图像压缩是图像处理领域经典而又热门的课题。图像压缩的目的就是在不损害图像有效信息的前提下,去除图像中的冗余数据。目前常用的图像压缩算法中,一个显著的特点就是对图像进行均匀的分割,然后对每一个块进行一系列的变换和编码处理,实现图像的压缩。 但是不同图像本身都有其自身的特点,其中一个特点就是平滑区和细节区的不同分布。从压缩理论的角度看,大的平滑区进行大尺寸的压缩,而小的细节区进行小尺寸的压缩,可以提高图像的压缩效率和重建质量。以此出发,本文提出了自适应分块的图像压缩算法。方法是首先利用基于势函数聚类的图像分割算法对图像进行分割,不同区域赋以不同的标号;然后依次对图像中的32~*32数据块,利用标号信息,对其进行四叉树分割。平滑区则不进行分割,细节区则继续分割,分割的最小尺寸为4;最后对分割后的块根据其尺寸大小进行不同尺度的压缩编码,包括基于数字的快速DCT变换、量化、行程编码、差分编码、哈夫曼编码以及图像分割信息编码。本文采用的分割算法运行效率高,分割效果理想;同时本文设计了基于数字的快速DCT变换,大大提高了整个算法的运行效率。 在静态图像自适应分块压缩的基础上,本文提出了对运动矢量自适应估计的初步探讨。根据是相邻帧间的物体运动比较缓慢(场景变换除外),静止区域较多,以及相邻帧间的强时空相关性。方法就是对相邻帧进行帧差处理,以此排除图像中的静止区域;同时对帧差图像进行自适应分割,实现运动矢量估计。 由算法实现和结果分析可知,较之传统的算法,本文的静态图像自适应分块压缩算法提高了图像的压缩效率和压缩图像的重建质量。较之一些已经出现的自适应方法也有很大优势,且算法运行效率很高。而本文的自适应运动矢量估计算法通过实验分析,比传统算法也有很大优势。