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()