[发明专利]一种压缩数字图像的方法

说明书

一种减小原始矩阵的熵的方法，其特征在于该方法包括：使用把所述原始矩阵变换为变换矩阵的小波变换的步骤；量化系数对应于每个小波级数；计算所述小波变换是通过使用在小数点后的至少等于1例如3个数字的第一数字数量以定点进行的。这样的方法用于图像压缩特别有利。

技术领域

本发明涉及一种矩阵编码领域：尤其用于媒体的编码，尤其是以数字文件形式的图像或视频媒体。本发明更具体地涉及用于减少这些文件的熵的方法，熵比如由香农公式定义的那样，这将在后面限定。

背景技术

香农熵定义信号中存在的信息“量”，因此给出用于借助二进制编码技术对该信号进行编码所需的比特量的精确指示，二进制编码技术比如算术编码或霍夫曼编码。值越多重复并且规则分布在信号中，该信号的熵越小。一般的熵计算公式如下：

其中Pi表示每个符号的出现概率。

由此可得减小数字文件的权重(比特数量)的方式是减小它的熵。

小波变换被用于减小数字文件的权重。这尤其是数字图像的某些压缩格式(比如jpeg2000)的情况。

矩阵的小波变换包括把该矩阵分成所谓的近似矩阵或L矩阵，和所谓的细节矩阵或H矩阵。这些中的每个矩阵都包含原始矩阵的值的大约一半。L近似矩阵对应于原始矩阵的“缩减图像”，H细节矩阵对应于被移除以减小矩阵尺寸的细节。

在二维小波变换中，可以使用水平或竖直的小波变换。通常，变换是在一个方向(如竖直)执行以便获得L型近似矩阵和H型细节矩阵，然后在反方向(例如水平)对于L和H型的矩阵中的每一个执行。对于L型近似矩阵应用该第二变换产生LL型的近似矩阵和LH型的细节矩阵。对于H型细节矩阵应用该第二变换产生HL型和HH型的两个细节矩阵。下文中小波级数是指在两个方向上用于获得LL近似矩阵和三个细节矩阵HL、LH、HH的相继应用的变换，如上所述。

当使用小波用于二维图像压缩时，在每一级结束，LH、HL和 HH类型的细节矩阵通常被量化以减小它们的熵，而新的小波级数可以应用于LL类型矩阵。因此可以应用对于相继LL类型的近似矩阵所需的级数相同的级数。

Jpeg2000还使用死区标量量化。某些小波变换是无损的；然而，对于每个小波级数应用量化导致舍入误差，这在进行相继的级时累积：首先是压缩，然后是再现压缩的数字文件。该舍入问题仅在与该级相关联的LH、HL、HH型细节矩阵被量化时出现。

发明内容

本发明的目的因此是提出用于在使用小波变换过程中在压缩数字文件时减小舍入误差的方法。

在本文中，为了简化，除非相反表明，数字值是十进制书写的，尽管运算可能针对二进制值进行。当值被写作二进制时，其会被清楚表示；因此，二进制的1000将标为(1000)₂。

根据本发明的减小原始矩阵的熵的方法的特征在于：

-该方法包括使用把所述原始矩阵变换为变换矩阵的小波变换的步骤；

-量化系数对应于每个小波级数的每个细节矩阵；

-计算所述小波变换是通过使用在小数点后的至少等于1的第一数字数量以定点至少针对以下每个小波级数进行的：对于该小波级数而言，细节矩阵的量化系数中的至少一个量化系数严格大于1。

优选地，小波级数的每个细节子矩阵的量化系数小于或等于前一级数的等效细节矩阵的系数。优选地，所用的量化器是均匀标量量化器，也就是说，对于每个细节矩阵都是唯一的，而无论被除以的值如何。