- 相關推薦
探析基于固定特征長度的圖像無損壓縮研究
所謂無損壓縮格式，是利用數據的統計冗余進行壓縮，可完全恢復原始數據而不引起任何失真，但壓縮率是受到數據統計冗余度的理論限制，一般為2:1到5:1.這類方法廣泛用于文本數據，程序和特殊應用場合的圖像數據(如指紋圖像，醫學圖像等)的壓縮。
摘要：本文將長度減半的二進制碼流編碼算法用于圖像的無損壓縮研究，采用固定特征長度對于經典測試圖像進行無損壓縮。測試結果表明，基于該算法對于連續相同的數據經過簡單的編碼就可以得到較為明顯的壓縮效果，其中測試圖像R、G、B 越高Bit值部分的壓縮效果越明顯，對于整體的壓縮效果也將更加明顯，所以具有較好的應用價值。
關鍵詞：無損壓縮 固定特征長度 圖像壓縮
一、引言
圖像壓縮編碼的主要任務是去掉各種冗余和不相干的信息。根據解碼后的數據與原始數據是否一致，圖像壓縮方法可以分為無損壓縮編碼和有損壓縮編碼。常見的無損數據壓縮有以下幾種：字典編碼(包括游長編碼、LZW(Lempel-Ziv-Welch)編碼等)、熵編碼法(包括香農-范諾編碼、哈夫曼編碼、算術編碼等)以及其他編碼法[1-4]。
本文將長度減半的二進制碼流編碼算法用于圖像的無損壓縮，采用固定特征長度進行無損壓縮，分析了基于該算法的壓縮效率。
二、長度減半的二進制碼流編碼
長度減半的二進制碼流編碼簡要流程[5]：
(1)統計數據中連續“0”的長度L0，以及連續“1”的長度L1，分別選擇“0”和“1”合適的特征長度l0和l1。
(2)分別將大于等于特征長度l0和l1的L0和L1分別加上l0和l1，然后除以2，得到商Q0(Q1)和余數R0(R1)，可知Q0編碼為Q0個“0”，Q1編碼為Q1個“1”。
(3)小于各自特征長度l0和l1的L0和L1不做編碼處理，依然存儲 L0個“0”和L1個“1”。
(4)按照原數據的順序將商編碼和未編碼的存入商編碼表。余數編碼R0、R1存入余數編碼表。
長度要比原始碼字長度要短。而且，生成的商編碼表Q內的碼字連續“1”和連續“0”仍是交替出現的且有較長的長度，因此可以用上述算法對其進行二、三次及多次編碼。
經統計，信源數據由189bit經一次編碼后為126bit，經二次編碼后為103bit，經三次編碼后為100bit。
所以，基于該算法對于連續相同的數據經過簡單的編碼就可以得到較為明顯的壓縮效果。
三、固定特征長度的圖像壓縮
鑒于該算法的壓縮效率較高[5]，并且實現較為方便，本文將采用的是選取“1”和“0”的特征長度均為2，采用固定特征長度對圖像進行無損壓縮。
對于一副圖像，每個像素分成R、G、B三原色，第n個像素的Rn、Gn、Bn值和第n+1個像素的Rn+1、Gn+1、Bn+1很可能是近似相等的，基于圖像這樣一個特點，將該算法分別用到每一行的RGB數據上進行編碼。如圖3-1所示。
以一個像素為800*600、顏色深度為24bit的圖片為例，依次取出R[7]- R[0]、G[7]- G[0]、B[7]- B[0]，對于該行，分別將這24個長度為800bit的數據進行基于壓縮。
壓縮具體流程如圖3-2所示，采用python腳本語言將其R[7]- R[0]、G[7]- G[0]、B[7]- B[0]數據分別取出，存為24個txt格式文件，用C語言進行長度減半的壓縮操作。
對測試圖像Pens、Pepper、Lenna、Boatscolor做了如上所述的壓縮(如圖3-3所示)，其統計結果如表1所示。
由表1可以看出，圖像的R、G、B，Bit值越高，壓縮效果越明顯。而相鄰像素一般突變概率很小，像素高Bit值基本相同，為連續的“0”或 “1”，那么采用該算法進行多次壓縮，必定可以獲得良好的無損壓縮效果。其中，Pepper的B信號的Bit：7的數據量大小為245352bit，實現了245352/480000=51%的壓縮效率。可以得到這樣的推論，對于每行的連續數據進行多次的壓縮，圖片R、G、B 高Bit值的壓縮效果越明顯，對于整體的壓縮效果也將更加明顯。
四、結語
將長度減半二進制碼流編碼用于圖像無損壓縮，采用固定特征長度的方法簡化了編碼難度，測試結果表明對于每行的連續數據進行多次的壓縮，圖片R、G、B 高Bit值的壓縮效果越明顯，對于整體的壓縮效果也將更加明顯。
參考文獻：
[1]張曉玲.圖像無損壓縮算法初步研究[D].北京：北京工業大學，2001.
[2]籍俊偉.無損圖像壓縮技術的研究與應用[D].北京：北京化工大學，2004.
[3]孟憲偉，晏磊.圖像壓縮編碼方法綜述[J].影像技術，2007(1)：6-8
[4]田勇，丁學君.數字圖像壓縮技術的研究及進展[J].裝備制造技術，2007(4)：72-75.
[5]高健，劉萬，宋奧等.基于長度減半的二進制碼流的壓縮算法[J].計算機應用，2011(7)：1856-1858.
【探析基于固定特征長度的圖像無損壓縮研究】相關文章：
基于顏色特征的藏毯圖像檢索研究與實現03-21
基于內容的圖像檢索研究11-20
圖像紋理特征的分析方法研究03-07
彩色圖像特征提取研究(一)03-07
基于勝任特征的績效管理體系探析12-09
基于內容的模糊圖像檢索技術研究03-18
基于分形維數的圖像分類研究03-07
基于視覺注意力模型的圖像檢索的研究11-22
基于醫學ＣＴ圖像的三維重建研究03-02
基于嵌入式思想的小波圖像壓縮研究03-20