh) * | 2023-12-12 | 2024-02-23 | 上海伯镭智能科技有限公司 | 一种大型矿区无人驾驶矿车调度数据智能管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115914640A (zh) | 一种用于车联网的数据压缩方法 | |
US10911787B2 (en) | Hierarchical point cloud compression | |
US11276203B2 (en) | Point cloud compression using fixed-point numbers | |
US20190311499A1 (en) | Adaptive distance based point cloud compression | |
WO2022042539A1 (zh) | 一种基于空间顺序的点云分层方法、点云预测方法及设备 | |
TWI466066B (zh) | 區塊壓縮系統、區塊解壓縮系統及其相關方法 | |
Žalik et al. | Chain code lossless compression using move-to-front transform and adaptive run-length encoding | |
EP0245621B1 (en) | Compression of multilevel signals | |
CN115622570B (zh) | 一种数据高效存储方法 | |
CN116405574B (zh) | 一种远程医疗图像优化通讯方法及系统 | |
CN110362964B (zh) | 一种基于多直方图修改的高容量可逆信息隐藏方法 | |
CN111684808A (zh) | 点云数据的编码方法、编码装置、解码方法与解码装置 | |
EP3343446A1 (en) | Method and apparatus for encoding and decoding lists of pixels | |
CN114745553A (zh) | 一种基于大数据的图像数据存储方法 | |
CN114222129A (zh) | 图像压缩编码方法、装置、计算机设备和存储介质 | |
CN109523016A (zh) | 面向嵌入式系统的多值量化深度神经网络压缩方法及系统 | |
CN117014618A (zh) | 一种基于图像压缩的分块方法、系统及电子设备 | |
CN116594572A (zh) | 浮点数流式数据压缩方法、装置、计算机设备及介质 | |
CN110971904A (zh) | 一种图像压缩的控制方法 | |
CN116843774A (zh) | 点云数据压缩方法、装置、设备及存储介质 | |
CN106941610B (zh) | 基于改进方块编码的二值roi掩模编码方法 | |
CN115913248A (zh) | 一种直播软件开发数据智能管理系统 | |
CN111954000B (zh) | 一种面向高速收费图片集的无损压缩方法 | |
CN110956670A (zh) | 一种基于深度偏移的多模式自适应z值压缩算法 | |
US6028962A (en) | System and method for variable encoding based on image content |
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 |