说到图像压缩算法,最典型的就是 JPEG、JPEG2000 等。
![图0:深度学习之图像视频压缩技术 图0:深度学习之图像视频压缩技术](https://i-blog.csdnimg.cn/blog_migrate/32f522e3cc63913c0b9c7534461708fe.png)
图 1:典型图像压缩算法 JPEG、JPEG2000
其中 JPEG 采用的是以离散余弦转换(Discrete Cosine Transform)为主的区块编码方式(如图 2)。JPEG2000 则改用以小波转换(Wavelet Transform)为主的多解析编码方式,小波转换的主要目的是将图像的频率成分抽取出来。
![图1:深度学习之图像视频压缩技术 图1:深度学习之图像视频压缩技术](https://i-blog.csdnimg.cn/blog_migrate/40622f9ea47c4a42939d128007f2f939.png)
图 2:JPEG 编码框图
在有损压缩下,JPEG2000 的明显优势在于其避免了 JPEG 压缩中的马赛克失真效果。JPEG2000 的失真主要是模糊失真,而模糊失真的主要原因在于高频量在编码过程中一定程度的衰减。在低压缩比情形下(比如压缩比小于 10:1),传统的 JPEG 图像质量有可能比 JPEG2000 好。JPEG2000 在高压缩比的情形下,优势才开始明显。
整体来说,JPEG2000 相比于传统 JPEG,仍有很大技术优势,通常压缩性能可提高 20% 以上。当压缩比达到 100:1 时,JPEG 压缩的图像已经严重失真并开始难以识别了,而 JPEG2000 的图像仍可识别。
深度学习技术设计压缩算法的目的
通过深度学习技术设计压缩算法的目的之一是学习一个比离散余弦变换或小