[发明专利]基于区域的规模可变的图像编码

说明书

本发明一般涉及图像编码，更具体地涉及规模可变的和基于内容的可以随机地访问的数字静态图像的压缩和解压。

因特网和数字媒体应用的快速发展提出持续的和不断增长的要求，需要一种新的图像编码工具，用于将通常大的和琐碎的原始图像数据文件减缩为压缩形式。然而，在设计新的编码工具时，开发者提出的要求已不再只是所得位流的紧凑性。终端用户以及它们的应用不断地要求一些特征，例如规模可变性、针对误差的稳固性以及基于内容的可访问性。

照片或动画影片是人类眼睛所看到的三维对象的二维表示。这些用于记录二维图像的方法是“连续的”或“模拟的”重现。数字图像是这些模拟图像的不连续逼近，其中这些模拟图像由一串邻近的具有变化的颜色或强度的点或画面元素(像素)组成。在计算机或电视显示器上，数字图像由投影至玻璃屏幕上的像素表示，以供操作人员观看。专用于描绘具体图像的像素数量称为它的分辨率，也即，所用像素愈多则其分辨率愈高。

中等分辨率的单色图像-黑白图像称为“灰度”-中每条水平线包含640个像素。一个典型图像包括480条水平行或线，而这些线中的每条线包含640个像素。因此，在单个640×480像素的图像中总共显示了307,200个像素。如果单色图像的每个像素需要一个字节的数据来描述它(即或黑或白)，则只是一个黑白图像就总共需要307,200个字节来描述它。现代灰度图像使用不同级别的强度来描绘黑度，因此使用八位或256个级别的灰度。所得图像文件因此更大。

对于彩色图像，图像中每个像素的颜色通常由三个变量决定：红(R)、绿(G)和蓝(B)。按照不同比例将这些颜色混合起来，计算机就可以显示色谱的不同颜色。可用于表示三种颜色中的每一种的品种愈多，则可以显示的颜色愈多。例如为表示256种红色浓淡，需要一个八位数。这个颜色的值的范围因而是0-255。因此用于表示一个像素所需的总位数是24位-红、绿和蓝各八位，通常称为RGB888格式。因此，一个给定的RGB画面具有三个平面，红、绿和蓝，以及画面中每个像素的颜色范围是0-16.78百万，或R×G×B=256×256×256。因此一个640×480像素的标准彩色图像需要在计算机系统中存储或表示大约7.4兆位的数据。将水平和垂直分辨率乘以表示全彩色范围所需位数即640×480×24=7,372,800位，即得此数。

标准的、通常可用的硬件虽然是不断增长地快速和可供使用，但仍然发现在处理这类规模的文件时慢而不实用。在交互式应用和因特网使用的情况下，这点更为突出。交互式应用要求对多媒体数据进行非常快的多方向处理。由于它们持续地保持大的规模，图像文件已经成为开发真实的、交互式计算机应用程序的限制速率的因素。在因特网的情况下，终端用户和应用程序更为调制解调器和其他传输媒体的缓慢步伐所限制。例如，由于普通电话公司使用的实际线路和交换功能，使得一秒期间当今能够在电话线上传输的信息量限制为每秒33,600位。因此，在此波特率下，具有7,372,800位的数据的单个全彩色RGB888640×480像素页面在传输时将占用大约三分半钟。

有许多用于压缩图像数据的方法，并且是熟悉技术的人所熟知的。这些方法中的某些方法是“无损失”压缩；即，在解码和解压时它们恢复原始数据而不损失或省略数据。因为它们的相对减缩比是小的，然而这些无损失技术不能满足对于图像压缩技术的所有现有要求。其他压缩方法是不可逆的并且称为“有损失”。这些不可逆方法能够提供大量压缩，但其结果是损失数据。在图像文件中，通过将人类眼睛对其具有有限的敏感度或者没有敏感度的图像的某些方面省略而实际上得到高压缩比。在编码后，对该减缩的数据集应用逆过程以便将它解压和恢复原始图像的合理的摹真本。有损失压缩技术也可与无损失方法一起使用于数据压缩和图像保真度的可变混合。

压缩的位流的紧凑性通常由与相应的未压缩图像数据的规模相比较的流的规模来量度。紧凑性的定量量度为压缩比或者选代地为位率，其中：

压缩比=(原始图像数据的总字节数)/(压缩图像所需总字节数)

及

位率=(解压所需总字节数)/(原始图像的像素数)

一般而言，压缩比愈高(或位率愈低)，则压缩位流的紧凑性愈高。对于所有数据压缩技术而言，紧凑性始终是主要关心的内容。