[发明专利]一种高精度图像混合压缩的方法

说明书

本申请公开了一种高精度图像混合压缩的方法，所述图像包括关注区域ROI和环境背景区域，所述方法包括：对关注ROI区域执行无损压缩，得到ROI压缩数据；对环境背景区域执行有损压缩，得到背景压缩数据；将ROI压缩数据与背景压缩数据组合得到处理后的图像压缩数据。采用本发明的技术方案对图像不同的部分进行不同方式的压缩，使得压缩更具有针对性，既保证了关注目标区域的图像质量，又可以有效提高整体压缩效率，节省了传输带宽，又保证了重点关注信息不被丢失。

技术领域

本发明涉及图像处理领域，尤其涉及一种高精度图像混合压缩的方法。

背景技术

在进行图像或视频传输时，由于传输带宽和传输速率的限制，需要对传输的视频或图像进行压缩处理。无损压损虽然能够很好地保持原有对象的信息，但本身具有较低的压缩效率，往往会受到传输条件的制约；相反地，有损压缩具有较高的压缩效率，但本身对原有信息的损失会造成解压出来的图像信息丢失，不符合关注信息提取和视觉方面质量要求。因此，研究如何将有损压缩与无损压缩结合运用，具有一定的实际意义。

发明内容

为解决现有技术将有损压缩与无损压缩结合运用，本申请提供了一种高精度图像混合压缩的方法。

本发明采用的技术方案是：一种高精度图像混合压缩的方法，所述图像包括关注ROI区域和环境背景区域，包括：

对关注ROI区域执行无损压缩，得到ROI压缩数据；

对环境背景区域执行有损压缩，得到背景压缩数据；

将ROI压缩数据与背景压缩数据组合得到混合压缩数据。

所述关注ROI区域为从被处理的图像以几何图形或目标分割宏块方式勾勒出需要处理的感兴趣区域，即图像中所要关注的重要信息；所述环境背景区域为图像中除关注ROI区域之外的其他区域，即不包含重要信息的区域。

所述方法还包括判断当前待压缩区域类型是关注ROI区域还是环境背景区域。

无损压缩包括采用RLE算法、哈夫曼算法、Rice算法、LZ77算法或自定义无损压缩算法之一进行压缩。

当无损压缩为采用哈夫曼算法进行压缩时，所述对关注ROI区域执行无损压缩，具体为：

统计关注ROI区域的原始数据中各字符出现的频率；

将所有字符按频率降序排列，构造哈夫曼树；

将哈夫曼树存入结果数据，重新编码原始数据到结果数据。

构造哈夫曼树具体为，将关注ROI区域的原始数据初始化为哈夫曼节点，将所有的哈夫曼节点放到一个队列中，用一个节点替换两个频率最低的节点，新节点的频率就是这两个节点的频率之和，即两个被替换节点的父节点；如此循环，直到队列中只剩一个树根节点。

有损压缩包括采用脉冲编码，预测编码，变换编码，统计编码，量化编码和子带编码之一进行压缩。

当有损压缩为采用量化编码进行压缩时，所述对环境背景区域执行有损压缩，具体为：对环境背景区域进行分块，利用量化矩阵对各子块进行量化；对量化后的像素子块游程编码。

对各子块进行量化，具体为，将环境背景区域中多个分块的离散取值近似为有限个或更少数量的离散值。

对于有损压缩，采用极限处理方法，将环境背景区域宏块直接置0。

本发明取得的有益效果是：对图像不同的部分进行不同方式的压缩，使得压缩更具有针对性，既保证了关注目标区域的图像质量，又可以有效提高整体压缩效率，方便快速传输。

附图说明