一种压缩数字图像的方法技术

一种减小原始矩阵的熵的方法，其特征在于该方法包括：使用把所述原始矩阵变换为变换矩阵的小波变换的步骤；量化系数对应于每个小波级数；计算所述小波变换是通过使用在小数点后的至少等于1例如3个数字的第一数字数量以定点进行的。这样的方法用于图像压缩特别有利。

【技术实现步骤摘要】
【国外来华专利技术】小波变换矩阵的自适应精度和量化
本专利技术涉及一种矩阵编码领域：尤其用于媒体的编码，尤其是以数字文件形式的图像或视频媒体。本专利技术更具体地涉及用于减少这些文件的熵的方法，熵比如由香农公式定义的那样，这将在后面限定。
技术介绍
香农熵定义信号中存在的信息“量”，因此给出用于借助二进制编码技术对该信号进行编码所需的比特量的精确指示，二进制编码技术比如算术编码或霍夫曼编码。值越多重复并且规则分布在信号中，该信号的熵越小。一般的熵计算公式如下：其中Pi表示每个符号的出现概率。由此可得减小数字文件的权重(比特数量)的方式是减小它的熵。小波变换被用于减小数字文件的权重。这尤其是数字图像的某些压缩格式(比如jpeg2000)的情况。矩阵的小波变换包括把该矩阵分成所谓的近似矩阵或L矩阵，和所谓的细节矩阵或H矩阵。这些中的每个矩阵都包含原始矩阵的值的大约一半。L近似矩阵对应于原始矩阵的“缩减图像”，H细节矩阵对应于被移除以减小矩阵尺寸的细节。在二维小波变换中，可以使用水平或竖直的小波变换。通常，变换是在一个方向(如竖直)执行以便获得L型近似矩阵和H型细节矩阵，然后在反方向(例如水平)对于L和H型的矩阵中的每一个执行。对于L型近似矩阵应用该第二变换产生LL型的近似矩阵和LH型的细节矩阵。对于H型细节矩阵应用该第二变换产生HL型和HH型的两个细节矩阵。下文中小波级数是指在两个方向上用于获得LL近似矩阵和三个细节矩阵HL、LH、HH的相继应用的变换，如上所述。当使用小波用于二维图像压缩时，在每一级结束，LH、HL和HH类型的细节矩阵通常被量化以减小它们的熵，而新的小波级数可以应用于LL类型矩阵。因此可以应用对于相继LL类型的近似矩阵所需的级数相同的级数。Jpeg2000还使用死区标量量化。某些小波变换是无损的；然而，对于每个小波级数应用量化导致舍入误差，这在进行相继的级时累积：首先是压缩，然后是再现压缩的数字文件。该舍入问题仅在与该级相关联的LH、HL、HH型细节矩阵被量化时出现。
技术实现思路
本专利技术的目的因此是提出用于在使用小波变换过程中在压缩数字文件时减小舍入误差的方法。在本文中，为了简化，除非相反表明，数字值是十进制书写的，尽管运算可能针对二进制值进行。当值被写作二进制时，其会被清楚表示；因此，二进制的1000将标为(1000)2。根据本专利技术的减小原始矩阵的熵的方法的特征在于：-该方法包括使用把所述原始矩阵变换为变换矩阵的小波变换的步骤；-量化系数对应于每个小波级数的每个细节矩阵；-计算所述小波变换是通过使用在小数点后的至少等于1的第一数字数量以定点至少针对以下每个小波级数进行的：对于该小波级数而言，细节矩阵的量化系数中的至少一个量化系数严格大于1。优选地，小波级数的每个细节子矩阵的量化系数小于或等于前一级数的等效细节矩阵的系数。优选地，所用的量化器是均匀标量量化器，也就是说，对于每个细节矩阵都是唯一的，而无论被除以的值如何。在以定点数处理小波级数结束时，细节子矩阵的值可以根据其各个量化系数被量化，然后被变换为整数，也就是说，放弃用于定点计算的数字。在以定点数处理小波级数结束时，在新的小波级数被施加到近似矩阵的情况下，如果下一小波级数的细节矩阵中的每个细节矩阵的量化系数中的每个量化系数等于1，则所述近似矩阵的值可以被变换为整数，而在相反的情况下被保持为定点数。在最后一级数结束时，LL类型的最后近似矩阵被转换为整数，如果最后一级数被以定点处理的话。如果第一级数的每个细节矩阵的量化系数中的至少一个量化系数大于1，则原始矩阵的所有值有利地在计算所述小波变换的第一级数之前被变换为定点数。如果被处理的原始矩阵来自以大于第一数量数字的精度到定点数的比色变换，定点数优选地是通过减小用于获得所述第一数量的数字数量获得的。为了从变换矩阵计算恢复矩阵，该方法优选地包括对变换矩阵的逆小波变换，所述逆小波变换的计算是通过使用在小数点后至少等于1的第二数字数量以定点数至少针对以下每个小波级数进行的：对于该小波级数而言，每个细节矩阵的量化系数中的至少一个量化系数严格大于1。在以定点数处理小波级数的逆变换的过程中，在逆小波变换之前，细节矩阵的值可被转换为定点数并且反量化。类似地，如果该级数的近似矩阵是整数形式，则其在执行逆小波变换之前被转换为定点，这给出在下一级数使用的恢复近似矩阵。恢复矩阵有利地是通过对所有可获得的级数执行逆小波变换、反量化以及在整数和定点之间的转换来获得的。中间恢复矩阵可有利地通过对比总可获得的级数数量小的级数数量执行逆小波变换、反量化以及在整数和定点之间的转换获得。如果与所执行的最后逆小波变换对应的小波级数被以定点数处理，则所获得的中间恢复矩阵的数量优选地是定点数，其精度包括与小数点后的第二数字数量相等的数字数量。为了对中间恢复矩阵进行后续处理，所述恢复矩阵的每个值可被变换成整数。如果不是所有压缩数据都是可获得的，则在与可获得所有数据的级数对应的级数数量的情况下使用中间恢复矩阵。类似地，对于需要比恢复矩阵的分辨率低的分辨率的应用，可在允许达到至少所述低分辨率的最小级数数量的情况下使用中间恢复矩阵。如果第一小波级数被以定点数处理，则所获得的恢复矩阵的数量可以是定点数，其精度包括与小数点后的第二数字数量相等的数字数量。为了对如此恢复的矩阵进行后续处理，所述恢复矩阵的每个值可被变换成整数。逆小波变换后面可跟随有以定点数的逆比色变换，其中定点数具有的数字数量大于用于逆小波变换的数字数量。为了实现定点计算，可使矩阵的每个值向左偏移数字D。有利地，可使矩阵的每个值乘以二进制的10的D次方，也就是乘以(10D)2。当完成定点计算时，优选地，使矩阵的每个值向右偏移数字数量D，或使矩阵的每个值乘以二进制的10的-D次方，也就是乘以(10-D)2。为了基于变换矩阵把原始矩阵恢复为恢复矩阵，逆小波变换的计算优选地通过使用小数点后至少等于1的第二数字数量以定点至少针对以下每个小波级数进行：对于该小波级数而言，具有含有大于1的量化系数的至少一个细节矩阵。第一数字数量和第二数字数量是相同的。原始矩阵可至少部分地表示图像，例如表示图像的Y、Cb和Cr分量之一。优选地，在小波变换计算之前预先保留来自YCbCr变换的D个第一数字。有利地，YCbCr变换可以使用大于D个数字的精度执行。在此情况下，数据的精度被减小以便减小到D个数字。小波变换可以是使用提升方法的Cohen-Daubechies-Feauveau(CDF)5/3变换。附图说明参照附图，下面描述仅以示例方式而非限制提供的本专利技术的几个实施方式，在附图中：－图1示出原始黑白图像的示例，其形成分布在每行八个像素的八行中的六十四个像素的矩阵；－图2A示出表示图1的图像的矩阵，其中每个单元包含用于像素亮度的字面值，由矩阵中的单元的位置指示；－图2B示出相同的原始矩阵X，其中每个单元包含原始数字值，包括在0和255之间，表示原始图像的对应像素的亮度；－图2B、3B、4B、5B、6B；7B、8B、9B、10B、11B、12B、13B和14B示出现有技术的方法，并且图2C、3C、4C、5C、6C；7C、8C、9C、10C、11C、12C、13C、14C和15C示出根据本专利技术的方法；－图3A和3B分别示出在计算第本文档来自技高网...

【技术保护点】
一种减小原始矩阵(X)的熵的方法，其特征在于：‑该方法包括使用把所述原始矩阵变换为变换矩阵(T)的小波变换的步骤；‑对于每个细节矩阵，量化系数对应于每个小波级数；‑计算所述小波变换是通过使用在小数点后的至少等于1的第一数字数量(D)(D≥1)以定点至少针对以下每个小波级数进行的：对于该小波级数而言，与每个细节矩阵对应的量化系数中的至少一个量化系数严格大于1。

【技术特征摘要】
【国外来华专利技术】1.一种减小原始矩阵(X)的熵的方法，其特征在于：-该方法包括使用把所述原始矩阵变换为变换矩阵(T)的小波变换的步骤；-对于每个细节矩阵，量化系数对应于每个小波级数；-计算所述小波变换是通过使用在小数点后的至少等于1的第一数字数量(D)(D≥1)以定点至少针对以下每个小波级数进行的：对于该小波级数而言，与每个细节矩阵对应的量化系数中的至少一个量化系数严格大于1。2.按照权利要求1所述的方法，其特征在于，小波级数中的每个小波级数的细节矩阵的量化系数中的每个量化系数小于或等于前一级数的等效矩阵的系数，但是总大于或等于1。3.按照权利要求1或2所述的方法，其特征在于，在以定点数处理小波级数结束时，细节矩阵的值根据与所述细节矩阵相关联的所述量化系数被量化，然后被变换为整数，也就是说，放弃用于定点计算的(D)数字。4.按照权利要求3所述的方法，其特征在于，所用的量化器是均匀标量量化器，也就是说，对于每个矩阵都是唯一的，而无论被量化的值如何。5.按照权利要求1至4之一所述的方法，其特征在于，在以定点数处理小波级数结束时，如果所述下一级数的细节矩阵中的每个细节矩阵的量化系数中的每个量化系数等于1，则近似矩阵的值被变换为整数，而在相反的情况下被保持为定点数。6.按照权利要求1至5之一所述的方法，其特征在于，如果第一级数的细节矩阵的量化系数中的至少一个量化系数大于1，则原始矩阵(X)的所有值在计算所述小波变换的所述第一级数之前被变换为定点数。7.按照权利要求6所述的方法，其特征在于，当被处理的矩阵来自以大于第一数量数字(D)的精度到定点数的比色变换时，定点数是通过减小用于获得所述第一数量的数字的数量获得的。8.按照权利要求1至7之一所述的方法，其特征在于，为了从变换矩阵(T)计算恢复矩阵(XR)，或者中间的恢复矩阵，该方法包括对所述变换矩阵(T)的逆小波变换，所述逆小波变换的计算是通过使用在小数点后至少等于1的第二数字数量以定点数至少针对以下每个小波级数进行的：对于该小波级数而言，每个细节矩阵的量化系数中的至少一个量化系数严格大于1。9.按照权利要求8所述的方法，其特征在于，在以定点数处理小波级数的逆变换的过程中，被应用逆变换的矩阵的值被转换为定点数，如果所述矩阵的值初始为整数的话。10.按照权利要求8和9之一所述的方法，其特征在于，在以定点数处理小波级数的逆变换的过程中，在逆小波变换之前，细节矩阵的值被转换为定点数并且反量化。11.按照权利要求8至10之一所述的方法，其特征在于，恢复矩阵(XR)是通过对所有可获得的级数执行逆小波变换、反量化以及在整数和定点之间的转换来获得的。12.按...

【专利技术属性】
技术研发人员：T·ME·热尔韦，B·卢贝，N·贝苏，Y·圭米奥特，M·派提特福勒斯，S·罗克，
申请(专利权)人：简·克劳德·科林，
类型：发明
国别省市：法国,FR