TWI492615B - 改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法、解壓縮方法及其程式產品 - Google Patents
改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法、解壓縮方法及其程式產品 Download PDFInfo
- Publication number
- TWI492615B TWI492615B TW100117903A TW100117903A TWI492615B TW I492615 B TWI492615 B TW I492615B TW 100117903 A TW100117903 A TW 100117903A TW 100117903 A TW100117903 A TW 100117903A TW I492615 B TWI492615 B TW I492615B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- group
- codebook
- code
- blocks
- Prior art date
Links
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Description
本發明是一種改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法及解壓縮方法。
向量量化編碼法(VQ,Vector Quantization)常用於數位影像及聲音資料上的壓縮。以影像壓縮作為範例說明，請參考第四A、B圖，向量量化編碼法在壓縮演算過程，係將一影像分割為複數個大小相同的方格，每個方格包含複數個像素(如第四A圖之wxh)可以一向量表示，每個方格可能具有相同或不同的像素值，進行壓縮編碼時收集具有代表性的向量組成一編碼簿(Codebook)，並在該編碼簿中找出與影像方格最接近的一編碼字(Code word，如第四A圖之k)，並且以該編碼字在該編碼簿之一索引值(如第四A圖之i)取代此向量(方格)而組成一張壓縮碼(索引表)；在解壓縮方面，則透過該壓縮碼內的索引值由該編碼簿中找出編碼字，並還原該編碼字為區塊而重建影像，如第四B圖所示。由此可知，既有的向量量化編碼壓縮(VQ)技術中，該編碼簿(Codebook)的訓練(Training)是最重要的一個環節，擁有一本良好的編碼簿，則就能確保被解壓縮後的影像品質；反之則被解壓縮後之影像的品質則不良。
在訓練編碼簿方面，LBG(Linde-Buzo-Gray)演算法為一常見的訓練編碼簿的方法，LBG演算法係由Linde、Buzo和Gray三位學者所提出的方法，其主要是從一堆編碼字的樣本中以分群法找出代表每個群的編碼字，再由這些其代表性的編碼字形成一本編碼簿。然而，LBG演算法之缺點是需龐大的計算時間，且LBG演算法對於顏色變異較大的影像區域(Image Regions)則會給予較多個代表性的編碼字(Codewords)；相反地、對於變異較小的影像區域，則會給予較少個代表性的編碼字。以自然界為主題的影像為例，此類之影像含有低變化顏色複雜度(Low Color Complexity)的影像區域面積一般都很大的，若這類的影像執行前述的LBG演算法之編碼簿，則對於影像之壓縮解壓縮之失真度造成嚴重影響。
為了解決既有的之壓縮技術訓練編碼簿耗時費工且對於具有低變化顏色複雜度的影像區域於壓縮解壓縮過程之失真度之技術問題，本發明提出一改良向量量化編碼壓縮(VQ)訓練編碼簿方法，以減少訓練編碼簿所需的時間，並且可以依群組內的顏色複雜度，訓練出不同個數的編碼字，以提升解壓縮影像的品質。
本發明提供一種改良向量量化編碼還原影像品質與快速編碼簿訓練方法，其步驟包含：輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G
群組，並以LBG編碼簿演算法從所有的影像區塊中找出G
個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg
與標準差STDg
分別依據下列公式：
其中， N g
為群組 g
中的影像區塊總個數；產生每個群組之編碼字個數 C g
係依據下列公式：，其中 K
為一編碼簿之編碼字總數， r
為一設定之常數值；以LBG編碼簿演算法為每個群組 g
建構出 C g
個編碼字；從每個群組中所產生之該編碼字組成一編碼簿。
本發明再提供一種改良向量量化編碼還原影像品質與快速編碼簿之壓縮方法，其步驟包含：輸入一彩色影像及一編碼簿，其中，該編碼簿係由一改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，該改良向量量化編碼還原影像品質與快速編碼簿訓練方法之步驟包含輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為m×n之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G
群組，並以LBG編碼簿演算法從所有的影像區塊中找出G
個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg
與標準差STDg
分別依據其中， N g
為群組 g
中的影像區塊總個數；產生每個群組之編碼字個數 C g
係依據，其中 K
為一編碼簿之編碼字總數， r
為一設定之常數值；以LBG編碼簿演算法為每個群組 g
建構出 C g
個編碼字；從每個群組中所產生之該編碼字組成該編碼簿；將讀入的彩色影像予以灰階化成為一灰階影像；將灰階影像切割成多個m
×n
大小且不重疊影像區塊；每一個影像區塊在編碼簿中找尋最相似的編碼字，並記綠該編碼字的索引值；及輸出索引值表格。
本發明又提供一種改良向量量化編碼還原影像品質與快速編碼簿之壓縮方法，其步驟包含：輸入一索引值表格及一編碼簿，該編碼簿係由一改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，該改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，其步驟包含輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G
群組，並以LBG編碼簿演算法從所有的影像區塊中找出G
個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg
與標準差STDg
分別依據其中， N g
為群組 g
中的影像區塊總個數；產生每個群組之編碼字個數 C g
係依據，其中 K
為一編碼簿之編碼字總數， r
為一設定之常數值；以LBG編碼簿演算法為每個群組 g
建構出 C g
個編碼字；從每個群組中所產生之該編碼字組成該編碼簿；該索引值表格係利用該編碼簿於壓縮後而產生；從編碼簿中取出相對應索引值的編碼字，還原為該灰階影像；及輸出解壓縮之一灰階影像。
由前述可知，本發明可以有效提升壓縮影像品質，並且大大減少訓練編碼簿的時間。依照群組的顏色複雜度與資料量的程度，訓練出不同個數的編碼字，以提升還原影像品質，並且可以有效的減少訓練編碼簿所需的時間。
請參考第一圖，其為本發明之改良向量量化編碼還原影像品質與快速編碼簿訓練方法之較佳實施例，其可以為一電腦程式產品於載入電腦執行後，執行步驟包含：
(51)輸入待壓縮之彩色影像：
由外部讀入一彩色影像。
(52)轉換為一灰階影像：
將該彩色影像轉換為一灰階影像 f
。
( 53)將影像切割成多個mxn大小且不重疊的影像區塊：
將該灰階影像切割成多個大小為mxn之影像區塊，各影像區塊不互相重疊。
(54)利用LBG編碼簿演算法將影像區塊分成 G 個群組：
通常在一張灰階影像裡，大多數相鄰的影像區塊都很相似。因此為了減少影像區塊的比對次數，以降低編碼簿的訓練時間，也為使相鄰的影像區塊盡可能被歸類成一類，本實施例利用LBG編碼簿演算法依影像區塊的相似情況，將所有影像區塊分成 G
群組，並以LBG編碼簿演算法從所有的影像區塊中，找出 G
個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；之後，將每一個影像區塊 B
依據相似情況歸類至相似代表性影像區塊與 B
最相似的群組中。
對一群具有高度差異的影像區塊，須使用較多代表性影像區塊，才足以描述該群影像區塊的顏色分佈狀況，故習用LBG演算法對於具有高度顏色複雜特性的影像區域，則會給予較多的編碼字，而本實施例也會將顏色複雜度列為建構編碼簿的考慮因素之一。
(55)利用公式(1)計算出每一群組 g 的標準差：
為了將相似的資料能分在同一群組，並且有效地的減少分群所許的計算時間。在統計學上，標準差是用來測量資料集合(Data Set)中的資料分散程度，若標準差越小，則表示該群資料的分佈越集中；否則表示該群組資料的分佈越分散。本實施例使用標準差測量群組中變異程度。假設 d gi
為一個群組 g
中第 i
個影像區塊，群組 g
的標準差 STD g
可以透過公式(1)計算：
其中， N g
為群組 g
中的影像區塊總個數； μ g
與 STD g
為第 g
群組內資料平均值與標準差。
本步驟之標準差 STD g
可以描述出群組 g
中影像區塊的變化程度。
(56)利用公式(2)計算應從群組 g 中訓練出的編碼字個數 C g
：如前所述，對於含有顏色差異較大影像區塊的群組，則須再細分更多代表性的編碼字來表示之；且對於含有較多個資料量影像區塊的群組，也應給予較多代表性的編碼字來描述之，以減低被解壓縮影像的失真度，如何決定應從群組 g
中訓練出的編碼字個數 C g
，本實施例係依據下列公式(2)：
其中 K
為所欲求得編碼簿之編碼字總數； r
為一設定之常數值。
(57)利用公式(2)LBG編碼簿演算法從群組 g 中訓練出 C g 個編碼字：
於決定需從每一個群組中訓練出的編碼字個數後，本實施例再利用LBG編碼簿演算法，為每個群組 g
建構出 C g
個編碼字。
(58)輸出一本編碼簿：
最後，從每個群組中所訓練出來該些編碼字便可組成所欲求得的編碼簿。比較傳統的LBG編碼簿演算法，其在每次重新計算新的群中心時對每個資料則須作 K
次的歐基里徳距離公式計算；而本實施例是把所有資料先作分群，再分別從每個群組中求出所要的編碼字。當欲從群組 g
中求出 C g
個編碼字時，每次重新計算新的群中心時對每個資料則僅須作 N g
次的歐基里徳距離公式計算。因此證實本實施例所需作的歐基里徳距離公式計算的次數，會比習用的LBG編碼簿演算法所作的計算次數少許多，因此，可以有效解決既有的編碼簿訓練過程冗長的技術問題。
請參考第二圖，利用前述之改良向量量化編碼還原影像品質與快速編碼簿訓練方法所完成的編碼簿可以進行影像壓縮。本發明之改良向量量化編碼還原影像品質與快速編碼簿之壓縮方法之步驟包含：
(61)輸入欲壓縮之彩色影像與編碼簿：
讀取一待壓縮之彩色影像以及前述的該改良向量量化編碼還原影像品質與快速編碼簿訓練方法所產生的編碼簿。
(62)轉換成一張灰階影像：
將讀入的彩色影像予以灰階化成為一灰階影像。
(63)將灰階影像切割成多個 m × n 大小且不重疊影像區塊
。
(64)每一個影像區塊在編碼簿中找尋最相似的編碼字，並記綠該編碼字的索引值
。
(65)輸出索引值表格
。
請參考第三圖，利用前述之改良向量量化編碼還原影像品質與快速編碼簿之影像壓縮方法後產生的索引值表格，可透過一改良向量量化編碼還原影像品質與快速編碼簿之解壓縮方法予以還原成為該灰階影像，其步驟包含：
(71)輸入索引值表格與編碼簿：
輸入影像壓縮方法產生的索引值表格以及該改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生的編碼簿。
(72)從編碼簿中取出相對應索引值的編碼字，還原為該灰階影像。
(73)輸出解壓縮灰階影像。
為了證實本實施例之編碼簿訓練方法、使用該編碼簿訓練方法產生的編碼簿進行的影像壓縮方法、解壓縮方法產執行之壓縮與解壓縮成效，請參考下表一，其顯示本實施例使用不同 G
群組，所需的時間和壓縮影像還原品質。 PSNR
(Peak Signal to Noise Ratio)係用來量測重建影像(解壓縮後)與原始影像(原始的灰階影像)之間的品質差異(即還原品質)，當PSNR之數值越高則表示還原(解壓縮)之影像品質越好；表一當中的Time
代表壓縮一個灰階影像實際所花費的時間(單位為秒，Seconds)。表一說明當 G
越大時所獲得的 PSNRs
會有微量的升高，其差異幅度並不是很大，但所需的執行時間的差異卻很大。而當 G=16
時，所花費的執行時間最少；縱軸為不同內容之影像(檔名分別為Baboon,Lena,Toys)。
為了證實本實施例之改良向量量化編碼還原影像品質與快速編碼簿訓練方法確實與習用的LBG編碼簿演算方法更具有效率，表二為在 r = 0 . 35 ， G = 16 ， K = 512
且 m ×n = 2×2
條件下，本發明與習用LBG編碼簿演算法的執行時間與 PSNRs
比較結果。從表二中可知本發明比習用LBG演算法的平均執行時間快約9倍多，證實本實施例確實具備更加的編碼簿產生時間，更具有優異壓縮與解壓縮之效果。
由前述可知，本發明可以有效提升壓縮影像品質，並且大大減少訓練編碼簿的時間。依照群組的顏色複雜度與資料量的程度，訓練出不同個數的編碼字，以提升還原影像品質，並且可以有效的減少訓練編碼簿所需的時間。
第一圖為本發明改良向量量化編碼還原影像品質與快速編碼簿訓練方法之流程示意圖。
第二圖為本發明改良向量量化編碼還原影像品質與快速編碼簿之壓縮方法之流程示意圖。
第三圖為本發明改良向量量化編碼還原影像品質與快速編碼簿之解壓縮方法之流程示意圖。
第四A、B圖為既有的向量量化編碼、壓縮及解壓縮之示意圖。
Claims (6)
- 一種改良向量量化編碼還原影像品質與快速編碼簿訓練方法，其步驟包含：輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G 群組，並以LBG編碼簿演算法從所有的影像區塊中找出G 個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg 與標準差STDg 分別依據下列公式：
- 一種編碼簿產生程式產品，電腦載入該程式產品後，執行下列步驟：輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G 群組，並以LBG編碼簿演算法從所有的影像區塊中找出G 個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg 與標準差STDg 分別依據下列公式：
- 一種改良向量量化編碼還原影像品質與快速編碼簿之壓縮方法，其步驟包含：輸入一彩色影像及一編碼簿，其中，該編碼簿係由一改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，該改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，其步驟包含輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G 群組，並以LBG編碼簿演算法從所有的影像區塊中找出G 個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg 與標準差STDg 分別依據其中， N g 為群組 g 中的影像區塊總個數；產生每個群組之編碼字個數 C g 係依據，其中 K 為一編碼簿之編碼字總數， r 為一設定之常數值；以LBG編碼簿演算法為每個群組 g 建構出 C g 個編碼字；從每個群組中所產生之該編碼字組成該編碼簿；將讀入的彩色影像予以灰階化成為一灰階影像；將灰階影像切割成多個m ×n 大小且不重疊影像區塊；每一個影像區塊在編碼簿中找尋最相似的編碼字，並記綠該編碼字的索引值；及輸出索引值表格。
- 一種影像壓縮程式產品，電腦載入該程式產品後，執行下列步驟：輸入一彩色影像及一編碼簿，其中，該編碼簿係由一改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，該改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，其步驟包含輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G 群組，並以LBG編碼簿演算法從所有的影像區塊中找出G 個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg 與標準差STDg 分別依據其中， N g 為群組 g 中的影像區塊總個數；產生每個群組之編碼字個數 C g 係依據，其中 K 為一編碼簿之編碼字總數， r 為一設定之常數值；以LBG編碼簿演算法為每個群組 g 建構出 C g 個編碼字；從每個群組中所產生之該編碼字組成該編碼簿；將讀入的彩色影像予以灰階化成為一灰階影像；將灰階影像切割成多個m ×n 大小且不重疊影像區塊；每一個影像區塊在編碼簿中找尋最相似的編碼字，並記綠該編碼字的索引值；及輸出索引值表格。
- 一種改良向量量化編碼還原影像品質與快速編碼簿之壓縮方法，其步驟包含：輸入一索引值表格及一編碼簿，該編碼簿係由一改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，該改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，其步驟包含輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G 群組，並以LBG編碼簿演算法從所有的影像區塊中找出G 個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg 與標準差STDg 分別依據其中， N g 為群組 g 中的影像區塊總個數；產生每個群組之編碼字個數 C g 係依據，其中 K 為一編碼簿之編碼字總數， r 為一設定之常數值；以LBG編碼簿演算法為每個群組 g 建構出 C g 個編碼字；從每個群組中所產生之該編碼字組成該編碼簿；該索引值表格係利用該編碼簿於壓縮後而產生；從編碼簿中取出相對應索引值的編碼字，還原為該灰階影像；及輸出解壓縮之一灰階影像。
- 一種解壓縮程式產品，電腦載入該程式產品後，執行下列步驟：輸入一索引值表格及一編碼簿，該編碼簿係由一改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，該改良向量量化編碼還原影像品質與快速編碼簿訓練方法產生，其步驟包含輸入一影像，並將該影像灰階化為一灰階影像；將該灰階影像切割為複數個大小為mxn之影像區塊，各影像區塊互不相重疊；以LBG編碼簿演算法依影像區塊的相似性將所有影像區塊分成G 群組，並以LBG編碼簿演算法從所有的影像區塊中找出G 個代表性編碼字，並以每一個編碼字，來當作一個群組的代表性影像區塊；最後將每一個影像區塊依據相似情況歸類至相似之代表性影像區塊與最相似的群組中；計算每個群組之平均值與標準差，其中，該灰階影像之群組g的平均值μg 與標準差STDg 分別依據其中， N g 為群組 g 中的影像區塊總個數；產生每個群組之編碼字個數 C g 係依據，其中 K 為一編碼簿之編碼字總數， r 為一設定之常數值；以LBG編碼簿演算法為每個群組 g 建構出 C g 個編碼字；從每個群組中所產生之該編碼字組成該編碼簿；該索引值表格係利用該編碼簿於壓縮後而產生；從編碼簿中取出相對應索引值的編碼字，還原為該灰階影像；及輸出解壓縮之一灰階影像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW100117903A TWI492615B (zh) | 2011-05-23 | 2011-05-23 | 改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法、解壓縮方法及其程式產品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW100117903A TWI492615B (zh) | 2011-05-23 | 2011-05-23 | 改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法、解壓縮方法及其程式產品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201249211A TW201249211A (en) | 2012-12-01 |
| TWI492615B true TWI492615B (zh) | 2015-07-11 |
Family
ID=48138952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW100117903A TWI492615B (zh) | 2011-05-23 | 2011-05-23 | 改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法、解壓縮方法及其程式產品 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI492615B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI617182B (zh) * | 2016-07-07 | 2018-03-01 | Image coding method and device |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5065446A (en) * | 1985-12-13 | 1991-11-12 | Canon Kabushiki Kaisha | Image data coding apparatus |
| TW200746051A (en) * | 2006-01-18 | 2007-12-16 | Lg Electronics Inc | Apparatus and method for encoding and decoding signal |
-
2011
- 2011-05-23 TW TW100117903A patent/TWI492615B/zh not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5065446A (en) * | 1985-12-13 | 1991-11-12 | Canon Kabushiki Kaisha | Image data coding apparatus |
| TW200746051A (en) * | 2006-01-18 | 2007-12-16 | Lg Electronics Inc | Apparatus and method for encoding and decoding signal |
Non-Patent Citations (1)
| Title |
|---|
| Yih-Chuan Lin and Shen-Chuan Tai, "A Fast Linde–Buzo–Gray Algorithmn in Image Vector Quantization, " 199803 K.C. Chua, W.C. Wong and K.N. Ngan, "Error detection and correction of vector quantized digital images, " 199012 * |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201249211A (en) | 2012-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102460513B (zh) | 编码/解码包括一个或多个组件的3d网格模型的方法 | |
| US8774534B2 (en) | System and method for image compression | |
| US9253505B2 (en) | System and method for image compression | |
| US8213727B2 (en) | Image encoding apparatus and image decoding apparatus, and control method thereof | |
| US7714873B2 (en) | Strategies for compressing textures | |
| GB2533109A (en) | Encoder, decoder and method for data | |
| Shen et al. | An adaptive image compression method based on vector quantization | |
| GB2539488A (en) | Encoder, decoder and method employing palette utilization and compression | |
| Yang et al. | Huffman-code strategies to improve MFCVQ-based reversible data hiding for VQ indexes | |
| CN112887722B (zh) | 一种图像无损压缩方法 | |
| TWI492615B (zh) | 改良向量量化編碼還原影像品質與快速編碼簿訓練方法、壓縮方法、解壓縮方法及其程式產品 | |
| JP7233875B2 (ja) | 作成方法、コンピュータ及びプログラム | |
| Hong et al. | Joint image coding and lossless data hiding in VQ indices using adaptive coding techniques | |
| Sun et al. | A novel fractal coding method based on MJ sets | |
| JP6722651B2 (ja) | 画像のタイプに応じて圧縮アルゴリズムを選択する方法 | |
| TWI376960B (en) | Codebook generating method for image compression | |
| WO2003081898A1 (en) | Image data compression device, image data compression method, recording medium, and program | |
| Hu et al. | Efficient VQ-based image coding scheme using inverse function and lossless index coding | |
| WO2020230188A1 (ja) | 符号化装置、符号化方法及びプログラム | |
| JP5453519B2 (ja) | 特に画像，映像，及び／又は音声のデジタルファイルを処理する方法 | |
| Kamal et al. | Iteration free fractal compression using genetic algorithm for still colour images | |
| JP3797965B2 (ja) | 画像符号化装置、画像復号化装置及びそれらの方法 | |
| Purba et al. | Analysis and improvement of JPEG compression performance with discrete cosine transform and convolution Gaussian filtering | |
| KR20030063850A (ko) | 문자와 이미지가 포함된 문서의 압축, 복원 시스템 및방법 | |
| Kamatar et al. | Image Compression Using Mapping Transform with Pixel Elimination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |