基于小波包算法的視頻圖像壓縮技術的研究

王晟全 陳濟穎 李昂 鄭寶玉 劉信科

摘 要：隨著信息技術的快速發(fā)展，視頻圖像壓縮技術也在改變。小波變換有著明確的物理意義，是一種非常優(yōu)秀的圖像壓縮算法。人們拍攝的原圖像通常包含一些多余的信息，這些多余信息使得數據傳輸規(guī)模越來越大，同時也使得圖像傳輸的成本大大增加，給圖像的存儲與傳輸帶來巨大壓力。因此，尋找一種有效的圖像壓縮算法至關重要，文中就小波算法和其他圖像壓縮技術作了比較。

關鍵詞：小波包算法;圖像處理;圖像編碼;圖像壓縮;傳輸成本;存儲

中圖分類號：TP301.6文獻標識碼：A文章編號：2095-1302（2019）11-00-03

0 引 言

隨著視頻清晰度的不斷提升，其占用的空間越來越大。由于日常所用的存儲容量是固定的，所有單個圖像的大小決定了在有限的空間內能夠存儲的圖像數量。若能夠使圖像占據較小數據空間的同時滿足高清晰度的要求，則能滿足人們對于高清圖像的需求，此時便需要圖像壓縮技術。

1995年第二代小波變換的框架體系建立，隨著研究的不斷深入，理論與算法的不斷成熟，小波分析逐漸成為信號處理的主要方法。

隨著信息時代的不斷發(fā)展，信息交流方式已從老舊的實體傳輸變?yōu)閿底中畔鬏敚曨l傳輸的關鍵在于將待傳輸的視頻高效地傳輸至接收端。網絡傳輸環(huán)境無法直接傳輸視頻文件，需滿足一定的通信協(xié)議，因此需要有一個編碼標準將所需傳輸的視頻編碼后封裝成能夠進行網絡傳輸的碼流文件。同時，此標準必須能夠進行高效傳輸，為此國際組織在歷經多年的發(fā)展中提出了一個又一個編碼標準，以應對不斷變化的傳輸環(huán)境。

H.265編碼標準能夠使用當前帶寬的一般用量播放高清視頻，且播放的視頻質量幾乎不受影響。其總體編碼框架是從以往的國際標準框架中發(fā)展而來的，這種編碼框架在H.265中稱為混合編碼框架，包含了視頻編碼層與網絡適配層兩層結構，能夠在網絡環(huán)境中傳輸種類多樣的視頻文件。其中，適應網絡傳輸協(xié)議用來傳輸的模塊就是網絡適配層的主要工作。

1 視頻壓縮與編碼傳輸的基本理論

1.1 小波變換基本理論

1.1.1 小波定義

小波，顧名思義是一個小的波形，但并非所有小的波形都能稱為小波;小波能量是有限的，主要集中在某一時刻附近，并隨時間或距離逐步衰減。同時滿足以上兩個要求才稱之為小波。

1.1.2 小波包分析

進行小波包分析時，將一個信號的頻帶進行劃分。為了提高時頻分析的精確度，特別地，會對一個多分辨率信號的高頻部分進一步分解，從中選用最優(yōu)的頻帶進行處理。常用的分層結構會以三層小波進行處理。小波包分解樹如圖1所示。

1.1.3 小波包的定義

1.1.5 小波包的空間分解

1.2 算法

算法流程如圖2所示，具體算法步驟為：

（1）以二維矩陣的形式表示讀入的原始圖像文件，該二維矩陣由圖像各部分像素點組成;

（2）對由像素構成的二維矩陣采用三級小波變換;

（3）采用改進的EZW編碼方式對小波變換后的系數矩陣進行量化處理。

2 實 驗

為了能夠更加精確地壓縮圖像，需要將圖像進行分層處理，這就是N維小波變換塔式結構的由來。多維小波變換并非一步就能完成，需要一層層地進行分解。首先進行一維小波變換，用L和H分別表示，需要經過對應的信號濾波器得到信號分量;完成了一維小波變換后繼續(xù)進行二維小波變換，最后構成二維結構，其中包含了LL，HL，LH，HH四個部分，即一級二維小波變換的塔式結構，如圖3所示。

N維小波變換在二維小波變換的基礎上重復上述變換方法得到。三級二維小波變換的塔式結構如圖4所示。

在對N維小波分解后的圖像進行去冗余處理時，由于能夠顯示一幅圖像完整信息的部分絕大多數都在這幅圖像的低頻部分，因此，若以此特性為基礎，對圖像進行重構時舍去其高頻部分而只保留低頻部分，隨之而來的則是重構圖像模糊等問題。若舍去高頻部分，也避免不了部分圖像模糊的問題，所以該方法應用較少。

小波壓縮的方案選取后可進行編譯仿真。同時，對于視頻信號的處理實質上是對視頻系數矩陣數值的處理，因此，在進行小波壓縮時采用小波變換的高效編碼方案可提高其壓縮質量。

本文以三級二維小波變換的塔式結構刻畫小波變換的層級信息與各部分的量化關系，各關聯(lián)圖像之間可構成高層級向低層級變化的樹狀結構，如圖5所示。

樹狀結構也可用子孫樹的概念進行描述，同時各個子圖像之間的關系也可由樹狀結構圖來分析，且各關聯(lián)部分之間的關聯(lián)性較強。針對此種結構形式，提出特有的小波零樹編碼算法。但由于結構層次極其相似，若“祖”層次為零，則其延伸出的“孫”結構也會為零，高效壓縮的同時也失去了圖像原有的信息。

然而，若有一個“祖”層次為零，其延伸出的“孫”結構不為零，通常這個點會被稱為孤立的零點，此種情況可解決零樹小波算法在進行壓縮的同時減少原有信息的問題。對比結果如圖6所示。

原圖像所需存儲空間為 151 199.00 B，采用小波算法壓縮后的圖像所需存儲空間為 70 396.00 B，文件大小比為 2.15，壓縮前后圖像的 PSNR 值為 34.75。

3 結 語

小波變換在圖像處理領域具有十分重要的地位，小波包算法在其基礎上發(fā)展起來。該算法獨特的圖像處理特點決定了其能處理高頻、低頻兩種信息，使得圖像處理更加方便準確。在圖像處理中，往往使用多種不同功能的算法，以便查漏補缺，小波包算法也不例外。本文僅使用了圖像光照歸一化算法，雖然取得了一定的效果，但是更加先進的技術仍然需要去探索、發(fā)掘。

參 考 文 獻

[1] LI K，ZHOU J B， ZHAO Q H，et al.Research on fault diagnosis method of bearing based on second generation wavelet packets[C]// 2012 International Conference on Computer Science and Information Processing（CSIP），2012：24-26.