专利汇可以提供一种计算机图像处理的图形数据压缩方法专利检索,专利查询,专利分析的服务。并且本 发明 属于计算机 图像处理 技术领域,公开了一种计算机图像处理的图形 数据压缩 方法,所述计算机图像处理的图形数据压缩系统包括: 图像采集 模 块 、主控模块、图像编码模块、图像增强模块、重建模块、组合模块、图像压缩模块、显示模块。本发明通过图像编码模块无需像 现有技术 那样使用所有预测模式对该编码块进行预测以选出该编码块的最优预测模式,从而降低了图像的编码复杂度;同时,通过图像增强模块可以增强图像的 对比度 ,同时也去除了重构后的图像中的斑点伪影,提高了重构后的图像的 质量 。,下面是一种计算机图像处理的图形数据压缩方法专利的具体信息内容。
1.一种计算机图像处理的图形数据压缩系统,其特征在于,所述计算机图像处理的图形数据压缩系统包括:
图像采集模块、主控模块、图像编码模块、图像增强模块、重建模块、组合模块、图像压缩模块、显示模块;
图像采集模块,与主控模块连接,用于通过摄像设备采集图像数据;
主控模块,与图像采集模块、图像编码模块、图像增强模块、重建模块、组合模块、图像压缩模块、显示模块连接,用于通过主控机控制各个模块正常工作;
图像编码模块,与主控模块连接,用于通过编码程序对图像进行编码;
图像增强模块,与主控模块连接,用于通过图像增强算法对图像进行增强处理;
重建模块,与主控模块连接,用于通过重建算法依据每个图像块对应的量化参数,对每个图像块进行重建以得出最终重建图像块;
组合模块,与主控模块连接,用于通过组合程序将每个图像块对应的最终重建图像块进行组合;
图像压缩模块,与主控模块连接,用于通过压缩程序对组合的图像块进行压缩;
显示模块,与主控模块连接,用于通过显示器显示采集的图像。
2.一种如权利要求1所述的计算机图像处理的图形数据压缩方法,其特征在于,所述计算机图像处理的图形数据压缩方法包括以下步骤:
步骤一,通过图像采集模块利用摄像设备采集图像数据;
步骤二,主控模块通过图像编码模块利用编码程序对图像进行编码;
步骤三,通过图像增强模块利用图像增强算法对图像进行增强处理;
步骤四,通过重建模块利用重建算法依据每个图像块对应的量化参数,对每个图像块进行重建以得出最终重建图像块;
步骤五,通过组合模块利用组合程序将每个图像块对应的最终重建图像块进行组合;
通过图像压缩模块利用压缩程序对组合的图像块进行压缩;
步骤六,通过显示模块利用显示器显示采集的图像。
3.如权利要求1所述计算机图像处理的图形数据压缩系统,其特征在于,所述图像编码模块编码方法如下:
(1)通过编码程序将待编码的编码块划分为M个子编码块,所述编码块为所述图像的图像块,所述M为大于等于2的正整数;
(2)使用帧间2N×2N预测模式对所述编码块进行预测,并获取所述编码块对应于帧间
2N×2N预测模式的第一率失真代价值;
(3)使用帧间2N×2N预测模式对所述M个子编码块进行预测,并获取所述M个子编码块中的每个子编码块各自对应于帧间2N×2N预测模式的率失真代价值;
(4)根据所述M个子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述编码块对应于帧间2N×N预测模式的率失真代价值的第一估计值;
(5)根据所述M个子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述编码块对应于帧间N×2N预测模式的率失真代价值的第二估计值;
(6)根据所述第一率失真代价值、所述第一估计值和所述第二估计值,确定所述编码块的最优预测模式;根据所述编码块的最优预测模式,对所述编码块进行预测编码。
4.如权利要求3所述计算机图像处理的图形数据压缩系统,其特征在于,所述M为4,所述M个子编码块包括左上子编码块、右上子编码块、左下子编码块、右下子编码块;
所述根据所述M个子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述编码块对应于帧间2N×N预测模式的率失真代价值的第一估计值,包括:
根据所述左上子编码块对应于帧间2N×2N预测模式的率失真代价值和所述右上子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述左上子编码块和所述右上子编码块组成的图像块对应于帧间2N×N预测模式的率失真代价值的第三估计值;
根据所述左下子编码块对应于帧间2N×2N预测模式的率失真代价值和所述右下子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述左下子编码块和所述右下子编码块组成的图像块对应于帧间2N×N预测模式的率失真代价值的第四估计值;
根据所述第三估计值和所述第四估计值,计算所述第一估计值。
5.如权利要求3所述计算机图像处理的图形数据压缩系统,其特征在于,所述M为4,所述M个子编码块包括左上子编码块、右上子编码块、左下子编码块、右下子编码块,所述根据所述M个子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述编码块对应于帧间N×2N预测模式的率失真代价值的第二估计值,包括:
根据所述左上子编码块对应于帧间2N×2N预测模式的率失真代价值和所述左下子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述左上子编码块和所述左下子编码块组成的图像块对应于帧间N×2N预测模式的率失真代价值的第五估计值;
根据所述右上子编码块对应于帧间2N×2N预测模式的率失真代价值和所述右下子编码块对应于帧间2N×2N预测模式的率失真代价值,确定所述右上子编码块和所述右下子编码块组成的图像块对应于帧间N×2N预测模式的率失真代价值的第六估计值;
根据所述第五估计值和所述第六估计值,计算所述编码块的所述第二估计值。
6.如权利要求1所述计算机图像处理的图形数据压缩系统,其特征在于,所述图像增强模块增强方法如下:
1)通过图像增强算法基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中的噪声像素点的权值和其他像素点的权值,且所述噪声像素点的权值基于噪声像素点灰度值所在灰度区间确定,其他噪声像素点的权值由其他噪声像素点灰度值所在灰度区间确定,其中,所述噪声像素点灰度值所在灰度区间与其他像素点灰度值所在灰度区间基于由非线性拉伸所确定的噪声像素点的灰度值区间确定;
2)基于所述权值图和所述图像的高频图像以获得更新后的所述图像的高频图像;
3)基于所述图像的低频图像和更新后的所述图像的高频图像进行重构。
7.如权利要求6所述计算机图像处理的图形数据压缩系统,其特征在于,所述基于图像的高频图像获取权值图,所述权值图关联于所述高频图像中的噪声像素点的权值和其他像素点的权值,且所述噪声像素点的权值基于噪声像素点灰度值所在灰度区间确定,其他噪声像素点的权值由其他噪声像素点灰度值所在灰度区间确定,其中,所述噪声像素点灰度值所在灰度区间与其他像素点灰度值所在灰度区间基于由非线性拉伸所确定的噪声像素点的灰度值区间确定包括:
确定所述图像的高频图像中噪声像素点灰度值所在的灰度区间;
对所述噪声像素点灰度值所在的灰度区间进行非线性拉伸,基于拉伸后的灰度区间更新所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间;
将更新后的噪声像素点灰度值所在的灰度区间映射至[0,1],以映射后的噪声像素点灰度值作为噪声像素点的权值;
将更新后的其他像素点灰度值所在的灰度区间映射至(1,G],以映射后的其他像素点灰度值作为其他像素点的权值;
对属于更新后的噪声像素点灰度值所在的灰度区间的噪声像素点的灰度值以与该噪声像素点对应的权值进行更新,对属于更新后的其他像素点灰度值所在的灰度区间的其他像素点的灰度值以与该其他像素点对应的权值进行更新,生成所述权值图。
8.如权利要求7所述计算机图像处理的图形数据压缩系统,其特征在于,所述基于拉伸后的灰度区间更新所述图像的高频图像中噪声像素点灰度值和其他像素点灰度值所在的灰度区间包括:
以所述拉伸后的灰度区间的噪声像素点的灰度值平均值作为第一阈值,所述第一阈值是指更新后的区分所述噪声像素点和其他像素点的灰度阈值;
确定[0,第一阈值]为更新后的噪声像素点灰度值所在的灰度区间,(第一阈值,第二阈值]为更新后的其他像素点灰度值所在的灰度区间,其中所述第二阈值为所述图像的高频图像中的最大灰度值。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种抗瞬态脉冲干扰装置及方法 | 2020-05-08 | 87 |
数字预失真的控制方法及电子设备 | 2020-05-12 | 489 |
有损压缩编码数据方法和设备及相应重构数据方法和设备 | 2020-05-13 | 35 |
一种关联书本与电子资源的系统 | 2020-05-11 | 29 |
一种基于Android实现边说边上传语音的方法 | 2020-05-13 | 911 |
用于对试样成像的装置 | 2020-05-14 | 598 |
一种计算机图像处理的图形数据压缩方法 | 2020-05-14 | 825 |
一种APP视频清晰度的测试方法 | 2020-05-12 | 663 |
一种车载LVDS信号解析系统 | 2020-05-11 | 275 |
空气导管耳机 | 2020-05-13 | 518 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。