【摘要】隨著網(wǎng)絡(luò)通信技術(shù)以及個(gè)人計(jì)算機(jī)和其它數(shù)字設(shè)備的快速發(fā)展，實(shí)時(shí)計(jì)算機(jī)桌面圖像傳輸技術(shù)的應(yīng)用日益廣泛?；趬K分類的計(jì)算機(jī)桌面圖像壓縮算法可以有效實(shí)現(xiàn)計(jì)算機(jī)桌面圖像的壓縮存儲(chǔ)，顯著提高計(jì)算機(jī)桌面圖像傳輸時(shí)的速度和質(zhì)量。本文從計(jì)算機(jī)桌面圖像壓縮算法的相關(guān)概念談起，然后對(duì)計(jì)算機(jī)桌面圖像塊分類的編碼方法進(jìn)行分析和說明，對(duì)塊分類的計(jì)算機(jī)桌面圖像壓縮算法進(jìn)行了詳細(xì)剖析。
　　【關(guān)鍵詞】塊分類；計(jì)算機(jī)桌面；圖像；壓縮算法
　　中圖分類號(hào): TP391.41文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-3791(2011)03(a)-0000-00
　　為了能有效實(shí)現(xiàn)計(jì)算機(jī)桌面圖像高質(zhì)量的實(shí)時(shí)傳輸，在借鑒現(xiàn)有的計(jì)算機(jī)桌面圖像壓縮算法原理的基礎(chǔ)上，本文分析了一種基于塊分類的計(jì)算機(jī)桌面圖像壓縮新算法，該算法根據(jù)計(jì)算機(jī)桌面圖像的不同屬性，將塊劃分為文本/圖形塊、混合塊、圖像塊三種不同類型，并通過有效的編碼來(lái)實(shí)現(xiàn)計(jì)算機(jī)桌面圖像壓縮。
　　一、計(jì)算機(jī)桌面圖像壓縮算法概述
　　（一）認(rèn)識(shí)計(jì)算機(jī)桌面圖像
　　計(jì)算機(jī)桌面圖像是包含有文本、圖形和圖像信息的資源，常常與掃描文檔圖像一起被統(tǒng)稱為混合圖像。以下將從計(jì)算機(jī)桌面圖像的基本屬性和分類方法兩個(gè)方面來(lái)對(duì)計(jì)算機(jī)桌面圖像進(jìn)行說明。
　　1、計(jì)算機(jī)桌面圖像的基本屬性
　　第一、像素。在對(duì)計(jì)算機(jī)桌面圖像進(jìn)行掃描時(shí)被讀取的小塊圖像稱為圖像元素，簡(jiǎn)稱像素。
　　第二、空間分辨率。是對(duì)計(jì)算機(jī)桌面圖像進(jìn)行辨別的最小細(xì)節(jié)。
　　第三、灰度級(jí)分辨率。指單位幅度上所包含的亮度變化級(jí)數(shù)，是灰度級(jí)別中對(duì)計(jì)算機(jī)桌面圖像進(jìn)行辨別的最小變化。
　　第四、灰度直方圖。它作為灰度級(jí)的函數(shù)，可以對(duì)計(jì)算機(jī)桌面圖像中所具有相應(yīng)灰度級(jí)像素的個(gè)數(shù)進(jìn)行精確描述，即用它可以對(duì)一幅計(jì)算機(jī)桌面圖像的概貌做大致描述。
　　第五、紋理特征。計(jì)算機(jī)桌面圖像的紋理特征是對(duì)像素灰度值空間分布情況的反映。
　　2、計(jì)算機(jī)桌面圖像的分類方法
　　計(jì)算機(jī)桌面圖像的分類方法主要包括基于圖像空間和基于特征空間兩種，以下將分別給予說明。
　　第一、基于圖像空間的分類方法。這是一種利用圖像的灰度、紋理、顏色、形狀、位置、底層特征等各種屬性來(lái)對(duì)計(jì)算機(jī)桌面圖像進(jìn)行分類的方法。
　　第二、基于特征空間的分類方法。這是一種與特征提取的方法和效果有很大關(guān)系的分類方法，基于特征空間的分類方法可以有效降低圖像數(shù)據(jù)的維數(shù)以及圖像數(shù)據(jù)計(jì)算的復(fù)雜性。
　?。ǘ┈F(xiàn)有的計(jì)算機(jī)桌面圖像壓縮算法說明
　　當(dāng)前現(xiàn)有的計(jì)算機(jī)桌面圖像壓縮算法都是基于塊實(shí)現(xiàn)的，其中常見的現(xiàn)有計(jì)算機(jī)桌面圖像壓縮算法主要有虛擬網(wǎng)絡(luò)計(jì)算算法、混合的桌面圖像壓縮算法以及基于精細(xì)分類思想的混合桌面圖像壓縮算法這三種不同的計(jì)算機(jī)桌面壓縮算法，以下將分別給予說明。
　　
　　1、虛擬網(wǎng)絡(luò)計(jì)算算法
　　虛擬網(wǎng)絡(luò)計(jì)算算法是一種基于子矩形分類的無(wú)損壓縮技術(shù)的算法，但是將該方法應(yīng)用于自然圖像的壓縮時(shí)，存在壓縮效率過低的問題。
　　2、混合的桌面圖像壓縮算法
　　混合的桌面圖像壓縮算法作為對(duì)虛擬網(wǎng)絡(luò)計(jì)算算法的改進(jìn)，該壓縮算法是將8×8的塊劃分為文本/圖形塊以及圖像塊兩類不同的塊。并分別采用JPEG-LS和動(dòng)態(tài)的JPEG壓縮算法進(jìn)行計(jì)算機(jī)桌面圖像的壓縮?；旌系淖烂鎴D像壓縮算法對(duì)于純文本或純圖像的文件均有較好的壓縮效果，但是對(duì)于文本和圖像混合文件的壓縮效果不是十分理想。
　　3、基于精細(xì)分類思想的混合桌面圖像壓縮算法
　　作為對(duì)混合的桌面圖像壓縮算法的改進(jìn)，由Lin等人提出了一種基于精細(xì)分類思想的混合桌面圖像壓縮算法。這一算法在圖像塊中有效實(shí)現(xiàn)了文本/圖形元素的提取和分類編碼，從而極大地提高了計(jì)算機(jī)桌面圖像的編碼質(zhì)量。但該算法具有編碼速度較慢的特點(diǎn)，而且一次性處理的幀數(shù)也比較少。
　?。ㄈ┯?jì)算機(jī)桌面圖像壓縮算法的流程
　　計(jì)算機(jī)桌面圖像壓縮算法首先配合JPEG有損編碼，將桌面圖像劃分成16×16個(gè)大小不重疊的塊，然后根據(jù)每個(gè)塊的不同屬性特征，將這些不重疊的塊劃分成文本/圖形塊、圖像塊和混合塊三類不同的塊，最后對(duì)以上三種不同類型15b848453353cc830f0c32e1c45852a6的塊，分別對(duì)文本/圖形塊采用無(wú)損壓縮編碼方法，對(duì)圖像塊采用JPEG壓縮編碼，對(duì)混合塊采用基于精細(xì)分類思想的混合壓縮算法進(jìn)行計(jì)算機(jī)桌面圖像的壓縮處理。
　　二、計(jì)算機(jī)桌面圖像塊分類的編碼方法
　　計(jì)算機(jī)桌面圖像塊的編碼方法大致可分為經(jīng)典的和現(xiàn)代的方法。經(jīng)典的方法遵循香農(nóng)信息理論，而現(xiàn)代的方法則突破了這一理論框架。以下將分別給予說明。
　　（一）經(jīng)典計(jì)算機(jī)桌面圖像塊的編碼方法
　　經(jīng)典的計(jì)算機(jī)桌面圖像塊的編碼方法是基于信息論的理論框架，對(duì)圖像進(jìn)行線性處理，產(chǎn)生信息保持或限失真的壓縮圖像。主要有三大類：預(yù)測(cè)法、變換法和統(tǒng)計(jì)法。
　　1、預(yù)測(cè)法
　　所謂預(yù)測(cè)編碼是利用信號(hào)間的相關(guān)性將每個(gè)像素用它前面的值做預(yù)測(cè)，并傳輸實(shí)際信號(hào)與預(yù)測(cè)信號(hào)差值。信號(hào)相關(guān)性越強(qiáng)，預(yù)測(cè)精度越高，實(shí)際信號(hào)與預(yù)測(cè)信號(hào)的差值就越小，對(duì)其編碼后的比特?cái)?shù)可相應(yīng)減少，這就是預(yù)測(cè)編碼實(shí)現(xiàn)壓縮的機(jī)理。
　　2、變換法
　　變換編碼是將圖像分割成若干子塊，通過對(duì)其正交變換把時(shí)間域信號(hào)變換到變換域上，使變換后各系數(shù)的統(tǒng)計(jì)分布比較集中，能量集中在低頻域中，并使變換域中各系數(shù)間的相關(guān)性大大降低，然后對(duì)其分配比特。對(duì)方差大的分配以較多的比特，反之分配以較少的比特，從而實(shí)現(xiàn)總比特率的壓縮。
　　3、統(tǒng)計(jì)法
　　這是信息保持型的一種圖像壓縮編碼方法。它利用數(shù)據(jù)出現(xiàn)的分布特性消除信息冗余，如Huffman編碼、Arithmetic編碼等。壓縮后的圖像不會(huì)失真，是一種熵編碼方法。
　?。ǘ┈F(xiàn)代計(jì)算機(jī)桌面圖像塊的編碼方法
　　經(jīng)過近幾十年的努力，人們形成了一系列完整、實(shí)用的現(xiàn)代計(jì)算機(jī)桌面圖像塊的編碼方法，從理論上突破了信息論的框架。在圖像質(zhì)量相當(dāng)?shù)那闆r下，現(xiàn)代編碼方法與經(jīng)典方法相比，壓縮比可以提高幾十倍或更高。現(xiàn)代編碼方法主要有分型法、模型法、神經(jīng)網(wǎng)絡(luò)法和基于小波變換的編碼法等。
　　1、分形法
　　波蘭出生的美國(guó)數(shù)學(xué)家B. B. Mandelbrot通過研究不規(guī)則形狀和過程的性質(zhì)，建立了自然界的分形幾何理論。1975年他根據(jù)拉丁文“fractus”造出了“fractal”，即“分形”一詞，用于描述自然界各種各樣景物的復(fù)雜形狀。分形用于圖像編碼比較有效的方法是1984年M. F. Barnsley提出的迭代函數(shù)系統(tǒng)IFS，它把一幅圖像分解為若干類景物的子圖像，對(duì)每類子圖像尋找出一個(gè)分形算法，簡(jiǎn)稱為IFS碼，使這組IFS碼所綜合的分形圖像在主觀上與原始子圖像非常相似。
　　2、模型法
　　模型法圖像編碼法不要求圖像信號(hào)一定具有自相似性，可以用更普遍、更基本的基元來(lái)建立模型?；谀Ｐ突蛑R(shí)的方法，是在編碼過程中，通過各種分析手段，提取所建模型的特征及狀態(tài)參數(shù)，作為壓縮輸出。在解碼時(shí)，依據(jù)這些特征或參數(shù)，通過模型及相關(guān)知識(shí)生成所建模型的信源。
　　3、神經(jīng)網(wǎng)絡(luò)法
　　神經(jīng)網(wǎng)絡(luò)法是模仿人腦處理問題的方法，通過各種人工神經(jīng)網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)進(jìn)行非線性壓縮。人工神經(jīng)網(wǎng)絡(luò)是一種非線性動(dòng)態(tài)網(wǎng)絡(luò)，工作過程一般分為訓(xùn)練和工作兩個(gè)階段。訓(xùn)練階段就是使用一些訓(xùn)練圖像和訓(xùn)練算法，調(diào)整網(wǎng)絡(luò)的權(quán)重，使重建圖像的誤差最小。目前直接用于圖像壓縮的神經(jīng)網(wǎng)絡(luò)主要是BP網(wǎng)絡(luò)。
　　4、基于小波變換的編碼
　　基于小波變換的編碼方法是用不同類型的一維或二維線性數(shù)字濾波器，對(duì)圖像進(jìn)行整體分解，然后根據(jù)人類視覺特性對(duì)不同頻段的數(shù)據(jù)進(jìn)行粗細(xì)不同的量化處理，因此能達(dá)到更好的壓縮效果。這類方法原理上仍屬于線性處理，屬于“波形”編碼，嚴(yán)格來(lái)說，可歸入經(jīng)典編碼方法一類。但是，小波分析是近十年來(lái)發(fā)展起來(lái)的信號(hào)分析方法，小波變換的優(yōu)點(diǎn)是它在時(shí)域和頻域都具有良好的局部特性，而且，對(duì)不同頻率成分的時(shí)域取樣步長(zhǎng)可調(diào)，高頻部分對(duì)應(yīng)小的取樣步長(zhǎng)，低頻部分對(duì)應(yīng)大步長(zhǎng)，這是一種使用多尺度描述信號(hào)的分析方法。這一特性對(duì)于圖像編碼處理特別有意義，就像我們從不同距離觀察圖像，遠(yuǎn)處看到的是較大的紋理，近處看其細(xì)節(jié)，這也正符合了人的視覺信息處理過程。同時(shí)，小波級(jí)數(shù)可在不同分辨率下逼近某一函數(shù)，實(shí)現(xiàn)多分辨率分解，這些基于小波變換的編碼方法的優(yōu)點(diǎn)使基于小波變換的圖像編碼方法在壓縮性能上取得了突破性進(jìn)展。
　　三、塊分類的計(jì)算機(jī)桌面圖像壓縮算法應(yīng)用分析
　　將一幅計(jì)算機(jī)桌面圖像分成大小相同的若干子圖像塊，然后分別根據(jù)各子圖像塊具有的圖像特征，采用合適的壓縮算法進(jìn)行壓縮處理。其中基于圖像分塊特征分類的計(jì)算機(jī)桌面圖像壓縮算法的處理流程如圖1所示。
　　將該測(cè)試圖像分割為4幅子圖像，然后對(duì)4幅子圖像依次使用JPEG2000壓縮算法、JPEG壓縮算法和基于圖像分塊特征分類的計(jì)算機(jī)桌面圖像壓縮算法進(jìn)行壓縮處理。
　　基于圖像分塊特征分類的計(jì)算機(jī)桌面圖像壓縮算法與傳統(tǒng)的壓縮算法相比，具有較高的圖像峰值信噪比，也就是說基于圖像分塊特征分類的計(jì)算機(jī)桌面圖像壓縮算法使計(jì)算機(jī)桌面圖像的壓縮性能得到了顯著的提高。
　　結(jié)語(yǔ)
　　大量的實(shí)驗(yàn)數(shù)據(jù)表明，基于圖像分塊特征分類的計(jì)算機(jī)桌面圖像壓縮算法具有很好的圖像壓縮效果，和傳統(tǒng)的計(jì)算機(jī)桌面圖像壓縮算法相比，該方法有效地提高了計(jì)算機(jī)桌面圖像的壓縮性能，對(duì)于實(shí)現(xiàn)計(jì)算機(jī)桌面圖像的高質(zhì)量壓縮存儲(chǔ)和傳輸發(fā)揮了非常重要的作用。
　　參考文獻(xiàn)：
　　[l]吳倩，杜歆，顧偉康．基于塊分類的計(jì)算機(jī)桌面圖像壓縮算法[J]．浙江大學(xué)學(xué)報(bào)（工學(xué)版），2010，（5）.
　　[2]馬銳．基于分類的圖像壓縮算法研究[D]．西安：西安科技大學(xué)，2009.
　　[3]陳自力，史進(jìn)波．基于塊分類的快速分形圖像壓縮[J]．軍械工程學(xué)院學(xué)報(bào)，2005，（12）.