块分类的计算机桌面图像压缩算法探究

【摘要】随着网络通信技术以及个人计算机和其它数字设备的快速发展，实时计算机桌面图像传输技术的应用日益广泛。基于块分类的计算机桌面图像压缩算法可以有效实现计算机桌面图像的压缩存储，显著提高计算机桌面图像传输时的速度和质量。本文从计算机桌面图像压缩算法的相关概念谈起，然后对计算机桌面图像块分类的编码方法进行分析和说明，对块分类的计算机桌面图像压缩算法进行了详细剖析。

【关键词】块分类；计算机桌面；图像；压缩算法

中图分类号: TP391.41文献标识码：A文章编号：1672-3791(2011)03(a)-0000-00

为了能有效实现计算机桌面图像高质量的实时传输，在借鉴现有的计算机桌面图像压缩算法原理的基础上，本文分析了一种基于块分类的计算机桌面图像压缩新算法，该算法根据计算机桌面图像的不同属性，将块划分为文本/图形块、混合块、图像块三种不同类型，并通过有效的编码来实现计算机桌面图像压缩。

一、计算机桌面图像压缩算法概述

（一）认识计算机桌面图像

计算机桌面图像是包含有文本、图形和图像信息的资源，常常与扫描文档图像一起被统称为混合图像。以下将从计算机桌面图像的基本属性和分类方法两个方面来对计算机桌面图像进行说明。

1、计算机桌面图像的基本属性

第一、像素。在对计算机桌面图像进行扫描时被读取的小块图像称为图像元素，简称像素。

第二、空间分辨率。是对计算机桌面图像进行辨别的最小细节。

第三、灰度级分辨率。指单位幅度上所包含的亮度变化级数，是灰度级别中对计算机桌面图像进行辨别的最小变化。

第四、灰度直方图。它作为灰度级的函数，可以对计算机桌面图像中所具有相应灰度级像素的个数进行精确描述，即用它可以对一幅计算机桌面图像的概貌做大致描述。

第五、纹理特征。计算机桌面图像的纹理特征是对像素灰度值空间分布情况的反映。

2、计算机桌面图像的分类方法

计算机桌面图像的分类方法主要包括基于图像空间和基于特征空间两种，以下将分别给予说明。

第一、基于图像空间的分类方法。这是一种利用图像的灰度、纹理、颜色、形状、位置、底层特征等各种属性来对计算机桌面图像进行分类的方法。

第二、基于特征空间的分类方法。这是一种与特征提取的方法和效果有很大关系的分类方法，基于特征空间的分类方法可以有效降低图像数据的维数以及图像数据计算的复杂性。

（二）现有的计算机桌面图像压缩算法说明

当前现有的计算机桌面图像压缩算法都是基于块实现的，其中常见的现有计算机桌面图像压缩算法主要有虚拟网络计算算法、混合的桌面图像压缩算法以及基于精细分类思想的混合桌面图像压缩算法这三种不同的计算机桌面压缩算法，以下将分别给予说明。

1、虚拟网络计算算法

虚拟网络计算算法是一种基于子矩形分类的无损压缩技术的算法，但是将该方法应用于自然图像的压缩时，存在压缩效率过低的问题。

2、混合的桌面图像压缩算法

混合的桌面图像压缩算法作为对虚拟网络计算算法的改进，该压缩算法是将8×8的块划分为文本/图形块以及图像块两类不同的块。并分别采用JPEG-LS和动态的JPEG压缩算法进行计算机桌面图像的压缩。混合的桌面图像压缩算法对于纯文本或纯图像的文件均有较好的压缩效果，但是对于文本和图像混合文件的压缩效果不是十分理想。

3、基于精细分类思想的混合桌面图像压缩算法

作为对混合的桌面图像压缩算法的改进，由Lin等人提出了一种基于精细分类思想的混合桌面图像压缩算法。这一算法在图像块中有效实现了文本/图形元素的提取和分类编码，从而极大地提高了计算机桌面图像的编码质量。但该算法具有编码速度较慢的特点，而且一次性处理的帧数也比较少。

（三）计算机桌面图像压缩算法的流程

计算机桌面图像压缩算法首先配合JPEG有损编码，将桌面图像划分成16×16个大小不重叠的块，然后根据每个块的不同属性特征，将这些不重叠的块划分成文本/图形块、图像块和混合块三类不同的块，最后对以上三种不同类型的块，分别对文本/图形块采用无损压缩编码方法，对图像块采用JPEG压缩编码，对混合块采用基于精细分类思想的混合压缩算法进行计算机桌面图像的压缩处理。

二、计算机桌面图像块分类的编码方法

计算机桌面图像块的编码方法大致可分为经典的和现代的方法。经典的方法遵循香农信息理论，而现代的方法则突破了这一理论框架。以下将分别给予说明。

（一）经典计算机桌面图像块的编码方法

经典的计算机桌面图像块的编码方法是基于信息论的理论框架，对图像进行线性处理，产生信息保持或限失真的压缩图像。主要有三大类：预测法、变换法和统计法。

1、预测法

所谓预测编码是利用信号间的相关性将每个像素用它前面的值做预测，并传输实际信号与预测信号差值。信号相关性越强，预测精度越高，实际信号与预测信号的差值就越小，对其编码后的比特数可相应减少，这就是预测编码实现压缩的机理。

2、变换法

变换编码是将图像分割成若干子块，通过对其正交变换把时间域信号变换到变换域上，使变换后各系数的统计分布比较集中，能量集中在低频域中，并使变换域中各系数间的相关性大大降低，然后对其分配比特。对方差大的分配以较多的比特，反之分配以较少的比特，从而实现总比特率的压缩。

3、统计法

这是信息保持型的一种图像压缩编码方法。它利用数据出现的分布特性消除信息冗余，如Huffman编码、Arithmetic编码等。压缩后的图像不会失真，是一种熵编码方法。

（二）现代计算机桌面图像块的编码方法

经过近几十年的努力，人们形成了一系列完整、实用的现代计算机桌面图像块的编码方法，从理论上突破了信息论的框架。在图像质量相当的情况下，现代编码方法与经典方法相比，压缩比可以提高几十倍或更高。现代编码方法主要有分型法、模型法、神经网络法和基于小波变换的编码法等。

1、分形法

波兰出生的美国数学家B. B. Mandelbrot通过研究不规则形状和过程的性质，建立了自然界的分形几何理论。1975年他根据拉丁文“fractus”造出了“fractal”，即“分形”一词，用于描述自然界各种各样景物的复杂形状。分形用于图像编码比较有效的方法是1984年M. F. Barnsley提出的迭代函数系统IFS，它把一幅图像分解为若干类景物的子图像，对每类子图像寻找出一个分形算法，简称为IFS码，使这组IFS码所综合的分形图像在主观上与原始子图像非常相似。

2、模型法

模型法图像编码法不要求图像信号一定具有自相似性，可以用更普遍、更基本的基元来建立模型。基于模型或知识的方法，是在编码过程中，通过各种分析手段，提取所建模型的特征及状态参数，作为压缩输出。在解码时，依据这些特征或参数，通过模型及相关知识生成所建模型的信源。

3、神经网络法

神经网络法是模仿人脑处理问题的方法，通过各种人工神经网络模型对数据进行非线性压缩。人工神经网络是一种非线性动态网络，工作过程一般分为训练和工作两个阶段。训练阶段就是使用一些训练图像和训练算法，调整网络的权重，使重建图像的误差最小。目前直接用于图像压缩的神经网络主要是BP网络。

4、基于小波变换的编码

基于小波变换的编码方法是用不同类型的一维或二维线性数字滤波器，对图像进行整体分解，然后根据人类视觉特性对不同频段的数据进行粗细不同的量化处理，因此能达到更好的压缩效果。这类方法原理上仍属于线性处理，属于“波形”编码，严格来说，可归入经典编码方法一类。但是，小波分析是近十年来发展起来的信号分析方法，小波变换的优点是它在时域和频域都具有良好的局部特性，而且，对不同频率成分的时域取样步长可调，高频部分对应小的取样步长，低频部分对应大步长，这是一种使用多尺度描述信号的分析方法。这一特性对于图像编码处理特别有意义，就像我们从不同距离观察图像，远处看到的是较大的纹理，近处看其细节，这也正符合了人的视觉信息处理过程。同时，小波级数可在不同分辨率下逼近某一函数，实现多分辨率分解，这些基于小波变换的编码方法的优点使基于小波变换的图像编码方法在压缩性能上取得了突破性进展。

三、块分类的计算机桌面图像压缩算法应用分析

将一幅计算机桌面图像分成大小相同的若干子图像块，然后分别根据各子图像块具有的图像特征，采用合适的压缩算法进行压缩处理。其中基于图像分块特征分类的计算机桌面图像压缩算法的处理流程如图1所示。

将该测试图像分割为4幅子图像，然后对4幅子图像依次使用JPEG2000压缩算法、JPEG压缩算法和基于图像分块特征分类的计算机桌面图像压缩算法进行压缩处理。

基于图像分块特征分类的计算机桌面图像压缩算法与传统的压缩算法相比，具有较高的图像峰值信噪比，也就是说基于图像分块特征分类的计算机桌面图像压缩算法使计算机桌面图像的压缩性能得到了显著的提高。

结语

大量的实验数据表明，基于图像分块特征分类的计算机桌面图像压缩算法具有很好的图像压缩效果，和传统的计算机桌面图像压缩算法相比，该方法有效地提高了计算机桌面图像的压缩性能，对于实现计算机桌面图像的高质量压缩存储和传输发挥了非常重要的作用。

参考文献：

[l]吴倩，杜歆，顾伟康．基于块分类的计算机桌面图像压缩算法[J]．浙江大学学报（工学版），2010，（5）.

[2]马锐．基于分类的图像压缩算法研究[D]．西安：西安科技大学，2009.

[3]陈自力，史进波．基于块分类的快速分形图像压缩[J]．军械工程学院学报，2005，（12）.