一種基于顯式混合調(diào)和擴(kuò)散的卡通圖像壓縮方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像處理應(yīng)用，特別是設(shè)及一種基于顯式混合調(diào)和擴(kuò)散的卡通圖像壓 縮方法。
【背景技術(shù)】
[0002] 隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，圖像的傳輸越來(lái)越頻繁。由于位圖是W像素為單位存儲(chǔ) 的點(diǎn)陣圖，容量較大，受網(wǎng)絡(luò)帶寬的限制，圖像的傳輸使得網(wǎng)絡(luò)負(fù)擔(dān)大，并且加載的耗時(shí)嚴(yán) 重影響了交互的實(shí)時(shí)性。在注重單位流量業(yè)務(wù)價(jià)值的移動(dòng)互聯(lián)環(huán)境，如何有效地壓縮圖像 而又不影響圖像質(zhì)量，顯得尤為重要。
[0003] 傳統(tǒng)上，大部分的圖像壓縮方法（第一代壓縮方法）都依賴于基于經(jīng)典信息理論 的相關(guān)技術(shù)，采用先變換后賭編碼的架構(gòu)，利用圖像中存在的統(tǒng)計(jì)冗余達(dá)到對(duì)圖像數(shù)據(jù)的 壓縮，典型的代表如JPEG200〇w。然而，經(jīng)過(guò)20多年的發(fā)展，運(yùn)樣的架構(gòu)已經(jīng)趨于成熟，壓 縮性能難W進(jìn)一步提升。
[0004] 在圖像中，除了統(tǒng)計(jì)冗余之外，還存在著視覺(jué)冗余，即人的視覺(jué)系統(tǒng)對(duì)圖像不同區(qū) 域的損失的感知敏感程度是有區(qū)別的。近年來(lái)，研究人員更多的關(guān)注于如何利用圖像中存 在的視覺(jué)冗余W進(jìn)一步提高壓縮率，提出了一系列壓縮方法，統(tǒng)稱為第二代圖像壓縮方法 ?。運(yùn)些方法在壓縮機(jī)制的設(shè)計(jì)過(guò)程中融合了人類視覺(jué)系統(tǒng)，試圖通過(guò)消除視覺(jué)冗余的方 式W進(jìn)一步提高編碼效率，同時(shí)又保持較好的視覺(jué)質(zhì)量。有損圖像壓縮的本質(zhì)可歸結(jié)為離 散數(shù)據(jù)的插值問(wèn)題，第一代方法大都采用諸如離散余弦變換或離散小波變換之類的方法。 盡管也是一種經(jīng)典的插值方法，偏微分方程傳統(tǒng)上更多的被用于前/后處理階段W改進(jìn)圖 像視覺(jué)質(zhì)量近年來(lái)，一些研究者開(kāi)始嘗試將之用做一種編解碼的核屯、工具，提出了各 基于圖像修復(fù)（inpainting)或者熱擴(kuò)散（difTusion)的壓縮方法K'w。此外，他們注意到 人的視覺(jué)系統(tǒng)對(duì)輪廓、邊緣的特殊敏感性和方向感知特性提出了各種邊緣保持的壓縮方法 W最大程度減少壓縮所帶來(lái)的視覺(jué)質(zhì)量下降。需要指出的是，已提出的幾種基于偏微 分方程的方法大都采用二階偏微分方程，通過(guò)求解泊松方程進(jìn)行離散數(shù)據(jù)插值。然而運(yùn)些 方法能較好的捕捉顏色急劇變化的區(qū)域情況，對(duì)于一些顏色變化比較平滑的區(qū)域則效果比 較差。相較而言，四階偏微分方程（雙調(diào)和方程）可W更好的模擬運(yùn)種光滑變換的情況，因 而也受到了研究人員的關(guān)注，然而目前的研究更多的集中在于矢量圖形的表示?'^。最后， 運(yùn)些方法在解碼的時(shí)候，需要求解一個(gè)龐大的線性系統(tǒng)，整個(gè)過(guò)程較為緩慢，難W滿足實(shí)時(shí) 解碼的要求。
[0005] 參考文獻(xiàn)：
[0006] [IjDavid Taubman and Michael MarcelI in, JPEG2000:Image Compression Fundamentals, Standards and Practice. Boston:Springer,2001.
[0007] [2]M. M. Reid, R. J. MiIlar, and N. D. Black, "Second-generation image coding:an overview, "ACM Comput. Surv.，vol. 29, no. 1，pp. 3 - 29, 1997.
[0008] [3]Ivan Kopilovic and T.Szirdnyi， ， "Artifact 民eduction with Diffusion Preprocessing for Image Compression，，，Opt. Eng.，vol. 44, no. 2, pp. I - 14, 2005.
[0009] [4]F. Alter, S. Durand, and J. Froment, "Adapted total variation for ar-tifact free decompression of JPEG images,，，J. Math. Imaging Vis.，vol. 23, no. 2， pp. 199 - 211,2005.
[0010] [5]Zhiwei Xiong, Xiaoyan Sun, and Feng Wu, "Block-Based Image Compression With Parameter-Assistant Inpainting，，，IEEE Trans. Image Process.，vol. 19, no. 6， pp. 1651 - 1657, 2010.
[0011] [6] Irena Galic, Joachim Weickert, Martin Welk, Andres Bruhn, Alexander Belyaev,and Hans-Peter Seidel, "Image Compression with Anisotropic Diffusion, " J. Ma化? Imaging Vis.，vol. 31，pp. 255 - 269, 2008.
[0012] [7]Dong Liu, Xiaoyan Sun, Feng Wu, Shipeng Li, and Yaqin Zhang, "Image compression with edge-based inpainting，，，IEEE Trans. Circuits, Syst. Video Techno I. , vol. 17, no. 10, pp. 1273 - 1287, 2007.
[0013] [8]Markus Mainberger, Andres Bruhna, Joachim Weickerta, and S0r'ert Forchhammer, "Edge-based compression of cartoon-like images with homogeneous diffusion, "Pattern 民ecognition.，vol. 44, no. 9, pp. 1859 - 1873, 2011.
[0014] [9]Mark Finch, John Snyder, and Hugues Hoppe, "Freeform vector graphics with controlled thin-plate splines, "ACM Trans. Graph.，vol. 30, no. 6, p. Article No. 166, 2011.
[0015] [10] Peter Ilbery, Luke Kendal 1，Cyri I Concolato, and Michael McCosker, "Biharmonic diffusion curve images from boundary elements, "ACM Trans. Graph.，vol. 32, no. 6, p. Article No. 219, 2013.

【發(fā)明內(nèi)容】

[0016] 本發(fā)明的目的在于針對(duì)現(xiàn)有基于偏微分方程的第二代圖像壓縮算法存在的色彩 表現(xiàn)能力有限，解碼時(shí)間冗長(zhǎng)等問(wèn)題而導(dǎo)致的實(shí)用性比較化等問(wèn)題，提供算法明確、效果顯 著，實(shí)時(shí)性強(qiáng)、結(jié)果魯棒，在產(chǎn)業(yè)化后可^極大提高手機(jī)動(dòng)漫產(chǎn)業(yè)單位流量的業(yè)務(wù)價(jià)值，改 善用戶體驗(yàn)，促進(jìn)產(chǎn)業(yè)蓬勃發(fā)展的一種基于顯式纔合調(diào)和擴(kuò)散的卡通圖像壓縮方法。
[0017] 本發(fā)明包括W下步驟：
[0018] 1)特征線條提?。簩?duì)輸入圖像計(jì)算其控普控斯圖像和雙控普控斯圖像，再分別對(duì) 它們應(yīng)用非極大值抑制方法識(shí)別特征像素并將它們連接成特征線條；
[0019] 2)特征線條歸類：對(duì)控普控斯圖像上抽取出來(lái)的每條特征線條引入一個(gè)控普控 斯計(jì)數(shù)，對(duì)特征線條進(jìn)行采樣，在每個(gè)采樣點(diǎn)沿曲線法向向兩邊步進(jìn)至局部控普控斯極小 值點(diǎn)，若距離小于給定閥值則給該曲線的控普控斯計(jì)數(shù)增加1，當(dāng)控普控斯計(jì)數(shù)值大于采樣 點(diǎn)數(shù)的一半時(shí)，則判定該線條為控普控斯線條，其余線條為雙控普控斯線條；
[0020] 3)特征線條位置編碼：將所有特征線條像素構(gòu)成的圖像視為一張二值圖像，并采 用JBIG標(biāo)準(zhǔn)進(jìn)行編碼；
[0021] 4)圖像顏色編碼：將圖像其余部分的顏色表示為調(diào)和擴(kuò)散的結(jié)果，并用格林函數(shù) 進(jìn)行逼近，最終通過(guò)求解一個(gè)線性系統(tǒng)得到對(duì)調(diào)和擴(kuò)散的最優(yōu)格林逼近，并將求解得到的 每條特征線條的格林參數(shù)存儲(chǔ)；
[0022] 5)特征線條位置解碼：對(duì)JBIG編碼的線條信息進(jìn)行解碼，恢復(fù)為二值圖像后加載 到解碼圖像上；
[0023] 6)圖像顏色解碼：將編碼過(guò)程中得到的調(diào)和擴(kuò)散的格林逼近在圖像域上進(jìn)行積 分得到每個(gè)像素的顏色值。
[0024] 在步驟1)中，所述特征線條提取是在拉普拉斯域和雙拉普拉斯域同時(shí)提取特征 線條，對(duì)輸入圖像U計(jì)算拉普拉斯圖像A U和雙拉普拉斯圖像A 2u，然后從它們分別應(yīng)用非 極大值抑制算法進(jìn)行特征像素的識(shí)別，最后把特征像素連接起來(lái)構(gòu)成特征線條，再與常用 的Cannny算法和Steger算法相比。
[0025] 在步驟2)中，所述特征線條歸類可采用一種投票的方法來(lái)確定特征線條是拉普 拉斯曲線還是雙拉普拉斯曲線，對(duì)于拉普拉斯圖像取出的每條特征曲線上的每個(gè)點(diǎn)，沿著 曲線左側(cè)法向方向n步進(jìn)直到拉普拉斯絕對(duì)值最小的點(diǎn)；若該步進(jìn)距離小于給定的歸類閥 值，將曲線的拉普拉斯計(jì)數(shù)加1，否則將雙拉普拉斯計(jì)數(shù)加1，在曲線右側(cè)重復(fù)該過(guò)程；最后 當(dāng)且僅當(dāng)拉普拉斯計(jì)數(shù)和雙拉普拉斯計(jì)數(shù)的比值大于0. 5時(shí)，將該曲線歸類為拉普拉斯曲 線；剔除雙拉普拉斯圖像抽取的曲線中與識(shí)別出的拉普拉斯曲線重合的曲線，將剩下的曲 線歸類為雙拉普拉斯曲線；所述其余線條包括雙拉普拉斯圖像上的特征線條。
[0026] 在步驟4)中，所述圖像顏色編碼，可用雙拉普拉斯過(guò)程來(lái)編碼圖像非特征區(qū)域的 顏色分布。
[0027] 在步驟5)中，所述特征線條位置解碼在對(duì)圖像進(jìn)行重構(gòu)時(shí)，對(duì)步驟4)得到的格林 逼近的調(diào)和函數(shù)U (X)在圖像的方形域R = Ix G (X。，Xi)，y G (y。，yj }上進(jìn)行積分，該積分 可W進(jìn)一步標(biāo)識(shí)表示為格林函數(shù)核在R上的積分：
[0030] 本發(fā)明針對(duì)現(xiàn)有基于偏微分方程的第二代圖像壓縮算法存在的色彩表現(xiàn)能力有 限，解碼時(shí)間冗長(zhǎng)等問(wèn)題而導(dǎo)致的實(shí)用性比較低等問(wèn)題，提出了一種基于顯式混合調(diào)和擴(kuò) 散的卡通圖像壓縮方法，通過(guò)同時(shí)采用調(diào)和及雙調(diào)和擴(kuò)散能夠更好的編碼圖像中存在的豐 富顏色變化，避免了在解碼時(shí)求解龐大線性系統(tǒng)，從而實(shí)現(xiàn)實(shí)時(shí)解碼。通過(guò)采用格林函數(shù)對(duì) 雙調(diào)和過(guò)程進(jìn)行顯式逼近，大幅提高了解碼速度。本發(fā)明算法明確、效果顯著，實(shí)時(shí)性強(qiáng)、結(jié) 果魯棒，該方法在產(chǎn)業(yè)化后可W極大的提高手機(jī)動(dòng)漫產(chǎn)業(yè)單位流量的業(yè)務(wù)價(jià)值，改善用戶 體驗(yàn)，促進(jìn)產(chǎn)業(yè)的蓬勃發(fā)展。
【附圖說(shuō)明】
[0031] 圖1為本發(fā)明的整體方案流程圖；
[0032] 圖2為圖I中特征線條提取過(guò)程圖；
[0033] 圖3為壓縮文件格式圖。
【具體實(shí)施方式】