CN116193130B - 一种提高图像数据在网络中传输效率的方法及系统 - Google Patents

Abstract

本申请涉及一种提高图像数据在网络中传输效率的方法及系统，方法包括响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；信息熵值小于第二设定值时对像素矩阵进行无损压缩，信息熵值大于第二设定值时对像素矩阵进行有损压缩以及得到经过压缩处理的图像。本申请公开的提高图像数据在网络中传输效率的方法及系统，使用混合压缩的方式对计算机图像的不同区域使用不同的方式进行压缩，来同时保证数据尺寸和编解码效率，进而提高计算机图像数据在网络当中进行传输的效率。

Description

一种提高图像数据在网络中传输效率的方法及系统

技术领域

本申请涉及数据处理技术领域，尤其是涉及一种提高图像数据在网络中传输效率的方法及系统。

背景技术

计算机图像由一个一个的像素组成，而每一个像素又是由红绿蓝三个通道组成。因此，计算机图像的数据量往往是巨大的，而且随着我们对更高分辨率和画质的追求，计算机图像的数据量级还将越来越大。

然而，当我们需要在网络当中传输图像数据的时候，由于网络带宽总是受限于硬件的能力，我们的网络图像数据的分辨率和画质通常难以得到保证。

当我们需要在网络中传输图像数据的时候，我们常规的做法是首先将图像数据进行压缩之后再进行传输，当接收方接收到数据之后再进行解压还原。但是，此时我们又需要面对一个更加棘手的问题。

我们想要在带宽有限的网络中传输图像数据，当然希望将数据尺寸压缩到尽可能的小。常规的无损压缩方法（如LZ77/Huffman等）无法将数据压缩得很小，我们则必须使用有损压缩算法来对图像数据进行编码。

但是，有损压缩（例如JPEG编码）算法会大幅提升编解码过程的计算量，造成编解码过程的计算时延明显增大。简而言之，此时在数据尺寸和编解码效率之间形成了一个难以调和的矛盾。在这样的情况下，工程师往往只能在数据尺寸和编解码效率之间倾向于其中一方，而对另一方做出无奈的妥协。

发明内容

本申请提供一种提高图像数据在网络中传输效率的方法及系统，使用混合压缩的方式对计算机图像的不同区域使用不同的方式进行压缩，来同时保证数据尺寸和编解码效率，进而提高计算机图像数据在网络当中进行传输的效率。

本申请的上述目的是通过以下技术方案得以实现的：

第一方面，本申请提供了一种提高图像数据在网络中传输效率的方法，包括：

响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；

计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；

像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

信息熵值小于第二设定值时对像素矩阵进行无损压缩，信息熵值大于第二设定值时对像素矩阵进行有损压缩；以及

得到经过压缩处理的图像。

在第一方面的一种可能的实现方式中，无损压缩包括：

使用游程长度编码对像素矩阵进行一次压缩；以及

使用熵编码对像素矩阵进行二次压缩。

在第一方面的一种可能的实现方式中，有损压缩包括：

将像素矩阵从空间域变换到频域；

删除设定比例的高频数据；以及

对剩余频域数据使用游程长度编码对像素矩阵进行一次压缩后使用熵编码对像素矩阵进行二次压缩。

在第一方面的一种可能的实现方式中，信息熵值的计算过程包括：

遍历每一个字符，统计出每一个字符出现的频数，以确定每一个字符在数据当中出现的概率；

对每一个字符进行计算，将当前字符出现的概率P(x)与其以2为底的对数相乘，并将此乘积取相反数作为计算结果；以及

将以上计算结果全部进行累加，最终得到数据的信息熵值。

在第一方面的一种可能的实现方式中，获取到的图像为彩色图像时，将彩色图像拆分为单色图像后进行压缩处理；

单色图像包括红色图像、绿色图像和蓝色图像。

在第一方面的一种可能的实现方式中，不同单色图像的信息熵值不同，绿色图像的信息熵值大于红色图像的信息熵值大于蓝色图像的信息熵值。

在第一方面的一种可能的实现方式中，还包括：

预计算经过压缩处理的图像的体积；以及

根据体积调整信息熵值的取值范围；

其中，预计算经过压缩处理的图像的体积时，体积在要求范围内波动。

第二方面，本申请提供了一种提高图像数据在网络中传输效率的装置，包括：

图像拆分单元，用于响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；

第一数据处理单元，用于计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；

第一判断及压缩单元，用于像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

第二判断及压缩单元，用于信息熵值小于第二设定值时对像素矩阵进行无损压缩，信息熵值大于第二设定值时对像素矩阵进行有损压缩；以及

第二数据处理单元，用于得到经过压缩处理的图像。

第三方面，本申请提供了一种提高图像数据在网络中传输效率的系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如第一方面及第一方面任意可能的实现方式中所述的方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质包括：

程序，当所述程序被处理器运行时，如第一方面及第一方面任意可能的实现方式中所述的方法被执行。

第五方面，本申请提供了一种计算机程序产品，包括程序指令，当所述程序指令被计算设备运行时，如第一方面及第一方面任意可能的实现方式中所述的方法被执行。

第六方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于实现上述各方面中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。

该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，或者处理器和该存储器也可以耦合在同一个设备上。

附图说明

图1是本申请提供的一种提高图像数据在网络中传输效率的方法的步骤流程示意框图。

图2是本申请提供的一种提高图像数据在网络中传输效率的方法的流程图。

图3是本申请提供的一种不同像素数较小的直方图。

图4是本申请提供的一种不同像素数较大的直方图。

图5是本申请提供的一种像素矩阵的空间域数值矩阵图。

图6是基于图5给出的频域数值矩阵图。

图7是基于图6给出的删除了高频的频域数值矩阵图。

具体实施方式

以下结合附图，对本申请中的技术方案作进一步详细说明。

请参阅图1和图2，为本申请公开的一种提高图像数据在网络中传输效率的方法，包括以下步骤：

S101，响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；

S102，计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；

S103，像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

S104，信息熵值小于第二设定值时对像素矩阵进行无损压缩，信息熵值大于第二设定值时对像素矩阵进行有损压缩；以及

S105，得到经过压缩处理的图像。

具体而言，在步骤S101中，首先将获取到的图像拆分为多个像素矩阵，拆分原理是可以将图像看作是由一个MxN（M和N均为大于零的自然数）的矩阵像素点组成的集合，该集合可以使用一个母矩形来表示，拆分过程就是将母矩形分割成多个子矩形，子矩形的面积小于母矩形的面积。

在一些可能的实现方式中，像素矩阵的面积为8*8，一个像素矩阵包括64个像素点。

请参阅图3和图4，在步骤S102中，会计算像素矩阵中不同灰度值的像素数量，计算结果记为像素数量数值。对于灰度值，可以这样理解，由于图像对应景物上各点的颜色及亮度不同，拍摄成的图像上各点呈现不同程度的灰色。

把白色与黑色之间按对数关系分成若干级，称为“灰度等级”。范围一般从0到255，白色为255，黑色为0。

也就是一个像素矩阵（8*8）可以使用64个数值来进行表示，这64个数值存在部分相同的情况，例如可以使用50个像素值和13个像素数量数值来进行表示。

出现像素数量数值小于第一设定值时的情况时，执行步骤S103，该步骤中，对像素数量数值小于第一设定值时对像素矩阵进行无损压缩，无损压缩是一种不会损失图像质量的压缩方式，但是压缩比小，压缩完成的像素矩阵的体积大，在通过网络传输图像数据时，需要占用更多的网络资源。

出现像素数量数值大于等于第一设定值时的情况时，计算像素矩阵的信息熵值，信息熵值的作用是对像素矩阵进行二次判定。当信息熵值小于第二设定值时对像素矩阵进行无损压缩，信息熵值大于第二设定值时对像素矩阵进行有损压缩，也就是步骤S104中的内容。

使用信息信息熵值来判断像素矩阵使用有损压缩还是无损压缩的优势是：

信息熵是体现信息冗余多少的指标，其值在0-1之间。信息熵值越小表示信息冗余越多，其数据越是容易被压缩。信息熵值越大表示信息冗余越少，其数据越不容易被压缩。

对于传统的JPEG图片压缩算法而言，是对所有图像数据进行有损压缩。其具体过程包括对图像数据进行DCT变换，然后再进行行程编码和哈夫曼编码。然而，对于信息熵本身就较低的图像数据而言，不需要进行有损压缩（有损压缩过程中的DCT变换是非常耗时的）。

所以本发明中使用信息熵来判断对像素矩阵进行有损压缩还是无损压缩，可以大幅减小算法的时间复杂度，从而大幅提升算法的运行效率。

最后在S105中，得到经过压缩处理的图像，经过压缩处理的图像由多个经过压缩处理的像素矩阵组成，这些像素矩阵使用无损压缩算法或者有损压缩算法的方式进行压缩。

应理解，无损压缩算法可以将数据进行压缩后，再无损地将数据还原成压缩之前的样子，完全不存在任何的信息丢失。但是无损压缩算法通常在图像压缩领域当中并不适用，这是因为人眼只能感受到图像中相对低频的信息，而对于图像当中所包含的高频信息是不敏感的。如果我们用无损压缩算法对图像数据进行编码，则会将人眼几乎无法感受到的高频信息一并进行编码压缩，这将导致无法将图像数据压缩到很小的尺寸。

在计算机图像压缩技术领域当中，我们常用有损压缩的方法来对图像数据进行编码。例如，JPEG（联合图像专家组）图像格式是将原始的图像数据通过DCT（离散余弦变换），将图像数据从空间域变换到频域。

然后，在频域当中将表示高频信息的数据删除，然后再使用RLE（游程长度编码）和Huffman（哈夫曼编码）算法进行无损压缩编码。如此一来，经过JPEG编码之后的图像当中已经去除了人眼几乎无法感受的高频信息，最终经过压缩得到的数据尺寸将明显缩小，且几乎不会对图像的画质造成影响。

然而，此时我们需要注意到的一个现象是，JPEG编码过程当中的DCT变换由于处理逻辑复杂，其计算过程是极为耗时的。与此同时，对于一幅图像当中的某一些原本就没有太多高频信息的区域，我们并不需要进行DCT变换后删除表示高频信息的数据。也就是说，对原本就没有太多高频信息的图像区域而言，进行DCT变换和删除高频信息是没有意义的。因为这个过程并不会明显减小结果数据的尺寸，却会消耗非常多的计算资源。

通过上述内容可以得到，无损压缩的优势在于压缩质量，劣势在于压缩体积；有损压缩的优势在于压缩体积，劣势在于处理速度。本申请充分利用了两种压缩方式的优势，并且在一定程度上规避了两种压缩方式的劣势，在体积和处理速度上进行了平衡。

如果不同像素数小于16（经验值&建议值，不限于此），则表示当前的8*8的像素矩阵当中存在较多相同的像素值。此时我们直接对当前8*8的像素矩阵进行游程长度编码 ，以对无序的数据进行整理。

然后再使用熵编码（推荐Huffman，不限于此）对游程长度编码进行压缩，以尽可能地缩小编码之后的数据尺寸。

如果不同像素数大于等于16，则表示当前的8*8的像素矩阵当中并没有普遍存在相同的像素值，很可能存在较多不易压缩的高频信息。

此时，我们进一步计算像素矩阵的信息熵值 ，以进一步确认是否存在较多不易压缩的高频信息。

如果信息熵值小于0.5（经验值&建议值，不限于此），则表示当前的8*8的像素矩阵中不存在较多高频信息，我们可以直接采用游程长度编码和熵编码，对像素矩阵进行压缩。

如果信息熵大于等于0.5，则表示当前的8*8的像素矩阵中存在较多高频信息。此时我们通过DCT变换，将像素矩阵从空间域变换到频域，然后在频域当中删除50%（经验值&建议值，不限于此）的高频数据。然后再将删除了高频信息的频域数据进行游程长度编程和熵编码，得到最终的结果数据。

综上所述，本申请提供的技术方案当中通过对图像数据进行统计和特征提取，自动判断何时应该进行有损压缩后再进行无损压缩，何时应该只进行无损压缩。从而避免了大量无意义且耗时的计算过程，在保证了数据尺寸较小的前提下，大幅提升了图像的压缩速度，实现了提高图像数据在网络中传输效率的目标。

无损压缩包括以下步骤：

S201，使用游程长度编码对像素矩阵进行一次压缩；以及

S202，使用熵编码对像素矩阵进行二次压缩。

应理解，游程长度编码是栅格数据压缩的重要编码方法，它的基本思路是：对于一幅栅格图像，常常有行（或列）方向上相邻的若干点具有相同的属性代码，因而可采取某种方法压缩那些重复的记录内容。其编码方案是，只在各行（或列）数据的代码发生变化时依次记录该代码以及相同代码重复的个数，从而实现数据的压缩。

熵编码即编码过程中按熵原理不丢失任何信息的编码。信息熵为信源的平均信息量（不确定性的度量）。常见的熵编码有：香农(Shannon)编码、哈夫曼(Huffman)编码和算术编码(arithmetic coding)。

先使用游程长度编码再使用熵编码的优势是：游程长度编码可以将连续重复的字符进行最精简的表示，所以先用游程长度编码对数据进行一次整理，这样可以比直接使用熵编码进行压缩的效果更佳（尺寸更小，速度更快）。

请参阅图5和图6，有损压缩包括以下步骤：

S301，将像素矩阵从空间域变换到频域；

S302，删除设定比例的高频数据；以及

S303，对剩余频域数据使用游程长度编码对像素矩阵进行一次压缩后使用熵编码对像素矩阵进行二次压缩。

请参阅图7，步骤S302的作用是删除部分数据，应理解，有损压缩是利用“在频率域下，人眼对高频信息不敏感”，从而可以丢弃部分高频信息来使得压缩更顺利。在很多情况下，频域表示更稀疏，或者说能量更集中，去掉一些次要频率对图像影响不大。

删除掉这部分高频信息后，可以使用有限数据来对原图像进行尽可能完整的还原，使还原后的图像接近于原始图像。删除掉设定比例的高频数据后，对剩余频域数据使用游程长度编码对像素矩阵进行一次压缩后使用熵编码对像素矩阵进行二次压缩。

应理解，信息熵是专门用于描述信源的不确定度，是消除不确定性所需信息量的度量。信息熵的公式表示如下：

式中，x 为随机变量；X 为随机变量的集合；P(x)为变量出现的概率。

其具体定义为：对于任意一个随机变量 x，变量的不确定性越大，熵也就越大，把它弄清楚所需要的信息量也就越大。

图像数据的信息熵值计算过程如下：

S401，遍历每一个字符，统计出每一个字符出现的频数，以确定每一个字符在数据当中出现的概率；

S402，对每一个字符进行计算，将当前字符出现的概率P(x)与其以2为底的对数相乘，并将此乘积取相反数作为计算结果；以及

S403，将以上计算结果全部进行累加，最终得到数据的信息熵值。

在一些例子中，对彩色图像进行处理时，首先将彩色图像拆分为单色图像后进行压缩处理，单色图像包括红色图像、绿色图像和蓝色图像。拆分成单色图像的原理是基于RGB的显示方式，一个像素点可以使用三个颜色进行表示，并同时对这三个颜色赋予亮度。

相比于对带有三个颜色和三个亮度的像素点进行直接压缩，拆分的方式明显可以得到更快的数据处理速度，因为拆分能够得到单色图像，另一方面，人眼对于不同颜色的敏感度不同，可以使用不同的压缩比例来对不同的单色图像进行压缩，用以得到更高的压缩比。

在一些例子中，不同单色图像的信息熵值不同，绿色图像的信息熵值大于红色图像的信息熵值大于蓝色图像的信息熵值。应理解，人眼对于红绿蓝三种颜色的敏感度是不同的，其中对绿色最敏感，红色次之，对蓝色最不敏感。所以在具体实施过程中，可以将绿色通道的信息熵阈值设置得较大，而对蓝色通道的信息熵阈值设置得较小，以最大程度的提高画质和减小数据尺寸。

在一些例子中，还增加了如下步骤：

S501，预计算经过压缩处理的图像的体积；以及

S502，根据体积调整信息熵值的取值范围；

其中，预计算经过压缩处理的图像的体积时，体积在要求范围内波动。

步骤S501和步骤S502的作用是在压缩后体积允许的情况下，可以适当降低压缩比例而保留更多的数据，例如要求压缩后的体积为2MB-3MB，但是实际压缩后的体积为1.5MB，针对于这种情况，就可以调整图像的压缩比例，使实际压缩后的体积在2MB-3MB之间波动。

这种方式可以在一定程度上保留更多的图像信息，使还原后的图像能够更加贴近于被压缩前的图像。

本申请还提供了一种提高图像数据在网络中传输效率的装置，包括：

图像拆分单元，用于响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；

第一数据处理单元，用于计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；

第一判断及压缩单元，用于像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

第二判断及压缩单元，用于信息熵值小于第二设定值时对像素矩阵进行无损压缩，信息熵值大于第二设定值时对像素矩阵进行有损压缩；以及

第二数据处理单元，用于得到经过压缩处理的图像。

进一步地，还包括：

一次压缩单元，用于使用游程长度编码对像素矩阵进行一次压缩；以及

二次压缩单元，用于使用熵编码对像素矩阵进行二次压缩。

进一步地，还包括：

频域转换单元，用于将像素矩阵从空间域变换到频域；

数据筛选单元，用于删除设定比例的高频数据；以及

三次压缩单元，用于对剩余频域数据使用游程长度编码对像素矩阵进行一次压缩后使用熵编码对像素矩阵进行二次压缩。

进一步地，还包括：

第一计算单元，用于遍历每一个字符，统计出每一个字符出现的频数，以确定每一个字符在数据当中出现的概率；

第二计算单元，用于对每一个字符进行计算，将当前字符出现的概率P(x)与其以2为底的对数相乘，并将此乘积取相反数作为计算结果；以及

第三计算单元，用于将以上计算结果全部进行累加，最终得到数据的信息熵值。

进一步地，获取到的图像为彩色图像时，将彩色图像拆分为单色图像后进行压缩处理；

单色图像包括红色图像、绿色图像和蓝色图像。

进一步地，不同单色图像的信息熵值不同，绿色图像的信息熵值大于红色图像的信息熵值大于蓝色图像的信息熵值。

进一步地，还包括：

预计算单元，用于预计算经过压缩处理的图像的体积，预计算经过压缩处理的图像的体积时，体积在要求范围内波动；以及

数值调整单元，用于根据体积调整信息熵值的取值范围；

在一个例子中，以上任一装置中的单元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：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。

再如，当装置中的单元可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些单元可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

在本申请中可能出现的对各种消息/信息/设备/网元/系统/装置/动作/操作/流程/概念等各类客体进行了赋名，可以理解的是，这些具体的名称并不构成对相关客体的限定，所赋名称可随着场景，语境或者使用习惯等因素而变更，对本申请中技术术语的技术含义的理解，应主要从其在技术方案中所体现/执行的功能和技术效果来确定。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

还应理解，在本申请的各个实施例中，第一、第二等只是为了表示多个对象是不同的。例如第一时间窗和第二时间窗只是为了表示出不同的时间窗。而不应该对时间窗的本身产生任何影响，上述的第一、第二等不应该对本申请的实施例造成任何限制。

还应理解，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请还提供了一种计算机程序产品，该计算机程序产品包括指令，当该指令被执行时，以使得该提高图像数据在网络中传输效率的系统执行对应于上述方法的提高图像数据在网络中传输效率的系统的操作。

本申请还提供了一种提高图像数据在网络中传输效率的系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如上述内容中所述的方法。

本申请还提供了一种芯片系统，该芯片系统包括处理器，用于实现上述内容中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。

该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

上述任一处提到的处理器，可以是一个CPU，微处理器，ASIC，或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。

在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，以支持该芯片系统实现上述实施例中的各种功能。或者，该处理器和该存储器也可以耦合在同一个设备上。

可选地，该计算机指令被存储在存储器中。

可选地，该存储器为该芯片内的存储单元，如寄存器、缓存等，该存储器还可以是该终端内的位于该芯片外部的存储单元，如ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM等。

可以理解，本申请中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

非易失性存储器可以是ROM、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electricallyEPROM，EEPROM)或闪存。

易失性存储器可以是RAM，其用作外部高速缓存。RAM有多种不同的类型，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器。

本具体实施方式的实施例均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (8)

1.一种提高图像数据在网络中传输效率的方法，其特征在于，包括：

响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；

计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；

像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

对信息熵值小于第二设定值时对像素矩阵进行无损压缩，对信息熵值大于第二设定值时对像素矩阵进行有损压缩；以及

得到经过压缩处理的图像；

获取到的图像为彩色图像时，将彩色图像拆分为单色图像后进行压缩处理，单色图像包括红色图像、绿色图像和蓝色图像，不同单色图像的信息熵值不同，绿色图像的信息熵值大于红色图像的信息熵值大于蓝色图像的信息熵值。

2.根据权利要求1所述的提高图像数据在网络中传输效率的方法，其特征在于，无损压缩包括：

使用游程长度编码对像素矩阵进行一次压缩；以及

使用熵编码对像素矩阵进行二次压缩。

3.根据权利要求1或2所述的提高图像数据在网络中传输效率的方法，其特征在于，有损压缩包括：

将像素矩阵从空间域变换到频域；

删除设定比例的高频数据；以及

对剩余频域数据使用游程长度编码对像素矩阵进行一次压缩后使用熵编码对像素矩阵进行二次压缩。

4.根据权利要求1所述的提高图像数据在网络中传输效率的方法，其特征在于，信息熵值的计算过程包括：

遍历每一个字符，统计出每一个字符出现的频数，以确定每一个字符在数据当中出现的概率；

对每一个字符进行计算，将当前字符出现的概率P(x)与其以2为底的对数相乘，并将此乘积取相反数作为计算结果；以及

将以上计算结果全部进行累加，最终得到数据的信息熵值。

5.根据权利要求1或4所述的提高图像数据在网络中传输效率的方法，其特征在于，还包括：

预计算经过压缩处理的图像的体积；以及

根据体积调整信息熵值的取值范围；

其中，预计算经过压缩处理的图像的体积时，体积在要求范围内波动。

6.一种提高图像数据在网络中传输效率的装置，其特征在于，包括：

图像拆分单元，用于响应于获取到的图像数据，将图像数据拆分为多个像素矩阵；

第一数据处理单元，用于计算像素矩阵中不同灰度值的像素数量，记为像素数量数值；

第一判断及压缩单元，用于像素数量数值小于第一设定值时对像素矩阵进行无损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

第二判断及压缩单元，用于对信息熵值小于第二设定值时对像素矩阵进行无损压缩，对信息熵值大于第二设定值时对像素矩阵进行有损压缩，像素数量数值大于等于第一设定值时计算像素矩阵的信息熵值；

第二数据处理单元，用于得到经过压缩处理的图像；

获取到的图像为彩色图像时，将彩色图像拆分为单色图像后进行压缩处理，单色图像包括红色图像、绿色图像和蓝色图像，不同单色图像的信息熵值不同，绿色图像的信息熵值大于红色图像的信息熵值大于蓝色图像的信息熵值。

7.一种提高图像数据在网络中传输效率的系统，其特征在于，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如权利要求1至5中任意一项所述的方法。

8.一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包括：

程序，当所述程序被处理器运行时，如权利要求1至5中任意一项所述的方法被执行。