图像集压缩算法现状

     人们越来越多的使用电子相册来记录生活的点点滴滴。随着图像大小的提升,当有很多图片时,电子相册会变得非常大。如何压缩存储相册集是个值得探讨的问题。

      所以能否去除图像集中的冗余,压缩存储,节省空间是一个很值得研究的问题。

      关于大规模图像集的压缩,现今分为两大类算法,基于代表信息的算法,和基于视频流的算法。

      基于代表信息的算法,一般是从图像集中的图片提取出公共信息,然后每张图片参考此公共信息存储差量。举个例子,统计所有图片在每个像素点的最大灰度值和最小灰度值,组成一张最大灰度值图片和一张最小灰度值图片。然后相册集中的图片依据最大灰度值或者最小灰度值图片进行差量存储。

     基于视频的算法是近几年兴起的。发现当图像被摆成一排,十分类似视频帧序列。所以基于视频的算法,一般是将图像排好顺序,每张相邻的图片尽量相似,因为这会在帧间压缩中得到更大的压缩量。关于如何排序,如何将图像集分成若干小图像集又有很多做法。比较流行的做法是使用图像检索中常用的手段,检索出相似的图片,再进行压缩。

你可能感兴趣的:(算法,机器学习)