图像压缩（1）RGB888与RGB565图像

最新推荐文章于 2024-05-29 09:55:02 发布

mozun2020

最新推荐文章于 2024-05-29 09:55:02 发布

阅读量5.1k

点赞数 12

分类专栏： IP5:图像压缩文章标签： RGB 算法图像处理 RGB565 matlab 计算机视觉

本文链接：https://blog.csdn.net/sinat_34897952/article/details/128470420

版权

IP5:图像压缩专栏收录该内容

3 篇文章 0 订阅

订阅专栏

图像压缩（1）RGB888与RGB565图像

前言
一. 图像数据格式
二. 图像格式转换
- 2.1 取位与补位
- 2.2 其他转换方法
三. 图像压缩
- 3.1 G6压缩法（16位真彩色数据压缩算法）
- 3.2 基于FPGA片上ROM的RGB565屏幕图像显示
四. RGB888和RGB565颜色对照表

前言

最近在接触图像压缩相关项目，之前对图像压缩接触的较少，对检测分类识别相关的图像信号处理接触学习的相对比较多一些，所以也需要学习学习，搜集整理了一些资料，在这里简单做个笔记，也分享出来和大家交流学习。

一. 图像数据格式

RGB色彩模式是工业界的一种颜色标准，是通过对红、绿、蓝三原色进行组合得到各种各样不同颜色的表示，这在初中物理就有的，RGB三个通道颜色的组合，几乎囊括了人类视力所能感知的所有颜色，因此成为目前运用最广的颜色系统之一。一般而言，我们所感知的现实视觉与各类硬件平台的图像视觉是有很大差距的，不同现实设备因其设备资源限制与具体应用需求，并不需要高精度的显示需求，在满足清晰可见的基础上，可能对传输或存储的要求更严苛。由此产生各种类型的RGB格式：如RGB16、RGB24、RGB32、ARGB32等等。

1.1 不同RGB格式

(1)RGB16

RGB16数据格式主要有二种：RGB565(或者是R5G6B5)和RGB555(或者是R5G5B5)。
RGB565:每个像素用16比特位表示，占2个字节，RGB分量分别使用5位、6位、5位。
RGB555:每个像素用16比特位表示，占2个字节，RGB分量都使用5位(最高位空闲)。

(2)RGB24

一般RGB24即指RGB888（或者是R8G8B8）
RGB888:每个像素用24比特位表示，占3个字节，注意：在内存中RGB各分量的排列顺序为：BGR BGR BGR

(3)RGB32

RGB32:图像每个像素用32比特位表示，占4个字节，R，G，B分量分别用8个bit表示，存储顺序为B，G，R，最后8个字节保留。注意：在内存中RGB各分量的排列顺序为：BGRA BGRA BGRA 。

(4)ARGB32

就是带alpha通道的RGB24，与RGB32的区别在于，保留的8个bit用来表示透明，也就是alpha的值
ARGB8888:每个像素用24比特位表示，占3个字节，注意：在内存中ARGB各分量的排列顺序为：BGRA BGRA BGRA

1.2 RGB565与RGB888对比

(1)区别

正常的RGB24是由24位即3个字节来描述一个像素，R、G、B各8位。而实际使用中为了减少图像数据的尺寸，如视频领域，对R、G、B所使用的位数进行的缩减，如RGB565和RGB555。

RGB565 就是R-5bit，G-6bit，B-5bit
RGB555 就是R-5bit，G-5bit，B-5bit
RGB888 就是R-8bit，G-8bit，B-8bit ；其实这就是RGB24

RGB565，16bit
RGB888，24bit

另外常见的BMP图像文件，即是在RGB的像素数据基础上增加位图头数据而成的图像文件格式。

一般BMP是BGR888，jpeg是YUV的，其他的要看各自格式的标准描述。

(2)各自优缺点

从屏幕自身说，屏幕自身的控制器必须要达到RGB888的标准，才可以使用RGB888，相比RGB565，需要屏幕主控的存储空间增加1/2。RGB888的颜色分辨率肯定要比565高，造价成本更高。RGB565一方面可以降低成本，同时，减少单片机传输的数据量，能够实现2^16种颜色，满足一般的使用场景；主要缺点，就是色域没有RGB888广。

二. 图像格式转换

在这里学习一下RGB888与RGB565的转换，即24位色彩与16位色彩的转换:

2.1 取位与补位

24位RGB[23:0]转16位RGB[15:0]是通过取高位来实现的。取RGB[23:19]，RGB[15:10]，RGB[7:3]作为RGB三原色的值。
16位RGB[23:0]转24位RGB[15:0]是通过补位来实现的。使用位拼接的语法为RGB低位补0至8位即可。

2.2 其他转换方法

R8 = ( R5 * 527 + 23 ) >> 6;
G8 = ( G6 * 259 + 33 ) >> 6;
B8 = ( B5 * 527 + 23 ) >> 6;

R5 = ( R8 * 249 + 1014 ) >> 11;
G6 = ( G8 * 253 +  505 ) >> 10;
B5 = ( B8 * 249 + 1014 ) >> 11;

Apple （ iOS Accelerate Framework ）:
Pixel8 red = (5bitRedChannel * 255 + 15) / 31 
Pixel8 green = (6bitGreenChannel * 255 + 31) / 63 
Pixel8 blue = (5bitBlueChannel * 255 + 15) / 31

三. 图像压缩

3.1 G6压缩法（16位真彩色数据压缩算法）

此方法并非是我们常见的PNG，JPG的压缩算，此方法只是应用于单片机刷新RGB565图片，压缩和解压过程不需要很大的运算量，对单片机比较友好。但是压缩率也比较低；可以知道图像数据存在多处的相等，这是因为图片的颜色基本没变。很多图像都是有这样的特征：存在颜色的连续。那么我们可以利用颜色的连续特征来压缩数据的存储空间，如果颜色相同，我们就只保留一个数据，这样就节省了2Byte的存储空间。

G6位用来存储一个标志，这个标志的含义：如果相邻两个像素点相等，这个标志位被置1，否则置0。这样我们不需要开辟数据去存储标志了。算法分析：比如第一个点的数据是2，第二个点的数据也是2，那么算法就把第一个点的G6位置1，同时直接隐藏第二个数据。接着我们看第三个数据，虽然第三个数据和第二个数据相同，但是此处不能再隐藏了，因为上个数据就进行了隐藏。第三个数据保留，第四个数据就进行了隐藏。第五个数据保留，因为第六个数据和第五个数据不同，所以第五个数据的G6位置0，后续同理。

压缩前的数据为2，2，2，2，2，3，4，2

压缩后的数据为2（G6=1），2（G6=1），2，3，4，2

解压时，第一个数据为2，我们先判断G6位，这里被置1了，所以这个数据2出现2次，然后下一个2是同样的道理。第三个2，因为G6位没有置1，所以只有1个。

压缩率计算：假设一个图片宽度W，高度H，数据格式RGB565，那么存储这个图片需要的空间为W×H×2 Byte。

如果采用上述压缩算法进行压缩，那么最大的压缩情况是，1，2相等，3，4相等，等等等。此时压缩后的数据量为W×H Byte。如果全图无重复的地方，那就没有压缩，不会出现负压缩的情况。所以此方法的压缩率为50%< G6压缩法 <100% (边界情况暂不考虑是否相等)。总结：此方法是将RGB565的 G6位用来存储标志，进行相邻数据相等压缩，实际的编程中，还会在压缩数据的头位置加上压缩后的数据长度，压缩前的数据长度，压缩前的图片规格等信息。

void YS1_G6(unsigned char PIC[])
{
	int i;//循环变量
	int PIC_Addr;//运行到输入图像的位置，不可到达
	//PIC_SAVE[0]=;长度高位
	//PIC_SAVE[1]=;长度低位
	//第一步，遍历原来的数据
	PIC_SAVE[2]=PIC[0];//第一个数据
	PIC_SAVE[3]=PIC[1];//第二个数据
	//PIC_SAVE[3]&=~0X20;
	//PIC_SAVE[4]=;//存储循环长度
	PIC_Addr=4;//不可到达位置，长度
	i=0;
	while(i<16383)//两个一组进行分组，循环16382次
	{
		i++;
		//后边和前边一样,将第六位置1
		if((PIC_SAVE[PIC_Addr-2]==PIC[i*2])&&(PIC_SAVE[PIC_Addr-1]==PIC[i*2+1]))
		{
			PIC_SAVE[PIC_Addr-1]|=0X20;
			i++;
		}
		else//写入当前数据，并将第六位置零
		{
			PIC_SAVE[PIC_Addr-1]&=~0X20;
		}
		if(i<16384)//防止存储非法数据
		{
			//每次处理后必定写入一个数据
			PIC_SAVE[PIC_Addr]=PIC[i*2];//第一个数据
			PIC_SAVE[PIC_Addr+1]=PIC[i*2+1];//第二个数据
			//PIC_SAVE[PIC_Addr+1]&=~0X10;
			PIC_Addr+=2;//到达下个存储长度位置
		}

		//i++;//每次循环后必定处理数据，i向后移动
	}
	PIC_SAVE[0]=PIC_Addr/256;//长度高位
	PIC_SAVE[1]=PIC_Addr%256;//长度低位
	printf("压缩后的长度为%d",PIC_Addr);
}

算法说明：压缩后的数据前两位保存的是压缩后的数据长度，这个很重要，是解压时循环次数的依据。还有算法中的循环次数和边界问题，暂时不展开分析。此算法不是通用算法，后续会加入图片的长度计算（输入数据包含数据信息），同时生成的压缩后数据也会存在数据头，这样的算法会比较通用，不至于出现因为压缩对象的更改，而需要手动修改数据。这里只简单分析一下流程。

第一步：首先我们需要查询并创建一个C文件（txt文件也可以用）。

第二步：然后我们处理一下输入的数据，清除G6位。

第三步：进行压缩，然后计算出压缩后的长度。

第四步：将压缩后的数据保存，然后传输，即可完成压缩编码部分。

G6压缩方法确实有压缩效果，但是效果并不是那么明显，没有达到最好的效果，这是因为图像数据不可能完全相邻相等。获得压缩后的数据时，就可以进行“G6压缩法”的解压。

解压的过程，是压缩的逆过程，此压缩算法的解压是要比压缩过程简单，计算比较少。

解压的算法：最多是计算一下压缩后的数据长度，然后一直循环解压，这里我们先送给屏幕一个数据，如果G6位为1，我们再刷新一次，否则就接着向下循环。每次循环都会后移动两位（因为RGB565是2Byte，数组一般是8位），使用G6压缩法,压缩和解压都是比较简单的操作，不涉及大量的计算，压缩过程有大量的数据相等判断操作，解压过程是大量的与运算判断操作。算法可以实现数据的压缩，但是压缩率不是很高。

3.2 基于FPGA片上ROM的RGB565屏幕图像显示

为了实现16位彩色图像的显示，需要对图片压缩（片上ROM的限制）。示例采用60*100像素的图片（总计72000bits），即显示的时候需要将图像放大8倍显示（480×800）。同样使用Img2Lcd软件图片转为需要的bmp格式（水平扫描模式、16位真彩色）（或者用PS、截图（保存为bmp格式）、电脑自带画图软件等，都可以完成转换）。之后使用Matlab将bmp文件信息转化为RGB565格式的mif文件，ｍ文件的源码如下。

clear;
clc;
n=6000;%100*60--16bit
myImg = imread('example.bmp');%读取.bmp文件
fid=fopen('example.mif','w');%打开待写入的.mif文件
fprintf(fid,'WIDTH=16;\n');%写入存储位宽16位
fprintf(fid,'DEPTH=6000;\n');%写入存储深度6000
fprintf(fid,'ADDRESS_RADIX=UNS;\n');%写入地址类型为无符号整型
fprintf(fid,'DATA_RADIX=HEX;');%写入数据类型为16进制
fprintf(fid,'CONTENT BEGIN\n');%起始内容
image(myImg);
for i=0:n-1         %RGB888 -> RGB565
    x = mod(i,100)+1;
    y = fix(i/100)+1;
    r = uint16(myImg(y,x,1)/8);
    g = uint16(myImg(y,x,2)/4);
    b = uint16(myImg(y,x,3)/8);%由于输出的图像为uint8，所以等式左边的变量无法赋值为其他类型
    r = dec2bin(r);
    g = dec2bin(g);
    b = dec2bin(b);%十进制转二进制
    r = num2str(r);
    g = num2str(g);
    b = num2str(b);%数字转字符串
    
    if length(r)==1 %根据字符串长度补零--r
        r = strcat('0000',r);
    elseif length(r)==2
        r = strcat('000',r);
    elseif length(r)==3
        r = strcat('00',r);
    elseif length(r)==4
        r = strcat('0',r); 
    else
        r = r;
    end
    if length(g)==1 %根据字符串长度补零--g
        g = strcat('00000',g);
    elseif length(g)==2
        g = strcat('0000',g);
    elseif length(g)==3
        g = strcat('000',g);
    elseif length(g)==4
        g = strcat('00',g); 
    elseif length(g)==5
        g = strcat('0',g);
    else
        g = g;
    end    
    if length(b)==1 %根据字符串长度补零--b
        b = strcat('0000',b);
    elseif length(b)==2
        b = strcat('000',b);
    elseif length(b)==3
        b = strcat('00',b);
    elseif length(b)==4
        b = strcat('0',b); 
    else
        b = b;
    end    
        
    k = strcat(r,g,b);
    %k = str2num(k);
    k = bin2dec(k);
    fprintf(fid,'\t%d:%x;\n',i,k);
    %disp(k);
end
fprintf(fid,'END;\n');
fclose(fid);%关闭文件

查阅Matlab中文手册得知，软件读取8位的bmp图像时转化为单个矩阵。而读取16位bmp图像时，将其转化为3个8位矩阵，所以提取图像数据转为RGB565时需要除以特定的数。因为Matlab会把数据自动转化为uint8类型，所以需要将数据强制类型转换为二进制。在数据的高位补零后，再用字符串连接函数，将其连接为16位的字符串。最后用二进制转十进制函数，把字符串直接转为数字，存与指定的mif文件中。定制好ROM为16位，6000深度，例化下载后，其显示结果如下（其实，由于matlab读取16位bmp图像时，将其转化为3个8位矩阵。故可不需要用软件转换为16位的bmp文件再用matlab提取数据）。显示的Verilog主要程序如下：

/*color_rom--彩色-16位*/        
    localparam
        BMP_W            =    11'd100,   //显示区域宽度 = 图片宽
        BMP_H            =    11'd60;   //显示区域高度 = 图片高
    
    wire [12:0]  pic_addr;    
    wire [15:0] q;
    assign pic_addr = hcount[10:3] + vcount[10:3]*BMP_W;
    
    color16_rom color16_rom(
        .address(pic_addr),
        .clock(clk),
        .q(q)
    );
    assign disp_data = q;
/*color_rom-end*/

在计算机中，图像以RGB888显示，24位图每个像素保存了32bit的数据，即RGB888+Alpha，但是对于真彩色图像而言，肉眼在16bit的时候已经难以分辨了，因此，有些时候，可以将RGB888转换为RGB565来存储，减少存储器容量的同时，降低了数据量；在后端显示时，再次把RGB565转换为RGB888，就实现数据宽度的匹配！

RGB888->RGB565->RGB888

但是，RGB888->RGB565时，自然只要提取高位即可，但会导致低位的缺失；同时，但当RGB565->RGB888时，势必导致低位的缺失。为了数据的饱和以及色彩的减小，提出了一种新的思维，新的算法：量化补偿

（1）RGB888-RGB565

24bit RGB888 -> 16bit RGB565 的转换
24ibt RGB888 {R7 R6 R5 R4 R3 R2 R1 R0} {G7 G6 G5 G4 G3 G2 G1 G0} {B7 B6 B5 B4 B3 B2 B1 B0}
16bit RGB565 {R7 R6 R5 R4 R3} {G7 G6 G5 G4 G3 G2} {B7 B6 B5 B4 B3}
可以修正，比如（当然人眼无法感觉，但是RG888-RGB565-RGB888的时候更好补偿）
R：197=>197>>3=24
R：197=192+5=>24+0.625≈25
所以
R5=R[2] ? R[7:3]+1 : R[7:3];
G5=G[1] ? G[7:2]+1 : G[7:2];
B5=B[2] ? B[7:3]+1 : B[7:3];

（2）RGB565-RGB888
16bit RGB565 -> 24bit RGB888 的转换
16bit RGB656 {R4 R3 R2 R1 R0} {G5 G4 G3 G2 G1 G0} {B4 B3 B2 B1 B0}
24ibt RGB888 {R4 R3 R2 R1 R0 0 0 0} {G5 G4 G3 G2 G1 G0 0 0} {B4 B3 B2 B1 B0 0 0 0}
24ibt RGB888 {R4 R3 R2 R1 R0 R2 R1 R0} {G5 G4 G3 G2 G1 G0 G1 G0} {B4 B3 B2 B1 B0 B2 B1 B0}

因此，量化压缩的方法：RGB取高位，并且考虑最低位“四舍五入”，量化补偿的方法：

将原数据填充至高位
对于低位，用原始数据的低位进行补偿

四. RGB888和RGB565颜色对照表

在这里插入图片描述

mozun2020

关注

12
点赞
踩
33

收藏

觉得还不错? 一键收藏
打赏
4
评论
图像压缩（1）RGB888与RGB565图像

最近在接触图像压缩相关项目，之前对图像压缩接触的较少，对检测分类识别相关的图像信号处理接触学习的相对比较多一些，所以也需要学习学习，搜集整理了一些资料，在这里简单做个笔记，也分享出来和大家交流学习。
复制链接

扫一扫