分形编码流程理解

XD 2001

已于 2023-08-04 11:57:31 修改

阅读量301

点赞数

分类专栏：图像处理文章标签：计算机视觉人工智能图像处理算法

于 2023-08-02 11:20:51 首次发布

本文链接：https://blog.csdn.net/weixin_49493381/article/details/132056917

版权

图像处理专栏收录该内容

2 篇文章 0 订阅

订阅专栏

23.08.01

对分形编码流程及大概方案进行简单介绍

关于分形编码

在自然图像中，往往存在不同区域子块之间的跨尺度相似性，因此，我们可以使用一个使图像近似不变的压缩仿射变换参数进行表达。

而解码可以通过快速迭代完成，每次迭代都会产生更精细尺度下的细节，因此，从理论上来说可以具有任意分辨率下的细节。

Jacquin 提出了一种基于分块迭代函数系统的分形块编码算法，在 Jacquin 的论文中，将图像分为大小两类子块，对于每个小方块在图像中搜索与之最仿射相似的大方块，每个小块就可以根据大方块通过仿射变换来近似。

对于R块，分形编码中通过对D块进行灰度级调整、灰度平移与八种变换来构成码本。即对D块进行压缩至R块尺寸后，依次通过等距变换、亮度调整、亮度偏移，进而得到R块的近似块。

分形编码算法

1. 图像子块划分：

首先将图像分割为R块图集与D块图集。

对于R块图集，通常以4为子块长度，4为步长，对图像进行不重叠划分，如256×256的灰度图像，即可划分为4096个4×4 R块。

对于D块图集，一般为R块的2倍，即8×8大小，步长为4，对图像以8×8的窗口，以4 为步长进行不断滑动取块，对于256×256的灰度图像，最终形成2844个8×8 D块。

2. 码本构成

划分子块后，对D块进行降采样至R块尺寸，一般采用四邻与平方，即通过对于相邻4个像素进行均值计算，最终8×8的D块变为4×4D块，由降采样后的D块构成的子块图集称之为码本。

3. 等距变换

为增加码本质量，将D块进行八种等距变换，分别为：

恒等变换
垂直对称
水平对称
主对角对称
次对角对称
逆时针旋转90度
逆时针旋转180度
逆时针旋转270度

4. 误差度量

分形编码中，为了确定两子块之间相似性，选择使用峰值信噪比，即 PSNR 对两块进行度量，对于PSNR的理解并不复杂，相关代码参考另一篇文章。峰值信噪比常用于量化编码前以及解码后的两幅图像相似度。

PSNR计算通过两步完成：

1. 首先计算均方误差，即mse。以灰度图像举例，均方误差即为两图像对应像素灰度之差的平方之和，在根据图像的像素数量进行均值计算，公式如下：

$MSE = \left \| I(m, n, c) - GT(m, n, c) \right \|^{2}$

2. 后通过mse计算得出两图像之间psnr值。以灰度图像举例，PSNR为像素中最大值的平方除以均方误差后求其以10为底的对数，最后乘以20，化简后公式如下：

$PSNR = 20 * \log_{10}(\frac{MAX_{pixel}}{\sqrt mse})$

其中，m，n 为图像尺寸，灰度图像时，可去掉c的部分。MAXpixel为图像中像素的最大值，如每个像素为8位二进制时，则为255。

5. 编码过程

编码过程简单来说就是在所有对比块（D块即八种等距变换）中找到一最优对比快，使最优亮度变换之间的差异最小，并将相关参数进行存储，包括对比度与亮度的调整因子，对比快包括降采样后所有D块以及相关8种等距变换。

通过对比度调节因子s，与亮度调节因子o，对D块进行运算，在与R块做差，可得到最优亮度变换与R块之间的差异，所有对比块中该差异最小块即为目标块。

函数f(s, o)是变量s，o的二元多项式，为对该式求最小值，对s，o进行求偏导数，并使偏导数为0，化简该线性方程组，分别得到通过R、D计算s的公式与通过s，R，D计算o的公式，以及最后通过s，o，R，D计算最小误差h的公式。

其中，对于s，我们得到公式：

$s = \frac{n\sum_{i=1}^{n}d_{i}r_{i} - (\sum_{i=1}^{n}d_{i})(\sum_{i=1}^{n}r_{i})} {n\sum_{i=1}^{n}d_{i}^{2} - (\sum_{i=1}^{n}d_{i})^{2}}$

其中，对于o，我们得到公式：

$o = \frac{(\sum_{i=1}^{n}d_{i}^{2})(\sum_{i=1}^{n}r_{i}) - (\sum_{i=1}^{n}d_{i})(\sum_{i=1}^{n}r_{i}d_{i})} {n\sum_{i=1}^{n}d_{i}^{2} - (\sum_{i=1}^{n}d_{i})^{2}} = \frac{1}{n}(\sum_{i=1}^{n}r_{i} - s\sum_{i=1}^{n}d_{i})$

最后，我们得到关于最小误差h的公式：

$h = \frac{1}{n}[\sum_{i=1}^{n}r_{i}^{2} + s(s\sum_{i=1}^{n}d_{i}^{2} - 2\sum_{i=1}^{n}d_{i}r_{i} + 2*o\sum_{i=1}^{n}d_{i})+o(o*n - 2\sum_{i=1}^{n}r_{i})]$