[发明专利]基于大数据的图像智能压缩方法

权利要求书

1.基于大数据的图像智能压缩方法，其特征在于，该方法包括：

S1、获取各个待压缩图像的灰度图；

S2、将每个灰度图中每行像素点进行分段，得到每行像素点对应的多个子像素段；

S3、获取每个子像素段中像素点灰度值的变化规律，根据变化规律获取待压缩灰度图中每个子像素段对应的像素点灰度值的等差数列，确定每个等差数列的公差、首项以及项数；

S4、存储待压缩图像的每个等差数列的首项、公差及项数，得到压缩图像。

2.根据权利要求1所述的基于大数据的图像智能压缩方法，其特征在于，存储待压缩图像的每个等差数列的首项、公差及项数的步骤包括：

对待压缩图像中的所有子像素段按照顺序进行编号；

按照子像素段的编号依次将每个子像素段对应的等差数列的首项、公差及项数存储。

3.根据权利要求1所述的基于大数据的图像智能压缩方法，其特征在于，存储待压缩图像的每个等差数列的首项、公差及项数的步骤还包括：

对所有等差数列进行分类；

存储每类不同的等差数列的首项、公差及项数；

每类相同的等差数列的首项、公差只存储一次，并存储每个等差数列对应的项数。

4.根据权利要求1所述的基于大数据的图像智能压缩方法，其特征在于，将每个灰度图中每行像素点进行分段，得到每行像素点对应的多个子像素段步骤包括：

通过边缘检测算法对灰度图进行边缘检测得到灰度图的边缘像素点；

将灰度图中每行像素点中的起始像素点作为该行像素点的起始极点，灰度图中每行像素点中的终止像素点作为该行像素点的终止极点，灰度图的边缘像素点作为该行像素点的中间极点；

将起始极点与相邻的中间极点作为一段子像素段、中间极点与相邻的中间极点作为一段子像素段及中间极点与相邻的终止极点作为一段子像素段，得到多个子像素段。

5.根据权利要求4所述的基于大数据的图像智能压缩方法，其特征在于，通过边缘检测算法对灰度图进行边缘检测得到灰度图的边缘像素点的步骤包括：

对灰度图进行滤波降噪处理；

对降噪后的灰度图通过差分计算梯度幅值；其中，在差分计算幅值中，以x方向的Sobel算子作为梯度算子计算梯度，得到图像在x方向上的偏导数矩阵，进而得到在x方向上计算梯度的幅值；

根据梯度幅值对像素点进行非极大值抑制、阈值滞后处理和孤立弱边缘抑制，得到连续且幅值大的边缘像素点。

6.根据权利要求1所述的基于大数据的图像智能压缩方法，其特征在于，获取子像素段中像素点灰度值的变化规律，根据变化规律获取各个灰度图中每个子像素段对应的像素点灰度值的等差数列的步骤包括：

将每个像素段中所有像素点灰度值记为一段序列，计算每个序列的所有像素点的灰度值的均值μ₀和方差

对每个序列进行一阶差分，得到一阶差分序列，计算每个一阶差分序列的均值μ₁和方差

若且μ₁×t≤20，则该序列近似为常数序列，即灰度值近似保持一致，常数序列是一种特殊的等差数列，其公差为0；否则，该序列近似为等差数列，其中，μ₁为该等差序数的公差，t表示等差序列的项数；

以起始极点的灰度值h₁为等差数列的首项、以起始极点、中间极点、终止极点中相邻的极点之间像素点的个数加一为等差数列的项数t、以μ₁为该等差数列的公差得到每个子像素段序列的等差数列。

7.根据权利要求1所述的基于大数据的图像智能压缩方法，其特征在于，还包括：对压缩图像进行还原，得到原始图像步骤，该步骤包括：

根据下式(1)计算压缩图像中每个像素点还原后的灰度值：

其中，h_l表示第l个像素点的灰度值，表示第l个像素点是第n+1个序列中的第k项，表示第i_n+1个像素段对应的等差数列的首项，表示第i_n+1个像素段对应的等差数列的公差；

根据所有像素点的灰度值及每个子像素段的序号，对压缩图像进行还原，得到完整的原始图像的灰度图。