一种图像数据压缩方法
【技术领域】
[0001] 本发明涉及图像处理技术，特别涉及一种图像数据压缩方法。
【背景技术】
[0002] 随着视频监控技术的不断发展，图像质量和图像路数等都得到了较大的提升，相 应地，带来的问题就是传输带宽和系统处理能力的压力增大。
[0003] 对图像数据进行压缩，是一种解决上述问题的有效方法。
[0004] 但是，现有的压缩算法的实现均需要依赖于峽间参考或需要进行图像块处理等， 非常复杂，不够简单方便。
【发明内容】
[0005] 有鉴于此，本发明提供了一种图像数据压缩方法，能够降低实现复杂度。
[0006] 为了达到上述目的，本发明的技术方案是该样实现的：
[0007] -种图像数据压缩方法，包括：
[000引当每接收到N点图像数据时，N为大于1的正整数，分别进行W下处理：
[0009] 获取N点图像数据中的亮度数据和色度数据；
[0010] 分别对亮度数据和色度数据进行串并转换；
[0011] 分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换，得到亮度数 据的直流系数和交流系数W及色度数据的直流系数和交流系数；
[0012] 分别对亮度数据和色度数据的交流系数进行量化和编码；
[0013] 将亮度数据的直流系数和编码后的交流系数，W及色度数据的直流系数和编码后 的交流系数进行拼接，得到N点图像数据的编码数据；
[0014] 根据各编码数据生成各数据包，并发送。
[0015] 可见，采用本发明所述方案，可基于N点图像数据进行压缩，无需复杂的峽间参 考或图像块处理等，从而降低了方案的实现复杂度；同时，提高了图像数据处理的实时性， 可达到无延迟处理；另外，本发明所述方案可实现无损压缩，从而提高了图像恢复质量；再 有，本发明所述方案对于硬件实现的要求较低，用可编程逻辑器件或数字信号处理器等即 可实现，具有较强的通用性。
【附图说明】
[0016] 图1为本发明图像数据压缩方法实施例的流程图。
[0017] 图2为本发明亮度数据的各编码后的交流系数的拼接方式示意图。
[0018] 图3为本发明所述数据包的格式示意图。
[0019] 图4为本发明图像数据解压缩方法实施例的流程图。
【具体实施方式】
[0020] 为了使本发明的技术方案更加清楚、明白，W下参照附图并举实施例，对本发明所 述方案作进一步的详细说明。
[0021] 在实际应用中，会顺序接收到各点图像数据，如对于一峽大小为1920X1080的图 像数据，会依次接收到该峽图像第一行中的第一点(第一个像素点）图像数据、第二点图像 数据、…、第1920点图像数据，第二行中的第一点图像数据、第二点图像数据、…、第1920 点图像数据，依次类推。当每接收到N点图像数据时，则可按照本发明所述图像数据压缩方 式进行处理，N为大于1的正整数，具体取值可根据实际需要而定，通常为偶数，从图像相关 性特征和处理复杂度等角度考虑，较佳地，N的取值可为4、8或16等。
[0022] 图1为本发明图像数据压缩方法实施例的流程图。如图1所示，包括W下步骤 11 ~16。
[0023] 步骤11 ;获取接收到的N点图像数据中的亮度数据和色度数据。
[0024] 由于亮度和色度的相关性不同，因此需要分别进行处理。
[0025] 相应地，可对接收到的N点图像数据进行亮度数据和色度数据的分离，当然，如果 接收到的N点图像数据本身就是亮度数据和色度数据相分离的，则无需再进行分离。
[0026] 步骤12 ;分别对亮度数据和色度数据进行串并转换。
[0027] 本步骤中，对N点亮度数据进行串并转换，即从串行转换为并行，并对N点色度数 据进行串并转换。
[0028] 步骤13 ;分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换，得 到亮度数据的直流系数和交流系数W及色度数据的直流系数和交流系数。
[0029] 本步骤中，对串并转换后的亮度数据进行从时域到频域的转换，并对串并转换后 的色度数据进行从时域到频域的转换。
[0030] 较佳地，所述转换方式可为：进行哈达玛变换，即对串并转换后的亮度数据进行哈 达玛变化，并对串并转换后的色度数据进行哈达玛变换。
[0031] 相应地，由于需要进行哈达玛变化，那么在执行步骤12之前，还需要分别对亮度 数据和色度数据进行偏置处理。
[0032] 上述如何进行亮度数据和色度数据的分离、如何进行串并转换、如何进行偏置处 理W及如何进行哈达玛变换等的具体实现均为现有技术，不再费述。
[0033] 经过哈达玛变换后，针对亮度数据，将会得到一个直流系数和N-1个交流系数，同 样，针对色度数据，也会得到一个直流系数和N-1个交流系数，直流系数和交流系数统称为 频域系数。
[0034] 哈达玛变化可利用相邻像素点的相关性，将能量集中于变换后的直流系数中。 [00巧]步骤14 ;分别对亮度数据和色度数据的交流系数进行量化和编码。
[0036] 量化的目的是尽可能地去掉在交流系数中，人眼不敏感的高频分量，从而达到压 缩数据的目的，同时可通过量化控制数据长度，亮度数据和色度数据的直流系数中保留了N 点图像数据的大部分能量，因此无需作量化处理。
[0037] 本步骤中，可获取最新的量化矩阵，并根据该量化矩阵分别对亮度数据和色度数 据的各N-1个交流系数进行量化，从而得到各N-1个量化结果，之后，可分别对每个交流系 数的量化结果进行G-R编码，W下分别进行详细介绍。
[0038] 一）量化
[0039] 所述量化矩阵可为：
【主权项】
1. 一种图像数据压缩方法，其特征在于，包括： 当每接收到N点图像数据时，N为大于1的正整数，分别进行以下处理： 获取N点图像数据中的亮度数据和色度数据； 分别对亮度数据和色度数据进行串并转换； 分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换，得到亮度数据的 直流系数和交流系数以及色度数据的直流系数和交流系数； 分别对亮度数据和色度数据的交流系数进行量化和编码； 将亮度数据的直流系数和编码后的交流系数，以及色度数据的直流系数和编码后的交 流系数进行拼接，得到N点图像数据的编码数据； 根据各编码数据生成各数据包，并发送。
2. 根据权利要求1所述的方法，其特征在于， 所述分别对亮度数据和色度数据进行串并转换之前，进一步包括：分别对亮度数据和 色度数据进行偏置处理； 所述分别对串并转换后的亮度数据和色度数据进行从时域到频域的转换包括：分别对 串并转换后的亮度数据和色度数据进行哈达玛变换。
3. 根据权利要求2所述的方法，其特征在于， 所述亮度数据的直流系数的个数为1