一种基于小波变换的图像压缩方法和装置与流程

[0001]
本发明涉及信息技术领域，特别是涉及一种基于小波变换的图像压缩方法和装置。


背景技术：

[0002]
图像数据中存在大量的冗余数据，因此产生了图像数据压缩技术。其中，传统图像压缩算法中压缩效果最好的是jpeg压缩算法，jpeg将图像压缩到非常小的文件尺寸，并成为使用最广泛的图像文件格式。其内部高效的dct算法在很大程度上成为了负责数字图像和数字照片广泛传播的核心，但是jpeg压缩算法并不能满足海量高通量材料实验图像的压缩需求，于是需要一种适用于高通量材料实验图像的高压缩比图像压缩算法来实现高通量图像的处理。


技术实现要素：

[0003]
本发明所要解决的技术问题是提供一种基于小波变换的图像压缩方法和装置，能够提高高通量材料试验图像压缩比。
[0004]
本发明公开了一种基于小波变换的图像压缩方法，包括：
[0005]
对高通量原始图像进行离散小波变换获得变换图像；
[0006]
对所述变换图像进行颜色空间转换和通道分离获得多个单通道图像；
[0007]
对每个所述单通道图像进行重点信息与非重点信息量化；
[0008]
对量化后的图像进行压缩和编码获得压缩图像。
[0009]
优选地，所述对高通量原始图像进行离散小波变换获得变换图像包括：
[0010]
将连续小波离散化后，通过离散二维小波变换对所述高通量原始图像进行处理，获得变换图像。
[0011]
优选地，对所述变换图像进行颜色空间转换和通道分离获得多个单通道图像包括：
[0012]
将所述变换图像进行色度与亮度分离，将所述变换图像从rgb模型转换至yc
r
c
b
模型；
[0013]
将变换图像的三通道图像分离为三个单通道图像。
[0014]
优选地，对每个所述单通道图像进行重点信息与非重点信息量化包括：
[0015]
利用每个所述单通道图像像素矩阵除以对应的量化阈值矩阵，余数采用去余法处理；重点信息区域的量化阈值小于非重点信息区域的量化阈值。
[0016]
优选地，对量化后的图像进行压缩和编码获得压缩图像包括：
[0017]
对量化后的图像进行huffman压缩和/或jpeg压缩；
[0018]
对经过压缩的数据进行预设种类的编码。
[0019]
优选地，所述对高通量原始图像进行离散小波变换获得变换图像包括：
[0020]
遍历所述高通量原始图像的每一行元素，对每一行所述元素应用一维离散小波变
换，将图像的低频分量信息l和图像的高频分量信息h在x轴上进行分割；
[0021]
遍历处理后的图像的每一列元素，对每一列所述元素应用一维离散小波变换，将图像的低频分量信息和图像的高频分量信息在x轴和y轴上进行分割，分别得到x轴和y轴方向的高频分量信息hh、x轴方向的高频分量信息和y轴方向的低频分量信息hl、x轴方向的低频分量信息和y轴方向的高频分量信息lh、x轴和y轴方向的低频分量信息ll；
[0022]
通过小波变换迭代过程，直到得到的变换图像满足预设需求。
[0023]
优选地，将所述变换图像从rgb模型转换至yc
r
c
b
模型包括：
[0024]
rgb颜色空间模型转换至yc
r
c
b
颜色空间模型的计算公式如下：
[0025][0026]
其中：
[0027]
r——rgb颜色空间的r通道分量；
[0028]
g——rgb颜色空间的g通道分量；
[0029]
b——rgb颜色空间的b通道分量；
[0030]
y——yc
r
c
b
颜色空间的y通道分量；
[0031]
c
r
——yc
r
c
b
颜色空间的cr通道分量；
[0032]
c
b
——yc
r
c
b
颜色空间的cb通道分量。
[0033]
优选地，对量化后的图像进行压缩和编码获得压缩图像包括：
[0034]
使用huffman编码分别对三幅单通道图像进行图像数据压缩，生成三个二进制文件；保持三幅单通道图像的位图模式；
[0035]
和/或，使用jpeg编码分别对三幅单通道图像进行图像数据压缩，生成三个jpg图像文件；
[0036]
对经过处理的数据进行预设种类的编码，所述预设种类的编码包括以下之一：
[0037]
lzma编码、deflate编码、ppm编码、bzip2编码。
[0038]
第二方面，本发明还提供一种基于小波变换的图像压缩装置，包括：
[0039]
小波变换模块，设置为对高通量原始图像进行离散小波变换获得变换图像；
[0040]
通道分离模块，设置为对所述变换图像进行颜色空间转换和通道分离获得多个单通道图像；
[0041]
量化模块，设置为对每个所述单通道图像进行重点信息与非重点信息量化；
[0042]
压缩模块，设置为对量化后的图像进行压缩和编码获得压缩图像。
[0043]
优选地，所述小波变换模块对高通量原始图像进行离散小波变换获得变换图像包括：
[0044]
将连续小波离散化后，通过离散二维小波变换对所述高通量原始图像进行处理，获得变换图像。
[0045]
与现有技术相比，本发明具有以下优点：
[0046]
本发明首先通过离散小波变换分离图像的重点信息区域与非重点信息区域，其次对图像进行颜色空间转换与通道分离，接着将分离后的图像进行量化，并对图像进行一次
编码前处理，分别有三种处理方法：不处理、进行一次jpeg压缩和进行一次huffman编码。最后将分离后的图像数据进行编码后合并。节省了图像数据存储所用的空间以及传输所占用的带宽；极大地提高了图像压缩比，特别是高通量试验图像的图像压缩比，节省了数据传输流量与存储空间。
附图说明
[0047]
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
[0048]
图1为本发明实施例的基于小波变换的图像压缩方法的流程图；
[0049]
图2为本发明实施例的二维离散小波变换分解与还原过程示意图；
[0050]
图3为本发明实施例的高通量图像小波变换示意图，其中，图3(a)为一层小波变换示意图，图3(b)为二层小波变换示意图；
[0051]
图4为本发明实施例的高通量图像灰度示意图，其中，图4(a)为y通道灰度图，图4(b)为c
r
通道灰度图，图4(c)为c
b
通道灰度图；
[0052]
图5为本发明实施例的高通量图像灰度示意图，其中，图5(a)为y通道灰度图，图5(b)为c
r
通道灰度图，图5(c)为c
b
通道灰度图；
[0053]
图6是本发明实施例的基于小波变换的图像压缩装置的示意图；
[0054]
图7为本发明实施例的基于小波变换的高压缩比图像压缩算法的示意图；
[0055]
图8为本发明实施例的高通量实验图像；其中，图8(a)为高通量材料实验的原始图像，图8(b)为解压缩图像；
[0056]
图9为本发明实施例的材料微观结构图像；其中，图9(a)为材料微观结构的原始图像，图9(b)为解压缩图像；
[0057]
图10为本发明实施例的人类图像；其中，图10(a)为人类图像的原始图像，图10(b)为解压缩图像。
具体实施方式
[0058]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0059]
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
[0060]
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0061]
实施例一
[0062]
图1为本发明实施例的基于小波变换的图像压缩方法的流程图，本发明实施例的一种基于小波变换的图像压缩方法，可以包括如下步骤s101至步骤s104：
[0063]
s101、对高通量原始图像进行离散小波变换获得变换图像；
[0064]
s102、对所述变换图像进行颜色空间转换和通道分离获得多个单通道图像；
[0065]
s103、对每个所述单通道图像进行重点信息与非重点信息量化；
[0066]
s104、对量化后的图像进行压缩和编码获得压缩图像。
[0067]
本发明实施例中，所述步骤s101对高通量原始图像进行离散小波变换获得变换图像包括：
[0068]
将连续小波离散化后，通过离散二维小波变换对所述高通量原始图像进行处理，获得变换图像。
[0069]
本发明实施例对原始图像进行离散小波变换，小波变换的主要特点是能对频率进行局部化分析，然后通过伸缩和平移运算对其逐步进行多尺度地细化，最终达到高频与低频的分离。本发明实施例根据二维连续小波的定义，将连续小波离散化后，通过离散二维小波变换对高通量图像进行处理。
[0070]
进一步地，本发明实施例中，所述步骤s101对高通量原始图像进行离散小波变换获得变换图像包括：
[0071]
遍历所述高通量原始图像的每一行元素，对每一行所述元素应用一维离散小波变换，将图像的低频分量信息l和图像的高频分量信息h在x轴上进行分割；
[0072]
遍历处理后的图像的每一列元素，对每一列所述元素应用一维离散小波变换，将图像的低频分量信息和图像的高频分量信息在x轴和y轴上进行分割，分别得到x轴和y轴方向的高频分量信息hh、x轴方向的高频分量信息和y轴方向的低频分量信息hl、x轴方向的低频分量信息和y轴方向的高频分量信息lh、x轴和y轴方向的低频分量信息ll；
[0073]
通过小波变换迭代过程，直到得到的变换图像满足预设需求。
[0074]
如图2所示，二维离散小波变换的分解过程步骤是：首先遍历图像的每一行元素，对其应用一维离散小波变换，将图像的低频分量信息l和图像的高频分量信息h在x轴上进行分割，接着遍历处理后的图像的每一列元素，对其应用一维离散小波变换，将图像的低频分量信息和图像的高频分量信息在x轴和y轴上进行分割，分别是x轴和y轴方向的高频分量信息hh、x轴方向的高频分量信息和y轴方向的低频分量信息hl、x轴方向的低频分量信息和y轴方向的高频分量信息lh、x轴和y轴方向的低频分量信息ll。还原过程与分解过程正好相反。并且小波变换是一个可以迭代的过程，一层小波变换后可以继续进行小波变换，直到满足需求。
[0075]
将变换后图像的重点信息区域定义为x轴方向与y轴方向的低频分量ll所在区域，除重点信息区域之外的区域定义为非重点信息区域。二维小波变换是一种不完全可逆变换，图像进行一次小波变换再还原后图像会出现一定的损失，如图3(a)所示，即无法得到与源图像一样的像素矩阵，并且变换层数越高损失的数据越多，但是层数越高，重点信息区域越集中之后的压缩效果越好，如图3(b)所示。所以综合图像压缩比、图像损失程度以及图像像素矩阵三方面的因素考虑，最后应用的小波变换为三层小波变换。
[0076]
一般迭代三次即能够将高频与低频分量分离出来，变换次数越大，分离程度越大，本发明实施例中用的是三层小波变换。
[0077]
本发明实施例中，所述步骤s102对所述变换图像进行颜色空间转换和通道分离获得多个单通道图像包括：
[0078]
将所述变换图像进行色度与亮度分离，将所述变换图像从rgb模型转换至yc
r
c
b
模型；
[0079]
将变换图像的三通道图像分离为三个单通道图像。
[0080]
本发明实施例中，显示图像一般采用rgb空间模型，在量化前需要将色度与亮度分离，将图像从rgb模型转换至yc
r
c
b
模型。由于后续要对不同的通道进行不同的操作，所以要将三通道图像分离为三个单通道图像。
[0081]
进一步地，本发明实施例中，所述步骤s102将所述变换图像从rgb模型转换至yc
r
c
b
模型包括：
[0082]
rgb颜色空间模型转换至yc
r
c
b
颜色空间模型的计算公式如下：
[0083][0084]
其中：
[0085]
r——rgb颜色空间的r通道分量；
[0086]
g——rgb颜色空间的g通道分量；
[0087]
b——rgb颜色空间的b通道分量；
[0088]
y——yc
r
c
b
颜色空间的y通道分量；
[0089]
c
r
——yc
r
c
b
颜色空间的cr通道分量；
[0090]
c
b
——yc
r
c
b
颜色空间的cb通道分量。
[0091]
进行颜色空间转换并通道分离后的高通量灰度图如图4所示。
[0092]
本发明实施例中，所述步骤s103对每个所述单通道图像进行重点信息与非重点信息量化包括：
[0093]
利用每个所述单通道图像像素矩阵除以对应的量化阈值矩阵，余数采用去余法处理；重点信息区域的量化阈值小于非重点信息区域的量化阈值。
[0094]
本发明实施例中，具体的量化操作为单通道图像像素矩阵除以量化阈值矩阵，余数采用去余法处理。由于图像分为重点信息区域与非重点信息区域，所以一幅单通道图像有两个量化阈值区域，重点信息区域的量化阈值要小于非重点信息区域的量化阈值。由于人眼对亮度的敏感程度要远远大于色度，所以对亮度通道图像与色度通道图像采用不同的量化方式。
[0095]
本发明实施例中，设y通道图像重点信息区域量化阈值为a
y
，非重点信息区域量化阈值为b
y
，c
r
通道图像重点信息区域量化阈值为a
cr
，非重点信息区域量化阈值为b
cr
，c
b
通道图像重点信息区域量化阈值为a
cb
，非重点信息区域量化阈值为b
cb
，一般情况有如下式的大小关系：
[0096][0097]
本发明实施例中对损失程度和压缩比进行测试后，采用如下数值，a
y
＝5,a
cr
＝10,a
cb
＝10,b
y
＝20,b
cr
＝20,b
cb
＝20。量化后的三幅图像分别如图5所示。
[0098]
本发明实施例中，所述步骤s104对量化后的图像进行压缩和编码获得压缩图像包括：
[0099]
对量化后的图像进行huffman压缩和/或jpeg压缩；
[0100]
对经过压缩的数据进行预设种类的编码。
[0101]
本发明实施例，数据在进行编码前再进行一次压缩处理，对经过压缩处理的数据进行不同种类的编码。
[0102]
进一步地，本发明实施例中，所述步骤s104对量化后的图像进行压缩和编码获得压缩图像包括：
[0103]
使用huffman编码分别对三幅单通道图像进行图像数据压缩，生成三个二进制文件；保持三幅单通道图像的位图模式；
[0104]
和/或，使用jpeg编码分别对三幅单通道图像进行图像数据压缩，生成三个jpg图像文件；
[0105]
对经过处理的数据进行预设种类的编码，所述预设种类的编码包括以下之一：
[0106]
lzma编码、deflate编码、ppm编码、bzip2编码。
[0107]
本发明实施例为了进一步减小数据冗余，分三种情况对图像进行编码前的处理：
[0108]
(1)使用huffman编码分别对三幅单通道图像进行图像数据压缩，生成三个二进制文件；
[0109]
(2)不做任何处理，保持三幅图像的位图模式；
[0110]
(3)使用jpeg算法分别对三幅单通道图像进行图像数据压缩，生成三个jpg图像文件。
[0111]
对经过处理的数据进行不同种类的编码，并将其分别用7z和zip打包。利用lzma算法、deflate算法、ppm算法、bzip2算法分别将文件编码打包并进行了数据测试，经过与各个编码算法的对比后，ppm算法有着较高的压缩效益，所以对于高通量图像的编码方法采用ppm算法。
[0112]
实施例二
[0113]
如图6所示，本发明还提供一种基于小波变换的图像压缩装置，包括：
[0114]
小波变换模块，设置为对高通量原始图像进行离散小波变换获得变换图像；
[0115]
通道分离模块，设置为对所述变换图像进行颜色空间转换和通道分离获得多个单通道图像；
[0116]
量化模块，设置为对每个所述单通道图像进行重点信息与非重点信息量化；
[0117]
压缩模块，设置为对量化后的图像进行压缩和编码获得压缩图像。
[0118]
优选地，所述小波变换模块对高通量原始图像进行离散小波变换获得变换图像包括：
[0119]
将连续小波离散化后，通过离散二维小波变换对所述高通量原始图像进行处理，获得变换图像。
[0120]
实施例三
[0121]
本实施例对图像压缩算法进行了时间复杂度评估，如图7所示，对原始图像进行离散小波变换，对图像进行颜色空间转换和通道分离，分离图像进行量化，量化数据进行压缩处理，对经过处理的数据进行不同种类的编码。
[0122]
设n为图像中像素矩阵的元素总数。图像压缩算法的时间复杂度主要用在小波变换，颜色空间转换，量化，编码前处理和编码上。
[0123]
小波变换需要遍历一次图像的像素矩阵，所以一次二维离散小波变换的时间复杂度为o(n)。这是进行一次二维离散小波变换的时间复杂度，如果增加一次二维离散小波变换则会在之前图像四分之一区域内再次进行二维离散小波变换，所以时间复杂度会增加1/4o(n)，本实施例采用三层离散二维小波变换，所以本实施例二维离散小波变换部分的时间复杂度为o(n)+1/4o(n)+1/16o(n)；颜色空间转换需要遍历一次图像的像素矩阵，所以本实施例颜色空间转换部分的时间复杂度为o(n)；量化需要遍历一次图像的像素矩阵，所以本实施例量化部分的时间复杂度为o(n)。关于编码前处理，第一种方法使用了huffman编码，使用堆排序构建huffman树会使huffman编码的时间复杂度降低至o(nlogn)。第三种方法使用jpeg算法，jpeg算法主要包括颜色空间转换，离散余弦变换、量化、z形取值与huffman编码，所以量化部分时间复杂度为4o(n)+o(nlogn)。最后的编码部分，改进ppm算法时间复杂度已经可以由o(n2)降低到o(n)。
[0124]
基于以上分析，第一种图像压缩算法总时间复杂度为下式：
[0125]
4o(n)+1/4o(n)+1/16o(n)+o(nlogn)≈4o(n)+o(nlogn)
[0126]
第二种图像压缩算法总时间复杂度为下式：
[0127]
4o(n)+1/4o(n)+1/16o(n)≈4o(n)
[0128]
第三种图像压缩算法总时间复杂度为下式：
[0129]
8o(n)+1/4o(n)+1/16o(n)+o(nlogn)≈8o(n)+o(nlogn)
[0130]
因此，本实施例的高通量图像压缩算法的时间复杂度大约为o(nlogn)，因此其相应的图像压缩时间是可以接受的。
[0131]
实施例四
[0132]
本实施例中，量化后的图像根据需求可以采用三种方式来处理：第一种方法将三幅图像分别进行huffman编码，然后将二进制数据进行编码得到最终压缩数据，这种编码算法被成为dwt-hc-ppm(discrete wavelet transform,huffman coding and ppm coding)算法；第二种方法将三幅图像直接进行编码得到最终压缩数据，这种编码算法被成为dwt-ppm(discrete wavelet transform and ppm coding)算法；第三种方式将三幅图像分别进行jpeg压缩，再将这些图像进行编码得到最终的压缩数据，这种编码算法被成为dwt-jpg-ppm(discrete wavelet transform,jpg and ppm coding)算法。
[0133]
为了验证算法的压缩性能、选择最佳的压缩参数和编码方法以及验证算法对于其
它图像或者不同分辨率的图像的压缩效果，设计了多个图像压缩对比实验，包括该压缩算法与传统图像压缩算法的图像压缩数据对比，不同编码方法下该算法压缩图像的数据对比，不同量化阈值下该算法压缩图像的数据对比，该算法对不同分辨率图像压缩数据对比。
[0134]
表1为不同压缩方法对不同图像的压缩结果，三组图像分别是高通量实验图像、材料微观结构图像和人类图像。
[0135]
表1
[0136][0137][0138]
图8是高通量材料实验的原始图像和解压缩图像。从表1可以看出，jpeg算法是传统压缩方法中压缩比最大的压缩方法，压缩比约为17。jpeg算法的损失程度较小，psnr值为39.42分贝。本发明实施例提出的dwt-ppm方法压缩比为464.22，是jpeg算法的27.31倍，psnr值为22.49db，接近于gif图像的损失程度。dwt-jpg-ppm方法的压缩比为1523.46，是jpeg算法的90.14倍。在图像压缩比方面，dwt-jpg-ppm算法效果是最好的。
[0139]
图9是原始图像和材料微观结构的解压缩图像。从表1可以看出，具有丰富细节信息的材料微观结构图像也可以采用本发明实施例设计的图像压缩方法。jpeg算法是传统压缩方法中压缩比最大的压缩方法，压缩比约为7.82。jpeg算法的损失程度较小，psnr值为
43.27分贝。本发明实施例提出的dwt-ppm方法压缩比为28.98，是jpeg算法的3.71倍，psnr为23.43db，接近于gif图像的损失。dwt-jpg-ppm方法的压缩比为119.70，是jpeg算法的15倍，psnr值为13.69db。在图像压缩比方面，dwt-jpg-ppm算法效果是最好的，但dwt-jpg-ppm法的损失程度非常大，超出了正常的损失程度范围。本发明实施例认为造成巨大损失的原因是材料微观图像的边缘信息过多。因此，将dwt-jpg-ppm方法应用于边缘信息丰富的图像时应谨慎使用。
[0140]
图10是人类照片的原始图像和解压图像。如表1所示，jpeg算法是传统压缩方法中压缩比最大的压缩方法，压缩比约为31.47。jpeg算法的损耗程度较小，psnr值为58.13db。本发明实施例提出的dwt-ppm方法压缩比为232.83，是jpeg算法的7.40倍，psnr为23.39db，接近于gif图像的损失。dwt-jpg-ppm方法的压缩比为407.15，是jpeg算法的12.94倍。psnr值为23.00db。在图像压缩比方面，dwt-jpg-ppm算法是最好的。可以看出，本发明实施例的方法应用在人类图像上时也拥有很好的表现。
[0141]
通过以上分析，dwt-jpg-ppm的压缩比最大但是可能会出现损失程度超过一定容忍范围的情况，所以考虑在对图像精度要求不是特别高并且需要特别大的压缩比情况下可以使用dwt-jpg-ppm算法；dwt-ppm的损失程度在本发明实施例提出的三种算法中最小，但是它的压缩比没有jpg的压缩比高，但是它高于一般的传统压缩算法，所以考虑在对图像精度有一定要求并且不需要特别大的压缩比情况下可以使用dwt-ppm算法。并且它们压缩图像不仅可以应用在高通量材料实验图像上同样也可以用在其它图像上。
[0142]
表2对比了不同编码算法下本发明实施例的三种图像压缩算法对图像进行压缩的数据对比。
[0143]
表2
[0144]
[0145][0146]
从表2可以看出，在相同的压缩方法和打包格式下，ppmd编码算法的压缩比高于其他编码算法。并且同一种压缩算法和同一种压缩编码方法下7z压缩文件打包格式的压缩比要大于zip打包格式的压缩比，但是当一种情况，即压缩方法为dt-hc-ppm、压缩算法为ppmd的情况除外。
[0147]
因此基于以上的分析，对于dt-hc-ppm，本发明实施例使用zip打包格式的ppmd编码算法进行编码。对于dwt-ppm和dwt-jpg-ppm，本发明实施例使用7z打包格式的ppmd编码算法进行编码。
[0148]
表3显示了在不同量化阈值下使用同一种压缩算法dwt-ppm来压缩同一个高通量材料实验图像的压缩结果对比。
[0149]
表3
[0150]
[0151][0152]
从表3可以看出，当量化阈值ay＝5,by＝20,acr＝5,bcr＝20,acb＝5,bcb＝20时图像压缩比为388.48，mse值为323.96。当量化阈值ay＝5,by＝20,acr＝10,bcr＝20,acb＝10,bcb＝20时图像压缩比为464.22，mse值为366.51，两者相比较，在损失程度增加不是特别大的情况下压缩比获得的收益较多。所以后者的压缩效益较前者来说更好。当量化阈值ay＝5,by＝20,acr＝10,bcr＝20,acb＝10,bcb＝20时图像压缩比为464.22，mse值为366.51。当量化阈值ay＝5,by＝20,acr＝15,bcr＝20,acb＝15,bcb＝20时图像压缩比为554.97，mse值为432.17，两者相比较，在损失程度较多的情况下换来的收益并不高。所以前者的压缩效益较后者来说更好。
[0153]
综合考虑压缩比和损失程度，当量化阈值ay＝5,by＝20,acr＝10,bcr＝20,acb＝10,bcb＝20时压缩效果是最佳的，本发明实施例采用的量化参数为ay＝5,by＝20,acr＝10,bcr＝20,acb＝10,bcb＝20，不同的实验人员可以根据自己的实验图像来调整此参数。
[0154]
表4对比了不同分辨率下的不同图像的压缩数据。每组图像由其原始图像、左上角1/4图像和左上角1/16图像组成。
[0155]
表4
[0156][0157]
高通量图像的压缩比随图像分辨率的降低而降低，而损失程度一般随图像分辨率的降低而增大。人类照片的压缩比随着图像分辨率的降低而降低，但1/16的人体图像压缩比大于原始图像。本发明实施例认为，这是因为切割图像减少了1/16人类图像的边缘信息，而损失程度一般随图像分辨率的降低而增大。材料微观结构压缩比随着图像分辨率的降低而降低，损失程度基本保持不变。可以看出，文本提出的三种图像压缩算法更适合于压缩高分辨率图像，这与图片日益精细，分辨率越来越高的发展趋势相呼应。
[0158]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，
在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。