图像处理（一）：基于行程编码的图像压缩python实现

1、行程编码概述（RLE）

在图像压缩上，行程编码（RLE）一般用于压缩二值化图像，因为它是基于重复的压缩算法，比如：

二维图像降维后（压缩前）：0 0 0 0 0 255 255 255 0 0 255
行程编码压缩后：5 0 3 255 2 0 1 255
（压缩格式为：数量+像素+数量+像素…）

如果有大量的像素连续重复，那么压缩率会更高。

2、python实现

步骤如下：
（1）彩色图像灰度化：三维降二维
（2）灰度图像拉伸降维：二维降一维
（3）二值化灰度图像
（4）行程编码
（5）行程解码：一维升二维

import cv2 as cv
import numpy as np

##彩色图像灰度化
#image = cv.imread('image/shayu.jpg',1)
image = cv.imread('image/fruit.jpg',1)
grayimg = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
rows, cols = grayimg.shape

image1 = grayimg.flatten() #把灰度化后的二维图像降维为一维列表
#print(len(image1))

#二值化操作
for i in range(len(image1)):
    if image1[i] >= 127:
        image1[i] = 255
    if image1[i] < 127:
        image1[i] = 0

data = []
image3 = []
count = 1
#行程压缩编码
for i in range(len(image1)-1):
    if (count == 1):
        image3.append(image1[i])
    if image1[i] == image1[i+1]:
        count = count + 1
        if i == len(image1) - 2:
            image3.append(image1[i])
            data.append(count)
    else:
        data.append(count)
        count = 1

if(image1[len(image1)-1] != image1[-1]):
    image3.append(image1[len(image1)-1])
    data.append(1)

#压缩率
ys_rate = len(image3)/len(image1)*100
print('压缩率为' + str(ys_rate) + '%')

#行程编码解码
rec_image = []
for i in range(len(data)):
    for j in range(data[i]):
        rec_image.append(image3[i])

rec_image = np.reshape(rec_image,(rows,cols))

#cv.imwrite('image/output.jpg',rec_image)
cv.imwrite('image/output_fruit.jpg',rec_image)
cv.imshow('rec_image',rec_image) #重新输出二值化图像
cv.waitKey(0)

3、实现结果

（1）原图1：
压缩1：

压缩率1：

（2）原图2：

压缩2：

压缩率2：

4、学习点

1、彩色图像灰度化：

cv.cvtColor(image, cv.COLOR_BGR2GRAY)

2、二维矩阵降维：

image1 = grayimg.flatten()