一种弱网环境下的灰度图像压缩方法与流程

本发明涉及图像处理，尤其是涉及一种弱网环境下的灰度图像压缩方法。

背景技术：

1、灰度图像是一种仅包含亮度信息的图像，与彩色图像相比，它具有更小的文件大小和更简单的处理方式，被广泛应用于医学成像、计算机视觉和图像处理等领域，以图像处理为例，灰度图像可应用于边缘检测、图像增强、图像分割等，这些技术可以帮助提高图像质量、提取有效信息和改进视觉效果。

2、常见的图像压缩方法包括无损压缩和有损压缩两种，无损压缩方法不会丢失图像信息，可以保证压缩后的图像与原始图像完全一致，常用的无损压缩方法有huffman编码和lzw编码，其中huffman编码通过统计灰度值的出现频率，将出现频率高的灰度值用较短的编码表示，出现频率低的灰度值用较长的编码表示，从而实现无损压缩，lzw编码是一种基于字典的压缩方法，通过建立字典并动态更新来实现压缩，有损压缩方法可以在一定程度上减小图像大小，但会丢失部分图像信息，常用的有损压缩方法有jpeg、webp和wavelet变换，其中jpeg是一种广泛使用的有损压缩方法，它通过离散余弦变换(dct)将图像转换为频域表示，然后通过量化和熵编码等技术实现压缩；webp算法是由google开发的基于预测编码和矢量量化的压缩算法，wavelet变换可以将图像分解为多个尺度和方向的小波系数，然后通过量化和熵编码等技术实现压缩，是一种多分辨率分析技术。

3、上述中的现有技术方案存在以下缺陷：以上所讨论的压缩方法仅仅针对个体图像，无法结合实际场景找到图像的上下文关联，这也导致了图像压缩大小不理想，在弱网环境的有限带宽下，无疑增大了传输时延，影响了用户的体验，同时相较于彩色图像模式，灰度图像模式下使用者人眼对于图像的敏感度会降低，对于毛刺现象的感知度也会降低，传统的针对多通道的图像压缩算法并未考虑这一特性。

技术实现思路

1、本发明的目的是提供一种利用相邻图像之间的共通性提高压缩率，在几乎不影响用户体验感受的前提下，极大地减少端到端的网络数据传输量，降低传输时延，提升用户在弱网环境下体验的弱网环境下的灰度图像压缩方法。

2、为实现上述目的，本发明提供了如下技术方案：

3、一种弱网环境下的灰度图像压缩方法，其方法如下：

4、s1：关联性提取，将视频会议、远程协助和远程桌面场景中相邻帧的关联性部分进行提取，将提取到的关联性部分经过灰度处理；

5、s2：弱网环境下的灰度图像压缩方法流程，首先获取数据源，并根据需要划分宏块；

6、s3：信息转换，从当前帧脏区域起始位置(xour，your)中逐行逐列取出宏块mcur，前一帧全图区域顶部位置(xpre，ypre)取出宏mpre，此时ypre＝0，接着利用公式将偏移量计算出来，将二维像素信息转化到一维，最终可以得到mcur和mpre对应的一维离散曲线序列lcur和lpre；

7、s4：计算弗雷歇距离fredis，假设lcur和lpre由n个轨迹点组成，可将lcur，lpre有序地表示为α(lcur)＝(u1，...，un)、β(lpre)＝(v1，...，vn)，lcur和lpre轨迹点之间的序列长度||l||定义为各点对中欧式距离最大的值，并通过||l||计算离散曲线序列lcur和lpre弗雷歇距离fredis；

8、s5：根据fredis的数值判断传输状态，对存在相同像素宏块计算得到化为一维离散曲线之后的弗雷歇距离fredis，判断是否进行传输，若该距离为0，则省去了部分的压缩计算过程以及数据传输过程。

9、进一步地，所述s2中的划分宏块具体将图像划分为多个nxn大小宏块，且n＝8、16、32、64。

10、进一步地，所述s3中信息转换采用如下公式进行计算：

11、y＝x+y*pic_stride

12、pic_stride＝img_width*channels。

13、进一步地，所述s3中x和y分别表示像素在图中的横纵坐标，pic_stride表示该图一整行像素的内存偏移量，img_width为图的宽度，channels为图像的色彩通道数。

14、进一步地，所述s4中lcur和lpre轨迹点之间的序列长度||l||采用如下公式进行计算：

15、

16、进一步地，所述s4中弗雷歇距离fredis采用如下公式进行计算：

17、

18、进一步地，所述s5中根据fredis的数值判断传输状态中若fredis不小于30，则在前一帧再取(xpre，ypre)位置的块，此时ypre＝ypre+1，再次回到s2继续执行上述步骤。

19、进一步地，所述s5中根据fredis的数值判断传输状态中若fredis大于30，则进一步判断fredis是否为0，若为0则从前一帧(xpre，ypre)位置拷贝像素到当前帧(xcur，ycur)位置。

20、进一步地，所述s5中根据fredis的数值判断传输状态中若不为0则计算像素残差diff(lcur，lpre)，以残差形式传输。

21、进一步地，所述s2中数据源获取具体为从显卡驱动获取灰度图像。

22、综上所述，本发明的有益技术效果为：

23、1、本发明在视频会议、远程协助和远程桌面等场景在弱网环境下，将二维宏块图像转换为一维序列寻找宏块关联性的方案，该方法通过降维大大减少内存访问次数，通过这种转换方法为后续步骤快速寻找宏块匹配提供了基础；

24、2、本发明宏块图像降维后得到的一维离散曲线相似度评估决策方案，利用曲线距离计算公式得到具体的数值，以数值评估宏块的相似度，若数值为0，则表面宏块完全相同，若数值大于0小于30，则认为是相似宏块，采用传输残差方案，该方案能够有效评估宏块之间的相似程度，充分利用相邻图像之间的共通性提高压缩率，在几乎不影响用户体验感受的前提下，极大地减少端到端的网络数据传输量，降低传输时延，提升用户在弱网环境下的体验；

25、3、本发明结合弗雷歇算法评估宏块图像序列化之后的相似度，该方法充分利用相邻图像之间的共通性提高压缩率，在几乎不影响用户体验感受的前提下，极大地减少端到端的网络数据传输量，降低传输时延，提升用户在弱网环境下的体验。

技术特征：

1.一种弱网环境下的灰度图像压缩方法，其特征在于：其方法如下：

2.根据权利要求1所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s2中的划分宏块具体将图像划分为多个nxn大小宏块，且n＝8、16、32、64。

3.根据权利要求2所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s3中信息转换采用如下公式进行计算：

4.根据权利要求3所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s3中x和y分别表示像素在图中的横纵坐标，pic_stride表示该图一整行像素的内存偏移量，img_width为图的宽度，ch annels为图像的色彩通道数。

5.根据权利要求4所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s4中lcur和lpre轨迹点之间的序列长度‖l‖采用如下公式进行计算：

6.根据权利要求5所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s4中弗雷歇距离fredis采用如下公式进行计算：

7.根据权利要求6所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s5中根据fredis的数值判断传输状态中若fredis不小于30，则在前一帧再取(xpre,ypre)位置的块，此时ypre＝ypre+1，再次回到s2继续执行上述步骤。

8.根据权利要求7所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s5中根据fredis的数值判断传输状态中若fredis大于30，则进一步判断fredis是否为0，若为0则从前一帧(xpre,ypre)位置拷贝像素到当前帧(xcur,ycur)位置。

9.根据权利要求8所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s5中根据fredis的数值判断传输状态中若不为0则计算像素残差diff(lcur,lpre)，以残差形式传输。

10.根据权利要求9所述的一种弱网环境下的灰度图像压缩方法，其特征在于：所述s2中数据源获取具体为从显卡驱动获取灰度图像。

技术总结本发明公开了一种弱网环境下的灰度图像压缩方法，其涉及图像处理技术领域，旨在解决压缩方法仅仅针对个体图像，无法结合实际场景找到图像的上下文关联，这也导致了图像压缩大小不理想的问题，其技术方案要点是S1：关联性提取；S2：弱网环境下的灰度图像压缩方法流程，首先获取数据源，并根据需要划分宏块；S3：信息转换，将二维像素信息转化到一维，最终可以得到m<subgt;cur</subgt;和m<subgt;pre</subgt;对应的一维离散曲线序列l<subgt;cur</subgt;和l<subgt;pre</subgt;；S4：计算弗雷歇距离FreDis；S5：根据FreDis的数值判断传输状态，对存在相同像素宏块计算得到化为一维离散曲线之后的弗雷歇距离FreDis，判断是否进行传输。达到了降低传输时延，提升用户在弱网环境下体验的效果。技术研发人员：游德光,焦妍,陈曦,蔡宇轩,张天阳,林佳钦,朱磊受保护的技术使用者：天翼云科技有限公司技术研发日：技术公布日：2024/7/25