算法设计之图像压缩

该博客探讨了如何通过算法优化图像压缩,特别是针对颜色相近的像素点进行分段处理。通过动态规划方法确定最优分段策略,减少存储空间需求。源代码展示了具体实现过程。
摘要由CSDN通过智能技术生成

一、基本概念:
像素灰度值为0-255,需要8位二进制数来存储。若一灰度序列为{p1,p2,p3…pn},pi为第i个像素点的灰度值。则所需的空间为8n。

二、问题提出:
若图像中有一大部分的颜色的相同的或是相近的,能不能有更好的方式存储?

三、解决方案:
将像素点的序列{p1,p2,p3…pn}分为m段,每段是所占位数相近的像素点,得到新序列为{s1,s2,s3…sm},每一段中包含一个或者多个像素点,取这一段中像素占用最大的位数作为当前段所有的像素点所占的位数(如s1中的最大像素是128,则取7位为s1中所有像素的所占的位数),用L[t]记录第t段中所包含的像素点的个数,每个占用b[t]位(如前面举例的s1是取7位作为此段的像素点所占的位数,若还有其他的需要1位,2位。。。8位,所以b[t]需要3位要标识当前段所占的位数,7位就表示成110,1位就表示成001)。所以我们要引入一个段头来记录当前段的L[t]和b[t],段头的位数就是L[t]的位数8加上b[t]的位数3,一共是11位。

四、最优子结构性质分析
先从第一元素开始,不断地向集合当中加入元素点。第一个元素点所需要的位数为s[1]=log(p1)1+11(段头长度),在加入第二个点此处为:
s[2]=min{s[1]+1 * log(p2)+11,s[0]+2max{log(p1),log(p2)}+11},
加入第三个点为:
s[3]=min{s[2]+1log(p3)+11,s[1]+2max{log(p3),log(p2)}+11,s[0]+3*max{log(p1),log(p2),log(p3)}}
依次类推

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值