图像压缩

图像压缩是数据压缩技术在数字图像上的应用,目的是减少图像数据中的冗余信息,从而用更加高效的格式存储和传输数据。图像压缩可以是有损数据压缩也可以是无损数据压缩。

来源:维基百科
简介

图像压缩是数据压缩技术在数字图像上的应用,目的是减少图像数据中的冗余信息,从而用更加高效的格式存储和传输数据。

图像压缩可以是有损数据压缩也可以是无损数据压缩。

  • 无损压缩: 对于如绘制的技术图、图表或者漫画,优先使用无损压缩,对于如医疗图像或者用于存档的扫描图像等,这些有价值的内容的压缩也尽量选择无损压缩方法。常用的无损压缩方法有:游程编码、熵编码法以及LZW这样的自适应字典算法。
  • 有损压缩:而有损压缩则非常适合于自然的图像,例如一些应用中图像的微小损失是可以接受的(有时是无法感知的),这样就可以大幅度地减小位速。常用的有损压缩方法有以下几种:
    • 色彩空间:这是化减到图像中常用的颜色。所选择的颜色定义在压缩图像头的调色板中,图像中的每个像素都用调色板中颜色索引表示。这种方法可以与抖动一起使用以模糊颜色边界。
    • 色度抽样:这利用了人眼对于亮度变化的敏感性远大于颜色变化,这样就可以将图像中的颜色信息减少一半甚至更多。
    • 变换编码:这是最常用的方法。首先使用如离散余弦变换(DCT)或者小波变换这样的傅立叶相关变换,然后进行量化和用熵编码法压缩。
    • 分形压缩:这是一种以碎形为基础的图像压缩,适用于纹理及一些自然影像。

图像压缩的目的就是在给定位速或者压缩比下实现最好的图像质量。压缩方法的质量经常使用峰值信噪比来衡量,峰值信噪比用来表示图象有损压缩带来的噪声。但是,观察者的主观判断也认为是一个重要的、或许是最重要的衡量标准。

[描述来源:Wikipedia; URL:https://zh.wikipedia.org/wiki/%E5%9B%BE%E5%83%8F%E5%8E%8B%E7%BC%A9]

发展历史

图像压缩的基本理论起源于20世纪40年代末香农的信息理论。在该理论框架下,提出了几种无损信源编码方法,如:Huffman编码、算术编码、词典编码等。但是无损编码的压缩率十分有限,很难满足大多数图像存储和传输的需要。因此提出了有损压缩的方法,常用的方法是通过变换对图像进行处理。其中DCT变换被广泛运用。到20世纪80年代中期开始制定的静止图像压缩国际标准JPEG也是采用DCT变换作为核心算法。但是DCT变换压缩效率受限且有块效应问题,也缺乏灵活性。到了20世纪80年代后期,小波变换的发展提供了新的有效的多分辨信号处理工具,为可分级图像编码算法实现奠定了基础。在新一代JPEG 2000中,采用小波图像编码作为核心算法。

参考资料:张旭东等 图像编码基础和小波压缩技术: 原理、算法和标准 清华大学出版社

主要事件

年份事件相关论文
1952Huffman提出Huffman编码方法,之后被用到无损图像压缩中Huffman, D. A. (1952). A method for the construction of minimum-redundancy codes. Proceedings of the IRE, 40(9), 1098-1101.
1994采用离散余弦变换(DCT)进行图像压缩Watson, A. B. (1994). Image compression using the discrete cosine transform. Mathematica journal, 4(1), 81.
1992二维小波变换(DCT)用于有损图像压缩Lewis, A. S., & Knowles, G. (1992). Image compression using the 2-D wavelet transform. IEEE transactions on image processing, 1(2), 244-250.
1986联合图像专家小组(JPEG)团队创立,旨在制定静止图像的有损压缩标准。Wallace, G. K. (1992). The JPEG still picture compression standard. IEEE transactions on consumer electronics, 38(1), xviii-xxxiv.
1988IBM提出Q-Coder(算术编码的一种变形)Langdon, G. G., Pennebaker, W. B., & Mitchell, J. L. (1988). A tutorial on the adaptive Q-coder. IBM Thomas J. Watson Research Division.
1988提出分形压缩 (Fractal Compression)技术,可以实现有损图像压缩Barnsley, M. (1988). Fractals Everywhere (New York: Academic).
1997JPEG筹划基于小波变换的JPEFG 2000Rabbani, M. (2002). JPEG2000: Image compression fundamentals, standards and practice. Journal of Electronic Imaging, 11(2), 286.
2016Google用RNN实现图像压缩Toderici, G., Vincent, D., Johnston, N., Hwang, S. J., Minnen, D., Shor, J., & Covell, M. (2016). Full resolution image compression with recurrent neural networks. arXiv preprint arXiv:1608.05148.

发展分析

瓶颈

无损压缩并不适用于所有图像,对于没有清晰模式的图像往往无法压缩。对于已经压缩过的图像再进行无损压缩会出现问题。而在实际中,有损图像压缩方法也会面临无法再压缩的困境,比如去掉最后一字节的文件,再压缩往往会变成空白文件。

未来发展方向

图像压缩在图像的传输和存储过程中将继续发挥重要作用。随着数学理论、信息论和计算机视觉等学科的发展,会产生新的功能更全面的图像压缩技术。压缩的目的将走向功能的多元化,压缩方法也将由单一走向自适应使用多种压缩工具,尤其是在结合人工智能来实现的方法上会受到更多的关注。

Contributor: Yueqin Li

相关人物
Majid Rabbani
Majid Rabbani
大卫·霍夫曼
大卫·霍夫曼
生于美国俄亥俄州,计算机科学家,为霍夫曼编码的发明者。他也是折纸数学领域的先驱人物。
Michael Fielding Barnsley
Michael Fielding Barnsley
简介
相关人物