|
摘要：本文簡要介紹了圖像壓縮的重要性和常用的無損圖像壓縮算法，分析了快速高效無損圖像壓縮算法(FELICS)的優(yōu)勢，隨后詳細(xì)分析了該算法的編碼步驟和硬件實現(xiàn)方案，最后公布了基于該方案的FPGA性能指標(biāo)。和其他壓縮算法相比該方案可極大地減小無損圖像壓縮系統(tǒng)所需的存儲空間和壓縮時間。 引言 隨著信息技術(shù)的巨大革新，數(shù)據(jù)存儲和傳輸開始在人類生活中變得越來越重要，數(shù)據(jù)壓縮技術(shù)因而應(yīng)運而生，它不僅能減少數(shù)據(jù)存儲所需的空間還可以緩解傳輸帶寬的壓力。數(shù)據(jù)壓縮可以分為有損壓縮和無損壓縮兩種，其中有損壓縮技術(shù)可以獲得較高的壓縮比，但是會丟失一些圖片信息，可以應(yīng)用在對圖像質(zhì)量要求不高的領(lǐng)域，但是在醫(yī)療圖像、航天圖像等特殊領(lǐng)域中，則要求圖像壓縮算法是無損的[1]。 無損壓縮技術(shù)可以去除冗余信息并保證重建的步驟不會對原始信息帶來任何損失。這樣一來，解碼后的信息就和原始信息精確相等。CALIC [2]和JPEG-LS[3]等諸多算法都已經(jīng)被廣泛應(yīng)用在這一領(lǐng)域。另外，離散小波變換(DWT)算法也常被用來放松對開環(huán)視頻編碼系統(tǒng)存儲空間和帶寬的要求。但是，這些算法大多對數(shù)據(jù)具有嚴(yán)重的依賴性并且編碼步驟較為復(fù)雜，因此限制了其在高速產(chǎn)品中的應(yīng)用。快速高效無損圖像壓縮系統(tǒng)(FELICS)于1993年由P.G.howard提出[4]，這是一種以編碼效率見長的無損圖像壓縮算法，并且編碼時對數(shù)據(jù)沒有依賴性，因此能應(yīng)用在高速壓縮系統(tǒng)中[5-6]。幾種壓縮算法的壓縮比和壓縮時間對比如圖1所示，可以看出FELICS算法壓縮比適中，但壓縮效率的優(yōu)勢較為明顯。 接下來將詳細(xì)分析FELICS算法的優(yōu)勢和具體的編碼步驟，最后將針對這一壓縮算法提出一種基于FPGA的硬件實現(xiàn)方案。 1 整體算法設(shè)計 FELICS算法中應(yīng)用到三種主要的技術(shù)手段：像素點分布模型的選取、修正的二元編碼和GOLOMB-RICE熵編碼。 1.1 像素點分布模型 整幅圖像前兩個像素點不進(jìn)行編碼處理直接輸出，從第三個像素點開始選取與之相鄰的兩個像素點作為參考像素點，參考像素點的選取規(guī)則如圖3所示，用i和j來表示行號和列號，P,N1和N2表示當(dāng)前像素點和兩個參考像素點，選取規(guī)則如下： If (i==1 && j2) N1=P[i,j-1],N2=P[i,j-2]; If (i>1 && j==1) N1=P[i-1,j],N2=P[i-1,j+1]; If (i>1 && j>1) N1=P[i,j-1],N2=P[i-1,j]; 選出參考像素點N1與N2之后，將二者進(jìn)行比較，記較大者為H，較小者為L，Δ為H-L。 依照當(dāng)前像素點P位于區(qū)間[L,H]的位置信息，分為三種情況采用不同的編碼方式： If (L≤P≤H) 選用修正的二元編碼，并用1比特’0’來表示P落于[L,H]內(nèi)，殘余值R=P-L; If (P≤L) 選用GOLOMB-RICE編碼，并用2比特’10’表示P落于小于下界L的區(qū)間內(nèi),殘余值R=L-P-1; If (H≤P) 同樣選用GOLOMB-RICE編碼，并用2比特’11’表示P落于大于上界H的區(qū)間內(nèi),殘余值R=P-H-1。 1.2 修正的二元編碼 在修正二元編碼的編碼區(qū)間[L,H]內(nèi)，中間部分和兩邊部分相比，有像素點出現(xiàn)的概率要略高一些，所以對二進(jìn)制編碼進(jìn)行修正，對中間部分像素點的殘余值R賦予較短的編碼，對兩邊部分像素點的殘余值R賦予較長的編碼。例如當(dāng)△為5時，P值的可能值為0、1、2、3、4、5。在編碼時，將處在區(qū)間中央的2、3分別編碼為00和11，而將0、1、4、5分別編碼為110、111、100和101。 1.3 GOLOMB-RICE熵編碼 GOLOMB-RICE熵編碼是GOLOMB編碼的一種特殊情況，屬于指數(shù)編碼的一種。FELICS算法中像素點概率分布模型在小于下界L和大于上界H的部分是以指數(shù)形式分布的，符合GOLOMB-RICE編碼的適用范圍，因此選用這種編碼方法。編碼步驟如下： (1)選定參數(shù)K 在整幅圖像編碼開始之前，建立一個U×V×T比特大小的累加表，其中U,V和T分別代表背景值Δ的個數(shù)、備選K值的個數(shù)和每一個K值下累計編碼的長度。在每一次進(jìn)行GOLOMB-RICE編碼之前，按照Δ的數(shù)值定位到累加表的相應(yīng)行，選出累計編碼長度最短的K值作為當(dāng)前像素殘余值GOLOMB-RICE編碼的K值。 (2)分別確定一進(jìn)制和二進(jìn)制編碼 一進(jìn)制編碼：unary=R/2K的整數(shù)部分; 二進(jìn)制編碼：binary=R/2K的余數(shù)部分; 最終的GOLOMB-RICE編碼由三部分組成：unary個’1’,binary的二進(jìn)制形式和1比特’0’，其中’0’置于一進(jìn)制編碼和二進(jìn)制編碼之間，作為解碼時的標(biāo)志位。 (3)更新累加表 編碼完成之后要依次用備選的K值對殘余值R進(jìn)行GOLOMB-RICE編碼，計算出編碼的長度并累加到累加表中K值相應(yīng)的位置處，以用于后續(xù)像素點進(jìn)行GOLOMB-RICE編碼時K值的選取。 2 壓縮系統(tǒng)硬件設(shè)計 設(shè)計采用 4 級流水線結(jié)構(gòu)，系統(tǒng)只有一個主時鐘CLK作為工作時鐘。硬件實現(xiàn)包括控制單元、上下文模型選取單元、預(yù)測單元、熵編碼單元和并串轉(zhuǎn)換單元，硬件結(jié)構(gòu)框圖如圖 4。 控制單元負(fù)責(zé)產(chǎn)生控制信號以協(xié)調(diào)各電路模塊的工作順序;上下文模型選取單元將像素值輸入存儲器進(jìn)行存儲，產(chǎn)生當(dāng)前像素、相鄰像素和上下文預(yù)測值Δ;預(yù)測單元根據(jù)不同的上下文模型求出像素殘余值;編碼單元對像素殘余值進(jìn)行修正的二元編碼或GOLOMB-RICE編碼;并串轉(zhuǎn)換單元負(fù)責(zé)將編碼結(jié)果轉(zhuǎn)換為碼流進(jìn)行輸出。 圖5所示為各個電路子模塊的接口定義及連線圖。其中上下文產(chǎn)生模塊和預(yù)測模塊功能具有連續(xù)性，用一個模塊表示，像素值以光柵掃描的順序逐行進(jìn)行讀入，需要一個行存儲器對像素值進(jìn)行存儲，每完成對一個像素點的編碼操作之后，將存儲器中該處的像素值更新為當(dāng)前行當(dāng)前列的像素值，本方案處理的圖像大小為512*512，因此只需要一個512*8比特的存儲器。修正二元編碼和GOLOMB-RICE編碼模塊算法相對復(fù)雜一些，為了加快系統(tǒng)的時鐘頻率，將算法中的計算步驟進(jìn)行拆分細(xì)化。GOLOMB-RICE編碼模塊需要進(jìn)行參數(shù)K的選取，若K的可能值有4個，則還需要256*8*4比特大小的存儲器作為累加表。最后，由于編碼后的碼值是變長的，為了滿足輸出端口的要求，要對編碼結(jié)果進(jìn)行并串轉(zhuǎn)換操作，輸出端以碼流的形式進(jìn)行輸出。 壓縮系統(tǒng)已集成在XILINX VIRTEX-5 FPGA上，并利用開發(fā)板XUPV5_LX110T進(jìn)行了驗證，當(dāng)工作頻率為20MHZ時, 吞吐率可達(dá)45f/s，所需存儲空間僅為13.1Kbits，每幀的功耗僅為13.67毫瓦。經(jīng)過若干經(jīng)典圖像測試后發(fā)現(xiàn)此壓縮系統(tǒng)的平均壓縮比為2.2，和主流的無損圖像壓縮算法(如JPEG-LS)相當(dāng)，但壓縮效率提升約80%左右。 3 結(jié)語 科技的發(fā)展和移動終端的普及對圖像壓縮系統(tǒng)的處理效率提出了越來越高的要求。本方案中的無損圖像壓縮系統(tǒng)和傳統(tǒng)壓縮算法(如JPEG-LS, CALIC等)相比，在壓縮比相當(dāng)?shù)那闆r下，算法簡單，所需的存儲器面積和處理時間也都大幅度下降，可以很好地兼容到醫(yī)療或航天圖像壓縮系統(tǒng)中。 參考文獻(xiàn)： [1] Liang J Y, Chen C S, Huang C H, et al. Lossless compression of medical images using Hilbert space-filling curves [J]. Computerized Medical Imaging and Graphics, 2008, 32(3): 174-182 [2] Wu X, Memon N. Context-based, adaptive, lossless image coding[J]. Transactions On Communications, IEEE, 1997, 45(4): 437-444 [3] Lossless and Near-Lossless Coding of Continuous Still Images (JPEG-LS), ISO/IEC JTC1/SC29 WG1 ITU-T SG8 (JPEG/JBIG), CD 14495, 1998 [4] P. G. Howard and J. S. Vitter, Fast and efficient lossless image compression[C], in Proc. IEEE Int. Conf. Data Compression, 1993 [5] Tsai T H,Lee Y H,Lee Y Y. Design and analysis of high-throughput lossless image compression engine using VLSI-oriented FELICS algorithm [J]. Transactions on Very Large Scale Integration (VLSI) Systems, IEEE, 2010 [6] 薛金勇,黑勇,陳黎明.快速高效無損圖像壓縮系統(tǒng)的低功耗硬件實現(xiàn)[J].哈爾濱工程大學(xué)學(xué)報,2014 |
