一种基于自适应分块八叉树颜色量化的图像压缩技术

发布时间：2021-08-05 05:02

　　颜色量化（CQ）是减少图像颜色数量的过程,已广泛用于图像压缩。基于八叉树的颜色量化（OCQ）因其编码效率高、内存使用低和调色板选择效果良好而被认为是最流行的CQ算法之一。然而,OCQ应用的一个严峻挑战是如何有效地管理关键的本地颜色。提出了一种基于分块的自适应八叉树颜色量化（AB-OCQ）算法,实验结果表明,与传统的OCQ算法相比,由于增加了对局部颜色的适当处理,AB-OCQ可以显著提高图像质量。在图像压缩比方面,AB-OCQ的综合性能也优于OCQ的。同时,和主流图像文件格式相比,AB-OCQ算法可以在保持压缩的前提下拥有随机访问图像像素数据的特性,该特性能让应用程序在同等内存下存储更多的图像数据,为提高应用程序的效率提供了一种方法。 

【文章来源】：计算机工程与科学. 2020,42(02)北大核心CSCD

【文章页数】：8 页

【部分图文】：

AB-OCQ算法使用的16分支树表示

例如,对于半透明橙色,其ARGB值的分量分别用128,255,168,76表示,二进制表示分别为10000000,1111111,10101000,01001100。根据每个颜色位从高到低的优先级划分,第1层子节点的位值为14(二进制值为1110),接下来的子节点的位值分别为5(0101),6(0110),4(0100),7 (0111),5(0101),4(0100)和4(0100)。通过插入图像中所有的颜色值,形成1个称为颜色树的结构。在该颜色树中(如图2所示),最高层(Level 1)具有最高优先级,而最低层(Level 8)具有最低优先级。图4 AB-OCQ算法插入节点的过程

图2 半透明橙色按优先级划分层次结构的过程从图1和图2中可以看出,这个结构下最大颜色数量是168,是1个巨大的数字。为了充分压缩存储空间,需要合并和裁剪颜色树上那些不重要的颜色。如果最终留下的颜色数量不超过256,我们就可以使用1个字节来表示在这个颜色树上每个原始ARGB颜色的位置,从而可以显著减少存储空间占用。对每个节点,我们定义它的结构如图3所示。


本文编号：3323119