期刊发表网电话

全国热线
022-83699069

图像的多分辨率压缩算法研究

作者: 发布时间:2020-01-20 16:39:52 阅读: 52 次

摘要:图像包含有较大的数据信息,如何对图像进行压缩,在具有较少失真率的前提下提高图像的压缩比,满足图像传输和应用的需求是图像处理的一个热点。本文分析了基于小波变换的图像多分辨率压缩算法,通过对小波变换的特性和图像的分解特性进行分析,阐述了如何实现图像的压缩。

关键词:图像;小波变换;多分辨率;压缩算法

 

通常一幅图像会包含大量的冗余信息,如何对图像的冗余信息进行处理,在不损失图像有用信息的前提下去除图像数据中的各种冗余就是图像的压缩算法的核心。对图像进行压缩通常利用小波变换算法,该算法对一个正规的、局部的、具有震荡性的基本小波函数进行伸缩或者平移等操作而形成一个函数族,以满足后续处理传输需求。小波变换是一种多种分辨率的分析方法,利用该方法可以将图像分解为模糊图像和细节图像等多个部分,在高频信号时,算法使用小时窗,在低频信号时,算法使用大视窗,这种分析方法可以有效提高高压缩比情况下的图像质量,具有非常广泛的应用。

小波变换特性分析

小波变换相较于傅里叶变换而言,具有可变的分辨率,在信号的概貌分析和细节分析方面效果更加优越。对于一个二维图像信号,小波变换可以将该信号进行逐层(多分辨率)分解,按照分解需求分为多个细节分量,通常一幅图像可以分为水平方向、垂直方向、对角线方向等四个细节分量。经过该分解后,图像被分解为四个子图,对于四个子图还可以应用小波变换进行分解和重构,进而生成更多的子图。经过小波变换后,图像的各个特征得到了分类,细节信息和概貌信息分别被存储在具有不同频率属性的子图中,所有子图包含了图像的所有信息,因此,利用小波变换对图像进行多分辨率分解不表示该图像已经完成了压缩,为实现图像的压缩,还需要对不同部分子图进行数据分析和处理。

利用小波对图像进行分层解码具有如下几点特性。首先小波分解是按倍频程的方式进行的,因此,该分解方式与我们的视觉机制相符合。其次,小波分解主要利用数据的正交性完成的,各分解系数相对独立,故图像的能量分布为低频分量包含能量多,高频分量包含能量少。再次,进行小波变换时所选用的变换系数与空间取向有关,如LH用来表征图像水平方向的边缘信息,HL用来表征图像垂直方向的边缘信息,HH用来表征图像对角线方向上的边缘信息,该种表征方式可以更好的满足后续编码需求。最后,小波变换所生成的各个图层具有相应的继承关系,即1个变换系数按照上述分解方式可通过小波变换生成4个变换系数,1张父图经过分解和重构可以生成4张子图。此外,根据压缩程度需求和传输需求,一张原图可以被分解成具有若干个分辨率的子图,该生成过程可能需要经过多层和多次小波变换才能完成。

图像的压缩算法

图像的压缩过程在图像经过小波变换后,通过对经过变换后的子图进行量化和编码等,可以实现图像的压缩。压缩原理图如图1所示。

 

(1)分析该图,在对原始图像进行小波变换时首先需要对变换系数进行选取,该选取通常要综合考虑压缩比、传输速率要求等。经过一级小波变换,图像被分解成具有不同频率成分的四个子图:低频平滑部分LL、高频水平方向边缘信息LH、高频垂直方向边缘信息HL、高频对角线方向边缘信息HH。对于不同层的子图还可以进一步进行小波变换,也就是说,该分解过程是可以重复进行的。经过图像分解和重构后,原始图像被分解为多个不同分辨率的子图。

(2)完成图像的分解后需要对变换系数进行量化处理,以满足信道传输需求,实现图像的压缩。通常,量化方法分为以下三类:标量量化、矢量量化、零树量化。不同的量化方法具有不同的量化属性,在选用时要根据实际需求进行取舍。

标量量化是最基本的量化方法,改方法的优点是重构图像的质量相对较高,但是缺点也非常明显,就是压缩比相对较低,可适用范围较为狭窄。

矢量量化根据小波变换后的子图具有不同的分布特性和距特性这一特点采用有差别的矢量码数对矢量集合进行量化,量化码数的选取与子图的图像信息有关。故该量化方式可以获得较高的压缩比,但是由于需要对多个图像分别进行量化,故该过程所需时间较长,且重构图像质量不如标量量化。

零树量化方式则根据小波变换的时频局部化特性和图像不同方向的分解系数的相关性对变换系数进行量化。该量化方式相较于上述两种量化方式而言,具有更好的压缩效果,故被广泛的应用在图像压缩算法中。

通过量化,已经基本完成了图像的压缩处理,因此量化是基于小波变换的图像压缩算法的主要过程。

(3)图像经过量化后需要进行编码,以便于将转换系数转化为适合在信道传输的字符。由小波变换特性可知,经过小波变换后的所有子图像数据量之和与原始图像的数据量相同,但是两者的区别在于小波变换将数据的能量进行了集中化处理,该处理方式更加有利于对图像进行压缩。利用嵌入式零树小波算法等卡可以实现对图像的压缩编码,进一步提高图像的压缩比。

 

 

总结

基于小波变换的图像多分辨率压缩算法具有广泛的应用范围,该算法具有优良的视频特性,可以实现图像能量分布的变换,通过进行适当分解和量化可以实现对图像的压缩。应用小波变换进行图像压缩具有压缩速度快、图像压缩比高、图像压缩后数据量小、压缩图像特征损失小等优点。

 

 

参考文献:

[1] 陈平平,谭定英,刘秀峰.一种改进的小波变换图像压缩算法[J].计算机工程与应用,2012,48(14)

[2] 吴晓光,谭云兰,柳志新,基于小波多分辨率分解的图像压缩技术及分析[J].计算机与现代化,2004(4)

[3] 冯月明,黄建军,裴继红,谢维信.一种用于海量图像多分辨率局部重建的压缩算法[J].计算机工程与应用,2003,39(22)

[4] 谭毅华,王振华,田金文,柳健.率失真更优的多分辨率小波图像压缩方法[J].中国图象图形学报A,2004,9(8)