CN117939149A - 一种图像压缩及恢复算法和系统 - Google Patents

Abstract

本发明公开了一种图像压缩及恢复算法和系统，涉及图像压缩技术领域，其中算法内置于前端，实现图像前端压缩，后端实现图像解压缩和还原；算法步骤包括：获取图像数据的所有像素点，并记录每个像素点的坐标值和颜色值，在前端仅存储第一个象素点的坐标，以及量化颜色值得到量化后的图像，从而实现数据压缩，后端基于恢复算法恢复还原数据。本发明通过将压缩算法应用于前端设备，可以在设备上对图像数据进行压缩，从而减少传输到后端的数据量，这样可以降低网络带宽的要求，提高图像传输的效率和速度，减少了数据传输和后端处理的时间延迟，提高了实时性；通过前端压缩，可以显著减小图像数据的大小，从而节省存储空间。

Description

一种图像压缩及恢复算法和系统

技术领域

本发明涉及图像压缩技术领域，具体地涉及一种图像压缩及恢复算法和系统。

背景技术

随着多媒体技术和通讯技术的不断发展，多媒体娱乐、信息高速公路等不断对信息数据的存储和传输提出了更高的要求，也给现有的有限带宽以严峻的考验，特别是具有庞大数据量的数字图像通信，更难以传输和存储，极大地制约了通信技术的数据传输，因此图像压缩技术受到了越来越多的关注。

在许多实际应用中，数据压缩算法需要在有限的时间内完成压缩和解压缩任务。然而，处理速度和压缩率之间存在着一定的矛盾，一些高压缩比的算法可能需要更长的时间来完成压缩，而一些快速算法的压缩率较低，因此，在实际应用中需要解决处理速度的问题。

发明内容

本发明实施例的目的是提供一种图像压缩及恢复算法和系统，该算法可以上述背景技术中的不足。

为了实现上述目的，一方面，本发明实施例提供一种图像压缩及恢复算法，所述图像压缩及恢复算法包括：

采集实时图像，以得到图像数据；

获取所述图像数据的所有像素点，并记录每个所述像素点的坐标值和颜色值，其中，在前端仅存储第一个像素点的坐标以及量化颜色值得到量化后的图像，以实现数据压缩；

在后端识别压缩数据，基于恢复算法还原图像，以实现数据恢复。

可选的，所述图像数据是通过在电力检测区域内安装有的多个红外传感器实时监测到的电力设备而得到的图像。

可选的，所述获取所述图像数据的所有像素点，并记录每个所述像素点的坐标值和颜色值包括：

扫描所述图像数据，获取所述图像数据的所有像素点，定义每一个像素点的坐标为(i*j)，其中i代表行像素点数，j代表列像素点数，记为像素点的位置坐标；

存储第一个所述像素点的坐标以及后续的所述像素点与前一个像素点的坐标差分值，即像素偏移量，以获取所有的所述像素点的位置坐标。

可选的，所述图像数据中的像素点的颜色值由颜色分量表示，每个像素由不同的颜色分量组成，每个分量的取值范围是(0,255)。

可选的，所述量化颜色值得到量化后的图像包括：

确定颜色量化级别为8，即确定量化后的颜色数目；

根据量化级别，计算每个颜色分量的量化间隔步长；

对每个所述像素点的颜色分量进行量化，以将原始图像中的每个像素的颜色分量值替换为对应的量化级别，并将量化后的颜色值存储在一个新的数组中，以形成量化后的图像数据。

可选的，获取所述图像数据的所有像素点，并记录每个所述像素点的坐标值和颜色值，其中，在前端仅存储第一个像素点的坐标，以及量化颜色值得到量化后的图像，以实现数据压缩包括：

定义颜色索引位数N，每个像素的颜色均通过N位二进制数表示；

基于索引位数N，定义一个调色板，所述调色板为2的N次方个不同的颜色，所述调色板包含一组预定义颜色的表格，所述表格与原始图像中的每个像素的颜色值进行映射；

在所述调色板中根据量化级别选择颜色；

建立颜色索引映射，为调色板中的每个颜色分配一个唯一的索引值，所述索引值为从0开始的整数；

将量化后的所述图像数据存储为两个数组，一个数组存储颜色索引，另一个数组存储实际的颜色值。

可选的，所述在后端识别压缩数据，基于恢复算法还原图像，以实现数据恢复包括：

后端读取压缩的所述图像数据，根据压缩的所述图像数据的颜色值信息，恢复每个像素的量化颜色值；

获取用于压缩图像时的量化级别；

根据压缩的数据中的颜色值信息和量化级别，解析每个像素的量化颜色值。

可选的，所述解析每个像素的量化颜色值包括：

从压缩的数据中按照颜色索引位数N读取颜色索引值；

根据压缩的数据中的颜色索引值和调色板，将每个索引值解码为相应的颜色；

用解码得到的颜色值替换每个像素的索引值，将所述原始图像中的每个像素的颜色值填充为解析的颜色值，实现图像数据还原；

根据前一个像素点的坐标和当前像素点的差分值，计算当前像素点的位置坐标，基于还原的图像数据和位置坐标实现图像数据恢复。

另一方面，本发明还提供一种图像压缩及恢复系统，其特征在于，所述图像压缩及恢复系统包括：

图像采集模块，用于获取监测现场的图像数据；

运算模块，与所述图像采集模块连接，接收所述图像数据，并执行如上述所述的图像压缩及恢复算法。

通过上述技术方案，本发明提供的一种图像压缩及恢复算法通过采集实时图像，以得到图像数据。然后获取该图像数据的所有的像素点，并且可以记录每个像素点的坐标值和颜色值。前端可以仅存储第一个像素点的坐标以及量化颜色值得到量化后的图像，已实现图像压缩。后端可以识别压缩数据，基于恢复算法还原图像，以实现数据的恢复。本发明通过将压缩算法应用于前端设备，可以在设备上对图像数据进行压缩，从而减少传输到后端的数据量，这样可以降低网络带宽的要求，提高图像传输的效率和速度。通过前端压缩，可以显著减小图像数据的大小，从而节省存储空间。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是根据本发明的一个实施方式的一种图像压缩及恢复算法的流程图；

图2是根据本发明的一个实施方式的一种图像压缩及恢复算法的获取像素点的位置的流程图；

图3是根据本发明的一个实施方式的一种图像压缩及恢复算法的对像素点的颜色分量进行量化的流程图；

图4是根据本发明的一个实施方式的一种图像压缩及恢复算法的对颜色值建立索引的流程图；

图5是根据本发明的一个实施方式的一种图像压缩及恢复算法的解析像素的量化颜色值的流程图；

图6是根据本发明的一个实施方式的一种图像压缩及恢复算法的图像数据恢复的流程图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

图1是根据本发明的一个实施方式的一种图像压缩及恢复算法的流程图。在本发明中，该图像压缩及恢复算法的流程可以包括：

在步骤S1中，采集实时图像，以得到图像数据。

在步骤S2中，获取图像数据的所有像素点，并记录每个像素点的坐标值和颜色值，其中，在前端仅存储第一个像素点的坐标以及量化颜色值得到量化后的图像，以实现数据压缩。

在步骤S3中，在后端识别压缩数据，基于恢复算法还原图像，以实现数据恢复。

在本发明中，图像压缩算法可以内置于前端，以实现图像前端压缩，图像恢复算法可以内置于后端，以实现图像解压缩和恢复还原。在获取到图像数据后，可以对图像数据进行实时压缩，然后压缩后的图像可以通过网络传输到后端，并且可以应用恢复算法进行解压缩，以还原图像，节约流量和网络带宽需求。

在本发明中，在进行图像数据采集时，可以在电力监测区域内安装有多个红外传感器，用于实时监测并获取电力设备运行图像，从而可以形成图像数据。

图像压缩技术中，拆分图像到最小单元的过程称为量化。量化是将连续的图像数据转化为离散的像素值，也就是把图片分割成许多最小的单元——像素点，每个像素点都包含了图像中一小块的信息。在数字图像处理中，每个像素通常被表示为一个数字，这个数字的大小表示该像素的位置、颜色值等。

在本发明中，如图2所示，获取像素点的位置的流程可以包括：

在步骤S4中，扫描图像数据，获取图像数据的所有像素点，定义每一个像素点的坐标为(i*j)，其中i代表行像素点数，j代表列像素点数，记为像素点的位置坐标。

在步骤S5中，存储第一个像素点的坐标以及后续的像素点与前一个像素点的坐标差分值，即像素偏移量，以获取所有的像素点的位置坐标。

在本发明中，在对像素进行定位时，可以定义每个像素的坐标，每个像素点的位置确定了它在图像中的具体位置。通过记录每个像素点的位置信息，可以在解码时正确地还原图像的空间结构。在压缩算法中，通常采用坐标差分来表示像素点的位置信息，以减少存储空间。在记录图像数据中的其余的像素点的位置时，可以存储第一个像素点的坐标，以及存储后续像素点与前一个像素点的坐标差分值，坐标差分是记录相邻像素点之间的坐标差异来表示位置信息，也就是像素偏移量，即可获取所有像素点的位置坐标。通过采用坐标差分技术，可以有效地减少存储位置信息所需的空间。

示例：原始像素坐标序列：[(0,0),(0,1),(1,0),(1,1),(1,2)]使用坐标差分编码：参考点：(0,0)编码序列：[(0,0),(+0,+1),(+1,-1),(+0,+1),(+0,+1)]

在这个示例中，我们只存储了第一个像素点的坐标，然后通过坐标差分编码记录了其余像素点与前一个像素点坐标之间的差异，从而仅从第一个坐标点即可获取全部像素点的坐标位置，大大节约了存储空间。

在本发明的一个实施方式中，在得到图像数据时，图像数据中的像素点的颜色值可以由颜色分量表示。每个像素可以由不同的颜色分量组成。对于图像的颜色值，通常可以使用RGB模型表示，每个颜色分量(红、绿、蓝)的取值范围可以是0到255。

在本发明的一个实施方式中，如图3所示，对像素点的颜色分量进行量化的流程可以包括：

在步骤S6中，确定颜色量化级别为8，即确定量化后的颜色数目。

在步骤S7中，根据量化级别，计算每个颜色分量的量化间隔步长。

在步骤S8中，对每个像素点的颜色分量进行量化，以将原始图像中的每个像素的颜色分量值替换为对应的量化级别，并将量化后的颜色值存储在一个新的数组中，以形成量化后的图像数据。

在本发明中，在获取到所有像素点的颜色值后，可以将像素点的颜色值进行量化。量化后的图像是指在进行颜色量化处理后得到的新图像，颜色量化是一种将图像中的颜色数目减少的方法，它通过将原始图像中的每个像素映射到较少数量的颜色值来实现，量化后的图像能够更紧凑地表示原始图像，并且在一定程度上保留了主要的形状和特征。

在颜色空间中，每个分量通常是指表示颜色的不同属性或维度。常见的颜色空间如RGB、HSV和Lab都由多个分量组成。以RGB颜色空间为例，其中的每个分量分别代表红、绿和蓝三个颜色通道。在RGB颜色空间中，每个像素的颜色值由三个分量值表示，通常取值范围是0到255，表示颜色通道的强度。

在本发明中，在确定量化后的颜色数目后，对于图像的颜色值，通常使用RGB模型表示，每个颜色分量的取值范围是0到255。如果选择将图像的颜色进行8位量化，即8个量化级别，则每个颜色分量可以在0到255之间分成8个等距的区间，从而可以使得每个颜色分量的取值就只能是0、32、64、96、128、160、192、224和255这几个值，而不再是连续的所有可能取值。通过减少颜色值的连续性，将其量化为较少的级别，可以有效地降低图像数据的存储空间，并简化处理过程。在确定量化后的颜色数目后，可以定义量化间隔步长。根据量化级别，可以计算每个颜色分量的量化间隔步长，颜色分量的取值范围是0到255，将其分为8个级别，则量化间隔步长＝(255-0)/量化级别，在本发明中的量化间隔步长为：(255-0)/8＝31.875，取整后为32。在得到量化间隔步长后，可以对每个像素点的颜色分量进行量化，从而可以将原始图像中的每个像素的颜色分量替换为对应的量化级别。

假设有一个像素点的原始颜色值为(131,245,76)，我们按照上述步骤将其量化为8个级别。计算得到的量化间隔为32，然后进行量化：

对红色分量进行量化：quantized_red＝int(131/32)*32＝128

对绿色分量进行量化：quantized_green＝int(245/32)*32＝224

对蓝色分量进行量化：quantized_blue＝int(76/32)*32＝64

因此，该像素点在量化后的颜色值为(128,224,64)。这个量化后的颜色值将被用于组成量化后的图像数据。

在本发明的一个实施方式中，如图4所示，对颜色值建立索引的流程可以包括：

在步骤S9中，定义颜色索引位数N，每个像素的颜色均通过N位二进制数表示。

在步骤S10中，基于索引位数N，定义一个调色板，调色板为2的N次方个不同的颜色，调色板包含一组预定义颜色的表格，表格与原始图像中的每个像素的颜色值进行映射。

在步骤S11中，在调色板中根据量化级别选择颜色。

在步骤S12中，建立颜色索引映射，为调色板中的每个颜色分配一个唯一的索引值，索引值为从0开始的整数。

在步骤S13中，将量化后的图像数据存储为两个数组，一个数组存储颜色索引，另一个数组存储实际的颜色值。

在对图像数据的进行量化后，可以给量化后的图像数据创建数据索引。在创建数据索引时，可以先定义颜色索引位数N，每个颜色值可以建立一个唯一的索引，用于后续还原原始图像数据时识别颜色值。例如，对上述量化后的颜色值(128,224,64)，可以将其对应的索引设为0，因为它是第一个出现的量化后的颜色值。在将量化后的图像数据进行存储是，可以将其存储为两个数组，其中一个数组可以存储颜色索引，另一个数组可以存储实际的颜色值。这两个数组中的索引时一一对应的，即第i个颜色索引对应的颜色值为第i个颜色值数组中的值。

在本发明的一个实施方式中，如图5所示，解析像素的量化颜色值的流程可以包括：

在步骤S14中，后端读取压缩的图像数据，根据压缩的图像数据的颜色值信息，恢复每个像素的量化颜色值。

在步骤S15中，获取用于压缩图像时的量化级别。

在步骤S16中，根据压缩的数据中的颜色值信息和量化级别，解析每个像素的量化颜色值。

在本发明中，在后端读取到压缩的图像数据后，可以根据压缩的图像数据的颜色值信息恢复每个像素的量化颜色值。在恢复每个像素的量化颜色值时，可以先获取用于压缩图像时的量化级别，然后可以根据该压缩的数据中的颜色值的信息和量化级别，解析每个像素的量化颜色值。

在本发明的一个实施方式中，如图6所示，图像数据恢复的流程可以包括：

在步骤S17中，从压缩的数据中按照颜色索引位数N读取颜色索引值。

在步骤S18中，根据压缩的数据中的颜色索引值和调色板，将每个索引值解码为相应的颜色。

在步骤S19中，用解码得到的颜色值替换每个像素的索引值，将原始图像中的每个像素的颜色值填充为解析的颜色值，实现图像数据还原。

在步骤S20中，根据前一个像素点的坐标和当前像素点的差分值，计算当前像素点的位置坐标，基于还原的图像数据和位置坐标实现图像数据恢复。

在本发明中，在对每个像素的量化颜色值进行解析时，可以从压缩的数据中按照颜色索引位数N读取颜色索引值。然后可以根据压缩的数据中的颜色索引值和调色板，将每个索引值解码为相应的颜色，以达到解码颜色索引的目的。在解码颜色索引后，可以还原图像数据，在还原图像数据时，可以用解码得到的颜色值替换每个像素的索引值，将原始原始图像中的每个像素的颜色值填充为解析的颜色值，从而可以实现图像数据还原。该还原的是颜色值的还原，还需要对像素点的位置进行还原。在还原时，可以根据前一个像素点的坐标和当前像素点的差分值，计算当前像素点的位置坐标，然后可以基于还原的图像数据和位置坐标实现图像数据的恢复。

在进行图像数据恢复进行解码量化颜色值和索引值时，可以根据压缩算法，解码量化后的颜色值和索引值，对于每个像素点，将其解码出的颜色值和索引值组合成一个元组或对象。根据索引值和调色板，可以查找对应的颜色值，并且可以将其赋给当前的像素点。在得到还原后的像素值和位置坐标后，可以恢复被压缩的图像。

另一方面，本发明还提供一种图像压缩及恢复系统，所述图像压缩及恢复系统包括：图像采集模块和运算模块。图像采集模块可以用于获取监测现场的图像数据。运算模块可以与该图像采集模块连接，接收该图像数据，并且可以执行如上述所述图像压缩及恢复算法。

通过上述技术方案，本发明提供的一种图像压缩及恢复算法通过采集实时图像，以得到图像数据。然后获取该图像数据的所有的像素点，并且可以记录每个像素点的坐标值和颜色值。前端可以仅存储第一个像素点的坐标以及量化颜色值得到量化后的图像，已实现图像压缩。后端可以识别压缩数据，基于恢复算法还原图像，以实现数据的恢复。本发明通过将压缩算法应用于前端设备，可以在设备上对图像数据进行压缩，从而减少传输到后端的数据量，这样可以降低网络带宽的要求，提高图像传输的效率和速度。通过前端压缩，可以显著减小图像数据的大小，从而节省存储空间。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种图像压缩及恢复算法，其特征在于，所述图像压缩及恢复算法包括：

采集实时图像，以得到图像数据；

获取所述图像数据的所有像素点，并记录每个所述像素点的坐标值和颜色值，其中，在前端仅存储第一个像素点的坐标以及量化颜色值得到量化后的图像，以实现数据压缩；

在后端识别压缩数据，基于恢复算法还原图像，以实现数据恢复。

2.根据权利要求1所述的图像压缩及恢复算法，其特征在于，所述图像数据是通过在电力检测区域内安装有的多个红外传感器实时监测到的电力设备而得到的图像。

3.根据权利要求1所述的图像压缩及恢复算法，其特征在于，所述获取所述图像数据的所有像素点，并记录每个所述像素点的坐标值和颜色值包括：

扫描所述图像数据，获取所述图像数据的所有像素点，定义每一个像素点的坐标为(i*j)，其中i代表行像素点数，j代表列像素点数，记为像素点的位置坐标；

存储第一个所述像素点的坐标以及后续的所述像素点与前一个像素点的坐标差分值，即像素偏移量，以获取所有的所述像素点的位置坐标。

4.根据权利要求3所述的图像压缩及恢复算法，其特征在于，所述图像数据中的像素点的颜色值由颜色分量表示，每个像素由不同的颜色分量组成，每个分量的取值范围是(0,255)。

5.根据权利要求4所述的图像压缩及恢复算法，其特征在于，所述量化颜色值得到量化后的图像包括：

确定颜色量化级别为8，即确定量化后的颜色数目；

根据量化级别，计算每个颜色分量的量化间隔步长；

对每个所述像素点的颜色分量进行量化，以将原始图像中的每个像素的颜色分量值替换为对应的量化级别，并将量化后的颜色值存储在一个新的数组中，以形成量化后的图像数据。

6.根据权利要求5所述的图像压缩及恢复算法，其特征在于，获取所述图像数据的所有像素点，并记录每个所述像素点的坐标值和颜色值，其中，在前端仅存储第一个像素点的坐标，以及量化颜色值得到量化后的图像，以实现数据压缩包括：

定义颜色索引位数N，每个像素的颜色均通过N位二进制数表示；

基于索引位数N，定义一个调色板，所述调色板为2的N次方个不同的颜色，所述调色板包含一组预定义颜色的表格，所述表格与原始图像中的每个像素的颜色值进行映射；

在所述调色板中根据量化级别选择颜色；

建立颜色索引映射，为调色板中的每个颜色分配一个唯一的索引值，所述索引值为从0开始的整数；

将量化后的所述图像数据存储为两个数组，一个数组存储颜色索引，另一个数组存储实际的颜色值。

7.根据权利要求6所述的图像压缩及恢复算法，其特征在于，所述在后端识别压缩数据，基于恢复算法还原图像，以实现数据恢复包括：

后端读取压缩的所述图像数据，根据压缩的所述图像数据的颜色值信息，恢复每个像素的量化颜色值；

获取用于压缩图像时的量化级别；

根据压缩的数据中的颜色值信息和量化级别，解析每个像素的量化颜色值。

8.根据权利要求7所述的图像压缩及恢复算法，其特征在于，所述解析每个像素的量化颜色值包括：

从压缩的数据中按照颜色索引位数N读取颜色索引值；

根据压缩的数据中的颜色索引值和调色板，将每个索引值解码为相应的颜色；

用解码得到的颜色值替换每个像素的索引值，将所述原始图像中的每个像素的颜色值填充为解析的颜色值，实现图像数据还原；

根据前一个像素点的坐标和当前像素点的差分值，计算当前像素点的位置坐标，基于还原的图像数据和位置坐标实现图像数据恢复。

9.一种图像压缩及恢复系统，其特征在于，所述图像压缩及恢复系统包括：

图像采集模块，用于获取监测现场的图像数据；

运算模块，与所述图像采集模块连接，接收所述图像数据，并执行如权利要求1-8任一项所述的图像压缩及恢复算法。