图片压缩方法和装置的制造方法
【专利摘要】本发明提供了一种图片压缩方法和装置。其中,该方法包括:获取第一图片;将第一图片切割成多张位图;确定多张位图中每张位图的压缩编码算法;采用确定的压缩编码算法压缩对应的位图;将压缩后的位图拼接成第二图片。通过本发明,解决了使用单一压缩算法压缩图片导致的压缩率低、图片失真的问题,提高了图片的压缩率,减小了图片压缩的失真。
【专利说明】
图片压缩方法和装置
技术领域
[0001]本发明涉及图片压缩领域,具体而言,涉及一种图片压缩方法和装置。
【背景技术】
[0002]“互联网+”时代企业通过网站向其用户传递信息,多样化的终端需要传递接收网站各类图片,常见的需求包括:用户通过个人计算机(Personal Computer,简称为PC)端浏览器、手机浏览器访问图片,通过平板电脑(PAD)或者手机应用程序(APP)访问图片,通过手机上传或下载图片,通过即时通信软件接收或传递各类图片等等。一般情况下,图片数据量都比较大,为了达到节省传递的带宽流量、存储的空间以及缩短图片处理时间的目的,需要在发送以及接收前对图片进行压缩处理或压缩编码。
[0003]目前,数字图像处理技术领域,通常对图片的编码和压缩的目的就是对图片数据按照一定的规则进行变换与组合,从而达到用尽量少的代码符号来表示尽量多的图像信息。当前,对图像压缩的方法主要包括有损压缩和无损压缩。
[0004]其中,有损压缩通过保持颜色的逐渐变化,删除图像中颜色的突然变化部分,就是利用人类大脑会采用与附近最接近的颜色来填补所失去的颜色特点。有损压缩的压缩率相对于无损压缩较高,可以用于满足存储和传递需求;但是有损压缩技术会影响图片质量,在恢复原始数据时或多或少会存在一些失真。
[0005]而无损压缩利用设计冗余删除重复数据进行压缩,用以减少在磁盘上保存的图片尺寸。无损压缩不会引起任何失真可以完全恢复原始数据;但是压缩率会受到数据统计冗余度的限制。图片的有损压缩和无损压缩适用于不同类型的图片。有损压缩适合色彩多变分布均匀的图片,压缩后的图片一般失真较高和压缩率较高;无损压缩适合色彩相对简单的图片,压缩后的图片一般具有高保真度和较低压缩率。
[0006]在现阶段数字图像处理技术中,客户端软件产品针对图片进行压缩时,通常根据传统压缩算法,针对任何图片内容形式,均采用一种压缩算法进行压缩。很明显,单一算法无法适应所有图片;单一质量无法针对图片每个位图像素部分进行处理。即便按照已有的压缩技术实现图片压缩,也只是获得低压缩率、失真的图片,从而影响到用户的体验感受。
[0007]针对使用单一压缩算法压缩图片导致的压缩率低、图片失真的问题,相关技术中尚未给出有效的解决方案。
【发明内容】
[0008]本发明提供了一种图片压缩方法和装置,以至少解决上述问题。
[0009]根据本发明的一个方面,提供了一种图片压缩方法,包括:获取第一图片;将所述第一图片切割成多张位图;确定所述多张位图中每张位图的压缩编码算法;采用确定的压缩编码算法压缩对应的位图;将压缩后的位图拼接成第二图片。
[0010]可选地,确定所述多张位图中每张位图的压缩编码算法包括:确定所述多张位图中每张位图的像素质量;根据所述像素质量,选择每张位图的压缩编码算法。[0011 ]可选地,根据所述像素质量,选择每张位图的压缩编码算法包括:判断所述多张位图中的第一位图的像素质量是否小于预定阈值;在判断结果为是的情况下,在第一压缩编码算法集合中选择所述第一位图的所述压缩编码算法;否则,在第二压缩编码算法集合中选择所述第一位图的所述压缩编码算法。
[0012]可选地,所述第一压缩编码算法集合为有损压缩编码算法集合;所述第二压缩编码算法集合为无损压缩编码算法集合。
[0013]可选地,所述有损压缩编码算法集合包括以下至少之一:基于模型编码算法、分形编码算法、离散余弦变换编码算法;所述无损压缩编码算法集合包括以下至少之一:整数小波快速多级树集合分裂无损压缩算法SSPIHT、改进自适应游程编码算法、改进二进制位级编码算法。
[0014]可选地,将所述第一图片切割成多张位图包括:按照边缘检测方法将所述第一图片切割成所述多张位图。
[0015]可选地,在将压缩后的所述多张位图拼接成所述第二图片之后,所述方法还包括:储存所述第二图片;和/或输出所述第二图片。
[0016]根据本发明的另一个方面,还提供了一种图片压缩装置,包括:获取模块,用于获取第一图片;切割模块,用于将所述第一图片切割成多张位图;确定模块,用于确定所述多张位图中每张位图的压缩编码算法;压缩模块,用于采用确定的压缩编码算法压缩对应的位图;拼接模块,用于将压缩后的所述多张位图拼接成第二图片。
[0017]可选地,所述确定模块包括:确定单元,用于确定所述多张位图中每张位图的像素质量;选择单元,用于根据所述像素质量,选择每张位图的压缩编码算法。
[0018]可选地,所述选择单元包括:判断子单元,用于判断所述多张位图中的第一位图的所述像素质量是否小于预定阈值;选择子单元,用于在判断结果为是的情况下,在第一压缩编码算法集合中选择所述第一位图的所述压缩编码算法;否则,在第二压缩编码算法集合中选择所述第一位图的所述压缩编码算法。
[0019]通过本发明,采用获取第一图片;将第一图片切割成多张位图;确定多张位图中每张位图的压缩编码算法;采用确定的压缩编码算法压缩对应的位图的方式,解决了使用单一压缩算法压缩图片导致的压缩率低、图片失真的问题,提高了图片的压缩率,减小了图片压缩的失真。
【附图说明】
[0020]此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
[0021]图1是根据本发明实施例的图片压缩方法的流程图;
[0022]图2是根据本发明实施例的图片压缩装置的结构示意图;
[0023]图3是根据本发明优选实施例的基于图片位图切割压缩拼接算法的方法的流程图;
[0024]图4是根据本发明优选实施例的基于图片位图切割压缩拼接算法的设备的结构示意图。
【具体实施方式】
[0025]下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
[0026]需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
[0027]在本实施例中提供了一种图片压缩方法,图1是根据本发明实施例的图片压缩方法的流程图,如图1所示,该流程包括如下步骤:
[0028]步骤SlOl,获取第一图片;
[0029]步骤S102,将第一图片切割成多张位图;
[0030]步骤S103,确定多张位图中每张位图的压缩编码算法;
[0031 ]步骤S104,采用确定的压缩编码算法压缩对应的位图;
[0032]步骤S105,将压缩编码后的多张位图拼接成第二图片。
[0033]通过上述步骤,将第一图片切割成多张位图后,再对切割得到的多张位图分别进行压缩编码,并对第一图片的不同切割部分采用不同的压缩编码算法;由于压缩后的图片其图片尺寸并不会变化,因此,最后可以再将多张位图重新拼接,从而可以得到各个部分采用不同压缩编码算法进行压缩的第二图片。可见,通过上述步骤,解决了使用单一压缩算法压缩图片导致的压缩率低、图片失真的问题,提高了图片的压缩率,减小了图片压缩的失真。
[0034]在步骤S103中,可以根据每张位图的像素质量确定压缩编码算法,例如:确定多张位图中每张位图的像素质量;根据像素质量,选择每张位图的压缩编码算法。其中,像素质量包括但不限于:清晰度、对比度、色偏、信噪比和死点个数等方面的综合量化指标。根据不同的像素质量选择压缩算法,使得不同的像素质量的切割部分可以采用不同的压缩编码算法,从而得到不同的压缩率和失真程度。
[0035]可选地,根据像素质量,选择每张位图的压缩编码算法可以采用下列方式:判断多张位图中的第一位图的像素质量是否小于预定阈值;在判断结果为是的情况下,在第一压缩编码算法集合中选择第一位图的压缩编码算法;否则,在第二压缩编码算法集合中选择第一位图的压缩编码算法。将量化后的像素质量与预定阈值进行比较,并根据不同的比较结果在第一压缩编码算法集合或者第二压缩编码算法集合中选择相应的压缩编码算法,上述的预定阈值可以为5%。
[0036]可选地,上述的第一压缩编码算法集合为有损压缩编码算法集合,包括但不限于:基于模型编码算法、分形编码算法、离散余弦变换编码算法。
[0037]可选地,上述的第二压缩编码算法集合为无损压缩编码算法集合,包括但不限于:整数小波快速多级树集合分裂无损压缩算法SSPIHT、改进自适应游程编码算法、改进二进制位级编码算法。
[0038]可选地,在步骤S102中将第一图片切割成多张位图时,可以按照预定规则进行切害J,例如,最简单的切割方式是进行几何切割,即将图片直接切割成等大或者不等大的多个几何图形。在本发明实施例中,较优地按照边缘检测方法将第一图片切割成多张位图。其中,边缘检测方法可以采用现有技术中披露的任一方法,在本发明实施例中并不加以限制。采用边缘检测方法切割第一图片,能够将第一图片中性质相似的部分切割到一张位图中,而将第一图片中性质差别较大的部分切割开来,有利于采用不同的压缩编码算法的压缩编码。
[0039]可选地,在将压缩后的多张位图拼接成第二图片之后,可以储存第二图片;和/或输出第二图片。
[0040]通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如R0M/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
[0041 ]在本实施例中还提供了一种图片压缩装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
[0042]图2是根据本发明实施例的图片压缩装置的结构示意图,如图2所示,该图片压缩装置包括:获取模块20、切割模块22、确定模块24、压缩模块26和拼接模块28,其中,获取模块20,用于获取第一图片;切割模块22,耦合至获取模块20,用于将第一图片切割成多张位图;确定模块24,耦合至切割模块22,用于确定多张位图中每张位图的压缩编码算法;压缩模块26,耦合至确定模块24,用于采用确定的压缩编码算法压缩对应的位图;拼接模块28,耦合至压缩模块26,用于将压缩后的多张位图拼接成第二图片。
[0043]可选地,确定模块24包括:确定单元,用于确定确定多张位图中每张位图的像素质量;选择单元,耦合至确定单元,用于根据像素质量,选择每张位图的压缩编码算法。
[0044]可选地,选择单元包括:判断子单元,用于判断多张位图中的第一位图的像素质量是否小于预定阈值;选择子单元,耦合至判断子单元,用于在判断结果为是的情况下,在第一压缩编码算法集合中选择第一位图的压缩编码算法;否则,在第二压缩编码算法集合中选择第一位图的压缩编码算法。
[0045]可选地,第一压缩编码算法集合为有损压缩编码算法集合;第二压缩编码算法集合为无损压缩编码算法集合。
[0046]可选地,有损压缩编码算法集合包括但不限于以下至少之一:基于模型编码算法、分形编码算法、离散余弦变换编码算法;无损压缩编码算法集合包括但不限于以下至少之一:整数小波快速多级树集合分裂无损压缩算法SSPIHT、改进自适应游程编码算法、改进二进制位级编码算法。
[0047]可选地,切割模块22,用于按照边缘检测方法将第一图片切割成多张位图。
[0048]可选地,装置还可以:储存模块,耦合至拼接模块28,用于储存第二图片;和/或输出模块,耦合至储存拼接模块28或者储存模块,用于输出第二图片。
[0049]需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述模块分别位于多个处理器中。
[0050]本发明的实施例还提供了一种软件,该软件用于执行上述实施例及优选实施方式中描述的技术方案。
[0051]本发明的实施例还提供了一种存储介质。在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的程序代码:
[0052]步骤SlOl,获取第一图片;
[0053]步骤S102,将第一图片切割成多张位图;
[0054]步骤S103,确定多张位图中每张位图的压缩编码算法;
[0055]步骤S104,采用确定的压缩编码算法压缩对应的位图;
[0056]步骤S105,将压缩编码后的多张位图拼接成第二图片。
[0057]可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0058]可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
[0059]为了使本发明实施例的描述更加清楚,下面结合优选实施例进行描述和说明。
[0060]本发明优选实施例的目的是提供一种基于图片位图切割压缩拼接算法的方法和设备,根据图片位图大小切割,判断位图像素质量后,智能地选择合适的压缩算法,再完成压缩后的图片拼接,有效的实现图片高保真压缩。
[0061]本发明优选实施例提供了一种基于图片位图切割压缩拼接算法的方法。图3是根据本发明优选实施例的基于图片位图切割压缩拼接算法的方法的流程图,如图3所示,该方法包括如下步骤:
[0062]步骤S1001,录入原始图片,确定原始图片大小,将原始图片按照边缘检测方法切割为多张不同大小的位图;
[0063]可选地,通过检测图像中不同区域的边缘累实现的分割图片。边缘是图片的最基本的特征,它是图片局部特征不连续或者突变的结果。利用图片一阶导数的极值或二阶导数的零点信息来提供边缘点的基本依据,用于处理灰度值、颜色和纹理方面的突变;用于构造对图像灰度阶跃变化敏感的差分算子来进行图片位图分割,本发明优选实施例采用基于局部图片函数的方法和多尺度方法和基于边界曲线拟合方法,利用一阶微分算子= Robert算法、Sobel算法和二阶微分算子:Laplace算法和Kirsh实现图片位图的分割。例如:分辨率为1920*1400的图片切割为60张小图片。
[0064]步骤S1002,对每个切割后的位图像素质量进行判断,即为检测清晰度、对比度、色偏、信噪比和死点个数多方面的综合质量;
[0065]可选地,对每个切割后的位图像素质量进行判断。本发明优选实施例将分割后的图片位图的像素亮度值进行统计,同时将步骤S1002中传递过来的位图的边缘轮廓值进行统计记录。并且统计分割后每个图片位图灰度平均值和灰度方差。计算位图灰度直方图的函数,即为图片中具有该灰度级的像素的个数,反映出图片位图中不同灰度的出现频率;用于检查图片是否合理利用全部被允许的灰度级范围;以及选择边界阈值和计算综合光密度;本发明优选实施例利用灰度直方图函数结合像素亮度值和边缘轮廓值综合判定图片位图局部寻优质量阈值优选为5%。
[0066]步骤S1003,如果切割后的小位图像素质量是低于阈值5%,判断每个切割后的小位图的像素适合采用哪种有损压缩编码算法;
[0067]对分析每个切割后小位图的像素质量是低于阈值5%,则判断适合采用哪种有损压缩编码算法。有损压缩就是将图片像素相关性的冗余度删减,利用编码方法删除这些冗余,用于达到减少冗余压缩数据。即针对分割后的位图,在图片同一行相邻像素之间,相邻像素之间,活动图片的相邻帧的对应像素之间均具有相对强的相关性,取出或减少这些相关性,就是去除或减少图片位图信息中的冗余度从而实现对分割后位图像素的有损压缩。
[0068]步骤S1004,选择最优的有损压缩编码算法,针对每个切割后小位图像素进行有损压缩;
[0069]其中,有损压缩的算法包括但不限于:基于模型编码、分形编码、离散余弦变换编码中的一种或其任意组合。每种压缩算法具有其自身的特点,适用于不同格式的图片。例如,对于质量阈值高于5%的,色彩丰富度高,适合采用有损算法进行处理。进行有损压缩后的图片会损失一些信息,但是由于位图质量高,色彩丰富度高,所有损失的信息不会对用户视觉造成影响,并且压缩率较低。本优选实施例中,有损压缩的算法为基于离散余弦变化编码(Discrete Cosine Transform,简称为DCT),在其他实施例中,还可以采用其他任何可以实现有损压缩的算法,这里不再一一列举。
[0070]步骤S1005,如果切割后的小位图像素质量低于阈值5%为否,则判断每个切割后的小位图的像素适合采用哪种无损压缩编码算法;
[0071]对分析每个切割后小位图的像素质量是低于阈值5%为否,则判断适合采用哪种无损压缩编码算法。无损编码利用信源统计特性,去除其内在相关性和改变概率分布的不均匀性,从而实现图像信息的压缩。无损压缩精确度高,由于基于统计概率的方法和基于字典的技术,使得图像再压缩时损失较少的信息,进而拥有较高的精确度。无损压缩的压缩比率小,即将图片像素之间的联系几乎完整的保留了下来,图像更精确,所以压缩比率较小,占用空间较大;无损压缩具有可逆性,不损失原信息内容。
[0072]步骤S1006,选择最优的无损压缩编码算法,针对每个切割后小位图像素进行无损压缩;
[0073]其中,无损压缩算法包括但不限于:整数小波快速SPIHT无损压缩算法SSPIHT(Speed SPIHT)、改进自适应游程编码、改进二进制(位级)无损图像压缩方法中的一种或其任意组合。例如,色彩丰富并且分布不均匀,适合采用整数小波快速SPIHT无损压缩算法SSPIHT(Speed SPIHT)对于质量阈值低于5%的位图图像操作,该方法结合整数小波变换分解,在阈值小于等于4时,针对不重要系数激增的问题,引入位平面编码方式对SPIHT算法进行优化,提升压缩率和压缩速度。
[0074]步骤S1007,根据算法找到全局最优的位图缝合线,完成拼接分割后压缩位图图片;
[0075]可选地,基于位图切割的图片拼接,利用步骤S1001切割完成后找出一条全局最佳缝合线,然后利用泊松融合技术实现最终的合成。基于梯度方向直方图统计的权值计算方法,通过计算每个切割压缩后的位图像素点领域的梯度方向直方图,然后将像素点的梯度强度和方向结合再一起进行权值计算,从而改善基于色彩强度或梯度强度的权值计算方法的不稳定性,完成了较好的图切割缝合线搜索;结合重叠过渡的泊松融合方式,即通过重叠区划分成两个未知区域,分别定义实现平滑过渡过的边界值来实现图像差异的处理。
[0076]步骤S1008,存储压缩后新图片;
[0077]步骤S1009,输出压缩后新图片。
[0078]与现有技术相比,本发明优选实施例所提供的方法,可以针对图片分割后的小位图像素判定质量位图质量阈值,从而智能判定属于有损压缩或者是无损压缩,进而选择相应的压缩算法,不同像素的个数反应出图片色彩的丰富度,再将压缩后的图片小位图进行拼接,完成图片色彩分布的均匀拼接,从而保证切割图片每个位图像素获得有效的压缩和拼接,保证切割压缩拼接后图片的优质效果。
[0079]本发明优选实施例还提供了一种基于图片位图切割压缩拼接算法的设备。图4是根据本发明优选实施例的基于图片位图切割压缩拼接算法的设备的结构示意图,如图4所示,该设备包括:
[0080]图片切割设备4001,用于对原始图片切割,按照边缘检测方法切割为多张不同大小的位图;
[0081]图片质量分析设备4002,用于对切割后位图进行判断,判定每个切割后的位图像素质量与阈值5%比较,并根据比较结果对不同位图选择适当的压缩算法;
[0082]图片压缩设备4003,包括用于对切割后位图进行有损压缩的有损压缩单元40031,以及用于对切割后位图进行无损压缩的无损压缩单元40032,其中:
[0083]如果切割后的小位图像素质量是低于阈值5%,判断每个切割后的小位图的像素适合采用哪种有损压缩编码算法,然后选择最优的有损压缩编码算法,针对每个切割后小位图像素进行有损压缩;
[0084]如果切割后的小位图像素质量低于阈值5%为否,则判断每个切割后的小位图的像素适合采用哪种无损压缩编码算法,然后选择最优的无损压缩编码算法,针对每个切割后小位图像素进行无损压缩;
[0085]图片拼接设备4004,用于对切割压缩后的多个位图进行全局最优的位图缝合拼接,完成拼接新图片。
[0086]下面对上述设备的工作流程进行说明。
[0087]首先,图片切割设备4001获得图像中不同区域的边缘累积实现的分割图片。其中,边缘是图片的最基本的特征,它是图片局部特征不连续或者突变的结果。所以,接下来,图片切割设备4001利用图片一阶导数的极值或二阶导数的零点信息来提供边缘点的基本依据,用于处理灰度值、颜色和纹理方面的突变,并且用于构造对图像灰度阶跃变化敏感的差分算子来进行图片位图分割,同时本发明中采用了基于局部图片函数的方法和多尺度方法和基于边界曲线拟合方法,利用一阶微分算子:Robert算法、Sobe I算法和二阶微分算子:Laplace算法和Kirsh实现图片位图的分割。
[0088]接着,图片质量分析设备4002,对每个切割后的位图像素质量进行判断,其中:
[0089]图片质量分析设备4002将分割后的图片位图的像素亮度值进行统计,同时将图片切割设备4001中传递过来的位图的边缘轮廓值进行统计记录。并且图片质量分析设备4002中统计分割后每个图片位图灰度平均值和灰度方差。图片质量分析设备4002计算位图灰度直方图的函数,即为图片中具有该灰度级的像素的个数,反映出图片位图中不同灰度的出现频率;用于检查图片是否合理利用全部被允许的灰度级范围,以及选择边界阈值和计算综合光密度;图片质量分析设备4002中利用灰度直方图函数结合像素亮度值和边缘轮廓值综合判定图片位图局部寻优质量阈值为5%。
[0090]如果分析到每个切割后小位图的像素质量是低于阈值5%,适合采用有损压缩编码算法。在这种情况下,图片压缩设备4003对图片使用有损压缩进行处理。其中,有损压缩就是将图片像素相关性的冗余度删减,利用编码方法删除这些冗余,用于达到减少冗余压缩数据。即针对分割后的位图,在图片同一行相邻像素之间,相邻像素之间,活动图片的相邻帧的对应像素之间均具有相对强的相关性,取出或减少这些相关性,就是去除或减少图片位图信息中的冗余度从而实现对分割后位图像素的有损压缩。有损压缩的算法包括但不限于:基于模型编码、分形编码、离散余弦变换编码中的一种或其任意组合。每种压缩算法具有其自身的特点,适用于不同格式的图片。本优选实施例中,有损压缩的算法为基于离散余弦变化编码(Discrete Cosine Transform,DCT),在其他实施例中,还可以采用其他任何可以实现有损压缩的算法,这里不再一一列举。
[0091]如果分析到每个切割后小位图的像素质量是低于阈值5%为否,图片压缩设备4003采用无损压缩编码算法。无损编码利用信源统计特性,去除其内在相关性和改变概率分布的不均匀性,从而实现图像信息的压缩。无损压缩精确度高,由于基于统计概率的方法和基于字典的技术,使得图像再压缩时损失较少的信息,进而拥有较高的精确度。图片压缩设备4003的无损压缩的压缩比率小,即将图片像素之间的联系几乎完整的保留了下来,使得图像更精确,所以压缩比率较小,占用空间较大;该设备的无损压缩具有可逆性,不损失原信息内容。在本实施例中,整数小波快速SPIHT无损压缩算法SSPIHT (Speed SPIHT)。在其他实施例中,还可以采用其他任何可以实现无损压缩的算法,在此不再一一列举。
[0092]图片拼接设备4004,用于对切割压缩后的多个位图进行全局最优的位图缝合拼接,完成拼接新图片。采用重叠过渡的泊松融合方法用于实现图切割后的图像融合处理。通过将每个重叠区域划分成两个相邻的未知区域,两者相邻的边的像素强度取两幅源图片上对应未知的像素强度均值,而与相邻边相对的边的像素强度则只取一幅图像上的像素强度,以实现重叠过渡。将未知区域划分然后进行融合,将泊松融合参数初始化,最后将未知区域泊松融合求解,最后完成融合过渡。
[0093]通过上述优选实施例,有效地解决了现有技术中出现地的问题,本发明优选实施例所提供的设备装置可以根据图片分割压缩拼接的内容,选择相应的分割、压缩和拼接算法,从而高效完成压缩,并且保持图片的高保真度。此外,原始图片按照边缘检测方法切割为多张不同大小的位图,进而对每个切割后的位图像素质量进行判断,利用灰度直方图函数结合像素亮度值和边缘轮廓值综合判定图片位图局部寻优质量阈值,最终采用重叠过渡的泊松融合方法用于实现图切割后的图像融合处理。因此,基于3种方式保证了图片切割压缩算法选择和拼接的准确性,进而保证了处理后的图片具有优质的访问效果。
[0094]综上所述,通过本发明的上述实施例和优选实施例,根据图片的大小进行位图分害J,判断每个位图像素质量后,精准判定每个切割后的小位图像素采用适合的压缩算法,可以确保不同图片采用不同的适合算法,从而实现图片高保真效果;另外,切割后压缩算法是根据分割后图片像素质量判定选择最优的有损压缩或是无损压缩,同时选择不同的压缩算法是根据切割后的小图片位图像素质量判定,不同像素的个数反映出图片色彩的丰富度,再将压缩后的图片小位图进行拼接,完成图片色彩分布的均匀拼接。基于这3个方面准确的优化图片内容,通过精准切割、从优选择压缩算法、优化拼接算法,从而保证了切割压缩拼接后的图片达到优质用户体验效果。
[0095]显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
[0096]以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
【主权项】
1.一种图片压缩方法,其特征在于包括: 获取第一图片; 将所述第一图片切割成多张位图; 确定所述多张位图中每张位图的压缩编码算法; 采用确定的压缩编码算法压缩对应的位图; 将压缩后的位图拼接成第二图片。2.根据权利要求1所述的方法,其特征在于,确定所述多张位图中每张位图的压缩编码算法包括: 确定所述多张位图中每张位图的像素质量; 根据所述像素质量,选择每张位图的压缩编码算法。3.根据权利要求2所述的方法,其特征在于,根据所述像素质量,选择每张位图的压缩编码算法包括: 判断所述多张位图中的第一位图的像素质量是否小于预定阈值; 在判断结果为是的情况下,在第一压缩编码算法集合中选择所述第一位图的所述压缩编码算法;否则,在第二压缩编码算法集合中选择所述第一位图的所述压缩编码算法。4.根据权利要求3所述的方法,其特征在于, 所述第一压缩编码算法集合为有损压缩编码算法集合; 所述第二压缩编码算法集合为无损压缩编码算法集合。5.根据权利要求4所述的方法,其特征在于, 所述有损压缩编码算法集合包括以下至少之一:基于模型编码算法、分形编码算法、离散余弦变换编码算法; 所述无损压缩编码算法集合包括以下至少之一:整数小波快速多级树集合分裂无损压缩算法SSPIHT、改进自适应游程编码算法、改进二进制位级编码算法。6.根据权利要求1所述的方法,其特征在于,将所述第一图片切割成多张位图包括: 按照边缘检测方法将所述第一图片切割成所述多张位图。7.根据权利要求1至6中任一项所述的方法,其特征在于,在将压缩后的所述多张位图拼接成所述第二图片之后,所述方法还包括: 储存所述第二图片;和/或输出所述第二图片。8.—种图片压缩装置,其特征在于包括: 获取模块,用于获取第一图片; 切割模块,用于将所述第一图片切割成多张位图; 确定模块,用于确定所述多张位图中每张位图的压缩编码算法; 压缩模块,用于采用确定的压缩编码算法压缩对应的位图; 拼接模块,用于将压缩后的所述多张位图拼接成第二图片。9.根据权利要求8所述的装置,其特征在于,所述确定模块包括: 确定单元,用于确定所述多张位图中每张位图的像素质量; 选择单元,用于根据所述像素质量,选择每张位图的压缩编码算法。10.根据权利要求9所述的装置,其特征在于,所述选择单元包括: 判断子单元,用于判断所述多张位图中的第一位图的所述像素质量是否小于预定阈值; 选择子单元,用于在判断结果为是的情况下,在第一压缩编码算法集合中选择所述第一位图的所述压缩编码算法;否则,在第二压缩编码算法集合中选择所述第一位图的所述压缩编码算法。
【文档编号】H04N19/90GK105979265SQ201610293137
【公开日】2016年9月28日
【申请日】2016年5月5日
【发明人】王康, 黄贞
【申请人】贵州白山云科技有限公司