游程编码（RLE）

游程编码理解（RLE，run-length encoding）

游程编码又称行程长度编码，是一种简单的非破坏性资料压缩方法。RLE适用于颜色较单一的图片，如果图片颜色复杂则很难起到压缩的作用。改编码方式在深度学习语义分割的标签制作中有应用。

将图片转化为RLE格式（compression)

上面的二值图可以表示为一个像素矩阵：

					0001100000110000
					0011110001111000
					0111111011111100
					1111111111111110
					1111111111111110
					1111111111111110
					1111111111111110
					1111111111111110
					0111111111111100
					0011111111111000
					0001111111110000
					0000111111100000
					0000011111000000
					0000001110000000
					0000000100000000

上面的图像只有两种颜色，白色（0），红色（1）。
为了压缩文件，RLE编码将图片每一行的像素替换为连续相同的像素值的个数。通常以白色开头
如上图的第一行则可以表示为：
3 2 5 2 4
第二行可表示为：
2 4 3 4 3

第四行则不同，因为它是以红色像素开始的，上面举例的两行都是以白色开始的。第四行可表示为：
0 15 1

整幅图像通过rle编码则可以表示为：
3 2 5 2 4
2 4 3 4 3
1 6 1 6 2
0 15 1
0 15 1
0 15 1
0 15 1
0 15 1
1 13 2
2 11 3
3 9 4
4 7 5
5 5 6
6 3 7
7 1 8

RLE解压缩（decompression)

栗子

一幅经过RLE编码的黑白二值图

4, 9, 3
4, 7, 2, 1, 2
4, 7, 2, 1, 2
4, 9, 3
4, 7, 5
4, 7, 5
5, 5, 6
0, 15, 1
1, 13, 2

则解压后的图片可表示为：

RLE to Image 和 image to RLE 参考代码（针对黑白二值图）

import numpy as np
import pandas as pd
import cv2

# 将图片编码为rle格式
def rle_encode(im):
    '''
    im: numpy array, 1 - mask, 0 - background
    Returns run length as string formated
    '''
    pixels = im.flatten(order = 'F')
    pixels = np.concatenate([[0], pixels, [0]])
    runs = np.where(pixels[1:] != pixels[:-1])[0] + 1
    runs[1::2] -= runs[::2]
    return ' '.join(str(x) for x in runs)

# 将rle格式进行解码为图片
def rle_decode(mask_rle, shape=(512, 512)):
    '''
    mask_rle: run-length as string formated (start length)
    shape: (height,width) of array to return 
    Returns numpy array, 1 - mask, 0 - background

    '''
    s = mask_rle.split()
    starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
    starts -= 1
    ends = starts + lengths
    img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
    for lo, hi in zip(starts, ends):
        img[lo:hi] = 1
    return img.reshape(shape, order='F')

参考链接：

1. https://www.khanacademy.org/computing/computers-and-internet/xcae6f4a7ff015e7d:digital-information/xcae6f4a7ff015e7d:data-compression/a/simple-image-compression
2. https://github.com/datawhalechina/team-learning-cv/blob/master/AerialImageSegmentation/Task1%EF%BC%9A%E8%B5%9B%E9%A2%98%E7%90%86%E8%A7%A3.md