图片压缩简介

图片压缩简介#

参考：image-compression

图像压缩是计算机视觉中的关键技术，它使我们能够在保持视觉质量的同时更高效地存储和传输图像。理想情况下，希望拥有文件小且质量最佳的图像。然而，必须做出权衡并决定哪个更重要。

什么是图像压缩？#

图像压缩是指在保持可接受的视觉质量水平的同时，减小图像文件的大小。压缩主要有两种类型：

  • 无损压缩：保留所有原始数据，允许精确地重建图像。

  • 有损压缩：为了实现更小的文件大小而丢弃部分数据，可能会降低图像质量。

为什么要压缩图像？#

如果经常听到“磁盘空间很便宜”，那么为什么还要压缩图像呢？在小规模情况下，图像压缩并不重要，但在大规模情况下，它至关重要。

例如，如果你硬盘上有几张图片，你可以压缩它们并节省几兆字节的数据。当硬盘容量以 TB 为单位时，这种节省的影响并不大。但如果你硬盘上有 10 万张图片呢？一些基本的压缩可以节省实际的时间和金钱。从性能角度来看，情况也是如此。如果你有包含大量图片的网站，每天有 1 万人访问你的网站，压缩就显得非常重要。

这样做的原因如下：

  • 减少存储需求：在相同的空间中存储更多的图像

  • 加快传输速度：非常适合网络应用和带宽受限的场景

  • 提高处理速度：较小的图像加载和处理速度更快

图像压缩背后的理论#

图像压缩技术利用了两种冗余：

  • 空间冗余：相邻像素之间的相关性

  • 颜色冗余：相邻区域中颜色值的相似性

空间冗余 利用了大多数自然图像中相邻像素往往具有相似值的事实。这创造了平滑的过渡。许多照片“看起来真实”是因为从一个区域到另一个区域有自然的流动。当相邻像素的值差异很大时，你会得到“噪声”图像。通过将像素分组为单一颜色，使这些过渡不那么“平滑”，从而使图像变小。

另一方面，颜色冗余 关注的是图像中相邻区域通常共享相似颜色的情况。想象一下蓝天或绿草地——图像的大部分区域可能具有非常相似的颜色值。它们也可以被分组并合并为单一颜色以节省空间。

备注

特性

空间冗余

颜色冗余

定义

相邻像素之间的相关性

不同区域的颜色相似性

关注对象

像素的空间关系

颜色的分布和相似性

压缩方法

预测编码、变换编码

颜色空间转换、颜色量化

应用场景

减少相邻像素的重复信息

减少颜色信息的重复

举例

蓝天中相邻像素的值几乎相同

蓝天中所有像素的颜色值非常接近

OpenCV提供了强大的工具来处理这些概念。例如，利用空间冗余，OpenCV的 cv2.inpaint() 函数可以使用附近像素的信息来填充图片中缺失或损坏的区域。OpenCV 还允许开发者使用 cv2.cvtColor() 函数在多个颜色空间之间转换图像，以处理颜色冗余。这在许多压缩技术的预处理步骤中可能会有所帮助，因为某些颜色空间在编码特定类型的图像时比其他颜色空间更有效。

import cv2
import numpy as np

def compress_image(image_path, quality=90):
    # Read the image
    img = cv2.imread(image_path)
        
        # Encode the image with JPEG compression
    encode_param = [int(cv2.IMWRITE_JPEG_QUALITY), quality]
    _, encoded_img = cv2.imencode('.jpg', img, encode_param)
        
        # Decode the compressed image
    decoded_img = cv2.imdecode(encoded_img, cv2.IMREAD_COLOR)
    
    return decoded_img

compressed_img = compress_image('original_image.jpg', quality=50)

这个示例包含 compress_image 函数，它接受两个参数：

  1. 图像路径（图像所在的位置）

  2. 质量（期望的图像质量）

这个示例展示了如何使用 OpenCV 中的 JPEG 压缩来压缩图像。质量参数控制文件大小和图像质量之间的权衡。