一种面向高速收费图片集的无损压缩方法
技术领域
本发明涉及图像处理领域，特别是一种面向高速收费图片集的无损压缩方法。
背景技术
普遍采用RGB 3个字节表示一个像素点的方式无损保存位图；对于相同值很多的图片矩阵，采用行程编码减少冗余做无损压缩是主流技术。
采用位图格式分别存储高速收费图片，将导致大量相同的信息被重复存储，对存储资源是巨大消耗。
对于高速收费图片，大量无损位图消耗很多存储，不同图片之间的内容和信息存在高度相似之处，在物理存储中构成了重复存储。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，而提供一种面向高速收费图片集的无损压缩方法，该面向高速收费图片集的无损压缩方法能够发现冗余、重复的信息，对图片集进行无损压缩，减少存储资源消耗。
为解决上述技术问题，本发明采用的技术方案是：
一种面向高速收费图片集的无损压缩方法，包括如下步骤。
步骤1、建立原始图片集：在每个收费车道的设定时间段内，共有N辆汽车通过，对每辆汽车拍摄一张原始图片，则同一摄像头将拍摄得到N张原始图片，分别为IMG1,IMG2,…,IMGN。每张原始图片的分辨率均为W×L，原始图片均为RGB位图。对N张图片建立原始图片集IMG，则IMG＝{IMG1,IMG2,…,IMGN}。
步骤2、寻找基准图片，包括如下步骤：
步骤21、一次相似度计算：对原始图片集IMG中的任意两张原始图片进行相似度计算，得到两张原始图片间的相似度系数。
步骤22、构建相似度矩阵S：针对步骤21获得的所有相似度系数，构建N×N的相似度矩阵S。相似度矩阵S中每行的N列向量分别表示某张原始图片与N张原始图片的相似度系数。
步骤23、寻找基准图片：对相似度矩阵S中每行分别求取平均值，并选取平均值最大者所在行的原始图片为基准图片，并记为XBaseline。将原始图片集IMG中除基准图片外的N-1张图片重新编排，并建立新图片集X，则X＝{X1,X2,…,XN-1}。
步骤3、图片分块：采用方形窗口，将步骤23形成的XBaseline和新图片集X中的每张图片，均按照从上到下、从左到右的顺序，分为M块数据块并依次编号。XBaseline分块后的图片记为X′Baseline，新图片集X分块后的分块图片集，记为X′，则X′＝{X′1,X′2,…,X′N-1}。
步骤4、二次相似度计算：将分块图片集X′中每张图片的M块数据块，与X′Baseline中的M块数据块进行逐一对比，并计算X′中每张图片的每块数据块与X′Baseline中每块数据块的相似度系数sita。
步骤5，创建集中式存储数据块及数据索引矩阵，具体如下：
步骤5A、创建数据块CBaseline，用于存储X′Baseline的分块数据。
步骤5B、创建数据块COrig，用于存储X′i的原始分块数据。
步骤5C、创建数据块CΔ，用于存储X′与X′Baseline的差值块数据。
步骤5D、创建(N-1)×M维的索引矩阵STYPE(stij)，用于存储X′中每个块的存储方式。
步骤5E、创建(N-1)×M维的索引矩阵IDX(ixij)，用于存储X′中每个块的存储位置。
步骤6，去冗余存储：根据步骤4计算的相似度系数sita，对分块图片集X′中的第i张图片的第j块数据块，按照如下方式进行存储。其中，1≤i≤N-1。1≤j≤M。
步骤61、当sita＝100％时，则第i张图片中第j块数据块不进行存储。索引矩阵STYPE(stij)中的存储方式值stij记为0，索引矩阵IDX(ixij)中的存储位置值ixij记为自身数据块的对应序号j。
步骤62、当sita≤gamma时，将第i张图片中第j块数据块的原始数据存储在步骤5创建的数据块COrig中。其中，gamma为设定的相似度系数阈值，gamma>50％。索引矩阵STYPE(stij)中的存储方式值stij记为-1，索引矩阵IDX(ixij)中的存储位置值ixij等于数据块COrig中对应的顺序块序号。
步骤63、当gamma＜sita＜100％时，先将第i张图片中第j块数据块的像素点与X′Baseline中第j块数据块的像素点逐一相减，形成第j块像素差值块。然后，将第j块像素差值块存储在步骤5创建的数据块CΔ中。索引矩阵STYPE(stij)中的存储方式值stij记为1，索引矩阵IDX(ixij)中的存储位置值ixij记为CΔ数据块对应的顺序块序号。
步骤7，数据块CΔ无损压缩：当分块图片集X′中N-1张图片均按照步骤6的方法去冗余存储完成后，采用游程编码对数据块CΔ进行无损压缩，压缩后记为CΔ-code。
步骤21中、一次相似度计算时，两张原始图片间的相似度系数的计算公式如下：
其中，sij表示IMGi和IMGj的相似度系数。IMGi和IMGj为原始图片集IMG中的任意两张原始图片。IMGi-IMGj表示i,j两幅原始图片对应的像素点一一相减，形成像素点差值。count[(IMGi-IMGj)＝＝0]表示像素点差值为0的数量。W×L表示原始图片集IMG中每张原始图片的分辨率。
步骤22中，构建的相似度矩阵S，表示如下：
S＝{sij}i,j∈(1，2，…，N)。
步骤23中，对相似度矩阵S中每行分别求取平均值的计算公式为：
其中，mean_Si表示相似度矩阵S中第i行除sii外的平均值。
相似度矩阵S中行平均值最大者所在行i的计算公式为：
iBaseline＝arg(Maxi(mean_S)),i∈(1,2,…,N)
其中，iBaseline表示基准图片所对应的图片序号。
步骤4中，相似度系数sita的计算公式为：
其中，
步骤62中，设定的相似度系数阈值gamma＝70％～75％。
还包括步骤8，图片Xi解压，具体解压方法，包括如下步骤：
步骤81，CΔ-code解压：从压缩后数据块CΔ-c；de解压，得到数据块CΔ。
步骤82，读取索引信息：读取索引矩阵STYPE(stij)和索引矩阵IDX(ixij)中第i行的存储方式信息和存储位置信息。
步骤83，提取分块数据：依次提取数据块CBaseline、COrig、CΔ对应的分块数据。
步骤84，CΔ中差值块数据还原：对于步骤83获取的CΔ中的差值块
步骤85，X′i还原：根据读取的索引信息，将数据块COrig和原始分块数据BLKi还原为X′i，将数据块CBaseline还原为X′Baseline。
步骤86，结合X′i和X′Baseline，还原原始图片Xi。
本发明具有如下有益效果：通过两次相似度计算和图片分块，对冗余数据进行压缩存储。根据同一收费车道摄像设备固定、图片背景高度相似的特点，将同一收费车道某一时间段内的收费位图构建集合，做第一次相似度计算，主要为计算图片间两两相似度，寻找与其他图片相似度平均最大的基准图片，然后将基准图片在内的所有图片进行分块，通过各图片分块数据与基准图片分块的对比，对图片分块做二次相似度计算，对完全相同的块不做重复存储，对高度相似的块集中做差值无损压缩存储。本发明能实现图片的无损压缩，同时兼顾存储的节约性和经济性。
附图说明
图1显示了本发明一种面向高速收费图片集的无损压缩方法的流程图。
具体实施方式
下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
本发明的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本发明的保护范围。
如图1所示，一种面向高速收费图片集的无损压缩方法，包括如下步骤。
步骤1、建立原始图片集：在每个收费车道的设定时间段(可以是15分钟、30分钟、1个小时等)内，共有N辆汽车通过，对每辆汽车拍摄一张原始图片，则同一摄像头将拍摄得到N张原始图片，分别为IMG1,IMG2,…,IMGN。每张原始图片的分辨率均为W×L，原始图片均以RGB位图无损存储，在存储媒介中24位表示1个像素值。
对N张图片建立原始图片集IMG，则IMG＝{IMG1,IMG2,…,IMGN}。
步骤2、寻找基准图片，包括如下步骤：
步骤21、一次相似度计算：对原始图片集IMG中的任意两张原始图片进行相似度计算，得到两张原始图片间的相似度系数。
一次相似度计算时，两张原始图片间的相似度系数的计算公式优选表示如下：
其中，sij表示IMGi和IMGj的相似度系数。IMGi和IMGj为原始图片集IMG中的任意两张原始图片。IMGi-IMGj表示i,j两幅原始图片对应的像素点一一相减，形成像素点差值。count[(IMGi-IMGj)＝＝0]表示像素点差值为0的数量。W×L表示原始图片集IMG中每张原始图片的分辨率。
步骤22、构建相似度矩阵S：针对步骤21获得的所有相似度系数，构建N×N的相似度矩阵S。相似度矩阵S中每行的N列向量分别表示某张原始图片与N张原始图片的相似度系数。
上述构建的相似度矩阵S，优选表示如下：
S＝{sij}i,j∈(1，2，…，N)。
其中，相似度矩阵S中第一行表示第一张原始图片与N张原始图片的相似度系数，分别为s11、s12、s13、……、s1N；其中，s11＝1，依次类推。
步骤23、寻找基准图片。
对相似度矩阵S中每行分别求取平均值，并选取平均值最大者所在行的原始图片为基准图片，并记为XBaseline。
上述对相似度矩阵S中每行分别求取平均值的计算公式优选为：
其中，mean_Si表示相似度矩阵S中第i行除sii外的平均值；如在第一行中，计算除s11外，其余s12、s13、……、s1N的平均值。
相似度矩阵S中行平均值最大者所在行i的计算公式为：
iBaseline＝arg(Maxi(mean_S)),i∈(1,2,…,N)
其中，iBaseline表示基准图片所对应的图片序号。
然后，将原始图片集IMG中除基准图片外的N-1张图片重新编排，并建立新图片集X，则X＝{X1,X2,…,XN-1}。
步骤3、图片分块。
由于每张图片都是一个个像素点按照分辨率排列而成，因而用方形窗口对其进行分块。本发明采用无重叠分块，从上到下、从左到右依次分块，图片边缘不足分块窗大小的补0。通常采用T×R(R∈Z+)的方形窗,通常视图片的分辨率取(4×4,8×8,16×16)等组合。
根据此原则，假设XBaseline，X分块后的矩阵分别为X′Baseline，X′:{X′1,X′2,…,X′N-1}，每张图片均分为M块，并依次编号，依据从上到下、从左到右的顺序。
步骤4、二次相似度计算。
将分块图片集X′中每张图片的M块数据块，与X′Baseline中的M块数据块进行逐一对比，并计算X′中每张图片的每块数据块与X′Baseline中每块数据块的相似度系数sita。
上述相似度系数sita的计算公式优选为：
其中，
步骤5，创建集中式存储数据块及数据索引矩阵，具体如下：
步骤5A、创建数据块CBaseline，用于存储X′Baseline的分块数据。其中，用BLKBaseline(j)表示基准图片X′Baseline的第j块，其中j∈M。
步骤5B、创建数据块COrig，用于存储X′i的原始分块数据。
步骤5C、创建数据块CΔ，用于存储X′与X′Baseline的差值块数据。其中，
步骤5D、创建(N-1)×M维的索引矩阵STYPE(stij)，用于存储X′中每个块的存储方式。
步骤5E、创建(N-1)×M维的索引矩阵IDX(ixij)，用于存储X′中每个块的存储位置。
步骤6，去冗余存储：根据步骤4计算的相似度系数sita，对分块图片集X′中的第i张图片的第j块数据块，按照如下方式进行存储。其中，1≤i≤N-1。1≤j≤M。
步骤61、当sita＝100％时，则第i张图片中第j块数据块不进行存储。索引矩阵STYPE(stij)中的存储方式值stij记为0，索引矩阵IDX(ixij)中的存储位置值ixij记为自身数据块的对应序号j。
步骤62、当sita≤gamma时，将第i张图片中第j块数据块的原始数据存储在步骤5创建的数据块COrig中。其中，gamma为设定的相似度系数阈值，gamma的具体取值可根据样例数据集的分析结果选定，通常取值要在50％以上，优选为70％～75％。
索引矩阵STYPE(stij)中的存储方式值stij记为-1，索引矩阵IDX(ixij)中的存储位置值ixij等于数据块COrig中对应的顺序块序号。
步骤63、当gamma＜sita＜100％时，先将第i张图片中第j块数据块的像素点与X′Baseline中第j块数据块的像素点逐一相减，形成第j块像素差值块。然后，将第j块像素差值块存储在步骤5创建的数据块CΔ中。索引矩阵STYPE(stij)中的存储方式值stij记为1，索引矩阵IDX(ixij)中的存储位置值ixij记为CΔ数据块对应的顺序块序号。
重复上述步骤6，直至完成分块图片集X′中N-1张图片的去冗余存储完成，具体计算程序优选表示如下：
for i in(1,2,…,N-1):
Δ′i＝X′i-X′Baseline
for j in(1,2,…,M):
if sita＝100％：
stij＝0
ixij＝j
if sita>gamma&sita<100％:
stij＝1
ixij＝order1
order1＝order1+1
else:
stij＝-1
ixij＝order2
CΔ(order1)<＝BLKi(j)
ordEr2＝order2+1
其中，常数order1、ordEr2分别表示CΔ和COrig的块序号，初始值分别为0。
步骤7，数据块CΔ无损压缩。
CΔ是一个包含大量连续0取值元素的矩阵，当分块图片集X′中N-1张图片均按照步骤6的方法去冗余存储完成后，采用游程编码对数据块CΔ进行无损压缩，压缩后记为CΔ-code。
上述游程编码原理与过程如下：
假设有数据{00,00,00,00,00,00,00,5C,9A}共9BYTE的数据表示3个像素点差值，通过游程编码后可变为{07,00,01,5C,01,9A}共6BYTE的数据即完成像素点差值的表示，存储空间减少了30％以上，其中{07,00}表示7个00BYTE，{01,5C}表示1个5C BYTE，以此类推。
通过上述循环计算后，CBaseline、COrig、CΔ-code、STYPE(stij)、IDX(ixij)相关信息均存储下来。
步骤8，图片Xi解压，具体解压方法，包括如下步骤：
步骤81，CΔ-c；de解压：从压缩后数据块CΔ-c；de解压，得到数据块CΔ。
步骤82，读取索引信息：读取索引矩阵STYPE(stij)和索引矩阵IDX(ixij)中第i行的存储方式信息和存储位置信息。
步骤83，提取分块数据：依次提取数据块CBaseline、COrig、CΔ对应的分块数据。
步骤84，CΔ中差值块数据还原：对于步骤83获取的CΔ中的差值块
步骤85，X′i还原：根据读取的索引信息，将数据块COrig和原始分块数据BLKi还原为X′i，将数据块CBaseline还原为X′Baseline。
步骤86，结合X′i和X′Baseline，并根据分辨率，还原原始图片Xi。
本发明算法通过仿真试验，当R取值16，gamma取值75％的情况下，同一高速收费车道同一小时内的位图集，在无损压缩的前提下，位图存储最高可减少12％的存储空间。
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。
