圖像壓縮算法性能的測(cè)試與分析工具

1、圖像壓縮算法性能的測(cè)試與分析工具 1蔡正興,張虹中國(guó)礦業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇徐州 (221008摘 要:本文研究了圖像壓縮算法性能的評(píng)價(jià)方法,提出了圖像壓縮算法性能的測(cè)試算法, 包括橫向比較測(cè)試和縱向分解測(cè)試, 并在此基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了壓縮算法性能的測(cè)試與分析 工具。 該工具能夠測(cè)試和分析壓縮算法的性能, 并自動(dòng)生成各種分析圖表, 為用戶提供了方 便,具有較大的實(shí)用價(jià)值。為了提高評(píng)價(jià)的效率、準(zhǔn)確性和全面性,文中提出了測(cè)試圖像的 選擇方法和測(cè)試結(jié)果的分析方法,具有一定的理論意義。關(guān)鍵詞:壓縮性能,測(cè)試方法,分析方法,圖像選擇方法1. 引言近年來(lái),圖像壓縮得到快速發(fā)展 1,各種算法層出不

2、窮,比如有損的壓縮算法可以在低 失真的條件下達(dá)到高壓縮比 2, 3,而無(wú)損的壓縮算法則可以保證重建圖像的無(wú)失真 4。因此 在實(shí)際應(yīng)用中得知各種壓縮算法的性能及特點(diǎn)是必要的。 在評(píng)價(jià)圖像壓縮算法性能時(shí)主要考 慮壓縮比、重建質(zhì)量、時(shí)間復(fù)雜度、空間復(fù)雜度和實(shí)現(xiàn)代價(jià)這幾個(gè)方面 5,其中較為重要的 是壓縮比、重建質(zhì)量和時(shí)間復(fù)雜度。為了計(jì)算這些壓縮性能指標(biāo),常常使用一些工具軟件, 比如在圖像處理領(lǐng)域廣泛使用的 MATLAB 系列軟件, 它提供了大量的內(nèi)置函數(shù) 6, 操作方便, 功能強(qiáng)大, 但它不是評(píng)價(jià)圖像壓縮算法性能的專業(yè)工具, 需要進(jìn)行二次開(kāi)發(fā), 不能有效的分 析和評(píng)價(jià)壓縮性能。其次,利用性能指標(biāo)來(lái)評(píng)價(jià)

3、壓縮方法,盡管方便快捷,但還不能反映圖 像壓縮算法的全部特點(diǎn)。例如,在考慮變換編碼系統(tǒng)的失真性質(zhì)時(shí),一般采用 MSE(均方誤 差 ,有時(shí)利用 MSE 計(jì)算得到的重建質(zhì)量很好,但視覺(jué)效果卻不好,這是因?yàn)?MSE 對(duì)圖像中 的失真顯著性不敏感 7,可見(jiàn),性能指標(biāo)僅僅是對(duì)壓縮算法進(jìn)行宏觀上的評(píng)價(jià),無(wú)法評(píng)價(jià)每 個(gè)過(guò)程對(duì)壓縮性能的影響。再次,在評(píng)價(jià)壓縮性能時(shí),不可避免地要使用測(cè)試圖像,用戶在 選擇測(cè)試圖像時(shí)帶有隨機(jī)性, 不利于全面地評(píng)價(jià)壓縮方法。 針對(duì)這些不足, 本文設(shè)計(jì)了圖像 壓縮算法性能的測(cè)試與分析工具 AutoTA 。 AutoTA 的目標(biāo)是自動(dòng)地對(duì)圖像壓縮算法進(jìn)行 測(cè)試與分析,并生成各種分析圖表

4、,全面的評(píng)價(jià)圖像壓縮算法的性能。 AutoTA 具有廣泛的 應(yīng)用前景,科研人員利用 AutoTA 可橫向比較各種壓縮算法的性能,也可縱向分析壓縮算法 的特點(diǎn);工程技術(shù)人員也可以根據(jù) AutoTA 的測(cè)試結(jié)果,在實(shí)際應(yīng)用中選擇合適的圖像壓縮 算法。2. 壓縮算法性能指標(biāo)壓縮性能指標(biāo)是評(píng)價(jià)壓縮算法的重要方面,也是 AutoTA 分析圖像壓縮算法性能的重要 依據(jù),下面將描述相關(guān)的性能指標(biāo)。2.1壓縮比壓縮比是指壓縮過(guò)程中輸入數(shù)據(jù)量和輸出數(shù)據(jù)量之比, 反映了圖像壓縮算法的壓縮性能, 當(dāng)壓縮比小于 1時(shí)為正壓縮,當(dāng)壓縮比大于 1時(shí)為負(fù)壓縮。壓縮比的計(jì)算公式為:1本課題得到國(guó)家自然科學(xué)基金項(xiàng)目 (編號(hào):6

5、0372102 、教育部博士點(diǎn)基金項(xiàng)目 (編號(hào):20030290011 、軟件 新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室課題 (編號(hào):A200309 資助。=輸入文件大小 壓縮比 輸出文件大小.1 這里輸入文件指的是原始文件, 輸出文件指的是壓縮后的文件。 值得注意的是, 這種度量方 法必須指明輸入輸出的顯示形式,否則將是不可靠的 8。2.2峰值信噪比在有損圖像壓縮中, 峰值信噪比用來(lái)衡量與原始圖像相比較的重建圖像的質(zhì)量, 與人類 視覺(jué)系統(tǒng)所察覺(jué)到的誤差有有限的近似關(guān)系 7,易于計(jì)算,定義為:2(21 PSNR=10lgB MSE 2 其中 B 表示該圖像的色深, MSE 為原圖像和恢復(fù)圖像的失真均方差,定義為:

6、1212112121200121(, , N N n n MSE n n n n N N =. 3其中 12, n n 表示原圖像在 處數(shù)值, 表示重建圖像在 處數(shù)值。 12, n n 21, n n 12, n n 2.3時(shí)間復(fù)雜度時(shí)間復(fù)雜度是指圖像壓縮算法編解碼的速度,希望編解碼的速度很快。在許多應(yīng)用中, 編解碼將在不同的時(shí)間,不同的地點(diǎn)和不同的系統(tǒng)中運(yùn)行 8,因此編解碼速度對(duì)評(píng)價(jià)壓縮算 法的效率和通用性具有重要的意義。 AutoTA 中采用讀取 CPU 中的存儲(chǔ)器值的方法來(lái)計(jì)算編 解碼時(shí)間,描述如下:在壓縮或解壓縮算法運(yùn)行前,先讀取 CPU 內(nèi)部 64位計(jì)數(shù)器的值并存儲(chǔ);在壓縮或解壓縮算

7、法運(yùn)行結(jié)束后,再次讀取 CPU 內(nèi)部 64位計(jì)數(shù)器的值并存儲(chǔ);將兩次的存儲(chǔ)值相減,得到運(yùn)行的時(shí)鐘周期數(shù),用該值除 CPU 的頻率就得到算法運(yùn)行 的時(shí)間。計(jì)算公式為:2T T T H=1 .4 其中 表示算法運(yùn)行結(jié)束時(shí) CPU 計(jì)數(shù)器的值, 表示算法運(yùn)行前 CPU 計(jì)算器的值, H 代 表 CPU 的頻率。2T 1T 還有一些壓縮性能指標(biāo)如空間復(fù)雜度,實(shí)現(xiàn)代價(jià)等無(wú)法精確衡量,本文暫不討論。3. AutoTA系統(tǒng)設(shè)計(jì)3.1系統(tǒng)結(jié)構(gòu)AutoTA 以目前常見(jiàn)的幾種壓縮算法為測(cè)試和分析對(duì)象,主要包括離散余弦變換 (DCT算法、離散小波變換 (DWT算法、哈夫曼編碼算法、算法編碼算法、 JPEG 壓縮算法

8、 和 JPEG2000壓縮算法 。在實(shí)現(xiàn)這些壓縮算法的同時(shí),重點(diǎn)在于實(shí)現(xiàn)對(duì)圖像壓縮算法的測(cè)試 和分析, 測(cè)試的目的在于獲得性能指標(biāo)等數(shù)據(jù), 而分析則是利用這些數(shù)據(jù)對(duì)壓縮性能進(jìn)行評(píng) 價(jià),因此 AutoTA 應(yīng)該具備 97圖像壓縮算法的測(cè)試功能、分析功能、測(cè)試圖像選擇功能、圖像壓縮質(zhì)量控制功能、性能指標(biāo)的計(jì)算功能、壓縮算法的分解功能等。由此,圖像壓縮算法的 性能測(cè)試與分析工具可劃分為五個(gè)部分:初始化設(shè)定、測(cè)試圖像選擇、壓縮算法實(shí)現(xiàn)、參數(shù) 計(jì)算和性能分析。 初始化部分選擇待測(cè)試的壓縮算法和測(cè)試策略, 進(jìn)行壓縮圖像的質(zhì)量控制 和性能指標(biāo)的選擇; 測(cè)試圖像選擇主要是系統(tǒng)根據(jù)設(shè)定的測(cè)試算法自動(dòng)的選擇測(cè)試圖

9、像; 壓 縮算法實(shí)現(xiàn)部分根據(jù)要求實(shí)現(xiàn)相應(yīng)的壓縮算法; 參數(shù)計(jì)算部分進(jìn)行性能指標(biāo)的計(jì)算或者跟蹤 壓縮算法每一步的數(shù)據(jù)變化; 性能分析部分根據(jù)測(cè)試策略和計(jì)算得到的各種數(shù)據(jù), 自動(dòng)生成 各種性能分析圖表。系統(tǒng)結(jié)構(gòu)如圖 1所示。 圖 1 AutoTA 系統(tǒng)框架3.2工作原理由 AutoTA 的框架圖可知,用戶需要選擇測(cè)試策略,并指定待測(cè)試的壓縮算法,可以是 一種或多種,由測(cè)試策略確定;確定壓縮算法后,用戶需要進(jìn)行系統(tǒng)參數(shù)的設(shè)置,這和具體 的測(cè)試策略有關(guān),比如恢復(fù)圖象質(zhì)量,跟蹤數(shù)據(jù)塊大小等;然后, AutoTA 將自動(dòng)地選擇測(cè) 試圖像, 并調(diào)用指定的圖像壓縮算法, 計(jì)算需要的參數(shù), 如性能指標(biāo)等, 并存

10、儲(chǔ)于數(shù)據(jù)庫(kù)中; 最后系統(tǒng)將分析這些數(shù)據(jù),并繪制圖表。3.3 AutoTA的實(shí)現(xiàn)技術(shù)AutoTA 的關(guān)鍵在于壓縮算法的測(cè)試方法,測(cè)試圖像的選擇方法和測(cè)試結(jié)果的分析方法。 以下將詳細(xì)介紹它們的實(shí)現(xiàn)算法。3.3.1 AutoTA測(cè)試方法為了全面的評(píng)價(jià)圖像壓縮算法,避免利用性能指標(biāo)評(píng)價(jià)壓縮算法的誤差,本文提出了 兩種測(cè)試方法 : 橫向比較測(cè)試和縱向分解測(cè)試。 橫向比較測(cè)試是將待評(píng)價(jià)的圖像壓縮算法與 其他壓縮算法進(jìn)行比較, 比較的內(nèi)容是壓縮性能指標(biāo); 縱向分解測(cè)試是將待評(píng)價(jià)圖像壓縮算 法分步驟實(shí)現(xiàn),并記錄每一步的數(shù)據(jù),縱向觀察數(shù)據(jù)的變化。測(cè)試方法是 AutoTA 的基礎(chǔ), 它決定整個(gè)系統(tǒng)的流程。下面給出

11、測(cè)試策略的實(shí)現(xiàn)算法:1 系統(tǒng)初始化。 令 n=0, testmethod=0, imagemethod=3, imagecount=1, imagequality=100, blocksize=4, x=0, y=0。其中 n 表示測(cè)試次數(shù),為正整數(shù); testmethod 表示測(cè)試策略, 0代表橫向比較測(cè)試, 1代表分解測(cè)試,為布爾型數(shù); imagemethod 表示測(cè)試圖像的選擇方法, 1代表同類圖像, 2代表不同類圖像, 3代表隨機(jī)選取, 為正整數(shù); imagecount 表示測(cè)試圖像的數(shù)目, 為正整數(shù); imagequality 表示壓縮圖像質(zhì)量,其值在 0到 100之間變化,值越大表

12、示圖像質(zhì)量越好; blocksize 表示跟蹤的塊大小,為正整數(shù)且是 2的方冪; x , y 表示跟蹤塊的起始位置,為整 數(shù)且大于等于 0。2選擇測(cè)試策略,即設(shè)定 testmethod 。3設(shè)定測(cè)試圖像選擇方法,即設(shè)定 imagemethod 。4對(duì)測(cè)試策略進(jìn)行判斷。if testmethod=0,則設(shè)定測(cè)試次數(shù) n ;設(shè)定 imagecount 為 n ;設(shè)定 imagequality ;選擇需要計(jì)算的性能指標(biāo),包括 PSNR 、壓縮比、壓縮時(shí)間等。調(diào)用測(cè)試圖像選擇算法;循環(huán)調(diào)用相應(yīng)的圖像壓縮方法,循環(huán)次數(shù)為 n ;計(jì)算選擇的性能指標(biāo),并存入數(shù)據(jù)庫(kù);調(diào)用壓縮結(jié)果分析算法。else設(shè)定 n=1

13、;設(shè)定 imagecount 為 n ;設(shè)定 blocksize 和 x , y ;設(shè)定 imagequality ;調(diào)用測(cè)試圖像選擇算法;調(diào)用相應(yīng)的圖像壓縮方法;記錄每一步變換后,跟蹤塊的數(shù)據(jù),并存入數(shù)據(jù)庫(kù)中;調(diào)用壓縮結(jié)果分析算法。end5算法結(jié)束。3.3.2測(cè)試圖像選擇方法測(cè)試圖像對(duì)全面而準(zhǔn)確地評(píng)價(jià)壓縮算法具有重要意義, 因?yàn)槿魏我环N壓縮算法都不可能 對(duì)所有的圖像都適用, 因此在測(cè)試壓縮算法時(shí), 需要有針對(duì)性地選擇測(cè)試圖像, 本文認(rèn)為測(cè) 試圖像的選擇應(yīng)遵循以下幾個(gè)原則:1 測(cè)試圖像要包括多種類型;2 每幅測(cè)試圖像需要有多種特性,比如說(shuō)在一幅以連續(xù)色調(diào)為主的圖像中有一些離散 色調(diào),或者在大多

14、數(shù)圖像像素相似的情況下,有一些跳躍的像素等等;3 測(cè)試圖像應(yīng)有不同的大小。這里的大小是指圖像的高度與寬度的乘積。為了符合這些原則, 本文提出了基于圖像特征的測(cè)試圖像選擇方法。 該方法首先對(duì)圖像 進(jìn)行顏色空間的轉(zhuǎn)換,由 RGB 空間轉(zhuǎn)換為 HSV 空間,然后對(duì) HSV 空間進(jìn)行區(qū)域分類,并 使用區(qū)域生長(zhǎng)算法對(duì)圖像進(jìn)行分割和合并, 將得到一系列的塊, 計(jì)算各個(gè)塊的尺寸, 色度平 均值和均方差, 并作為該圖像的特征, 最后利用特征值選擇符合要求的圖像。 下面先給出顏 色空間轉(zhuǎn)換方法和區(qū)域生長(zhǎng)方法的描述。3.3.2.1顏色空間轉(zhuǎn)換及色度空間劃分規(guī)則一般認(rèn)為 R,G,B 顏色空間與人眼的感知差異很大,這

15、里采用較好符合人眼感知特性的 HSV 顏色模型。首先將圖像中每一像素的 r,g,b 值轉(zhuǎn)換為 h,s,v 值 (h 0,2,s 0,1,v 0,1, 然后將轉(zhuǎn)換后將色彩空間劃分為三部分 10:黑色區(qū)域 :所有 v <20%的顏色均歸入黑色 , 令 h =0,s =0,v =0;白色區(qū)域 :所有 s <20%且 v >70%的顏色歸入白色 , 令 h =0,s =0,v =1;彩色區(qū)域 :位于黑色區(qū)域和白色區(qū)域以外的顏色 , 其 h, s, v值保持不變。3.3.2.2 區(qū)域生長(zhǎng)算法區(qū)域生長(zhǎng)算法 11主要用于圖像分割與合并,描述如下:將圖像分成等面積的單元 .從左上角的第 1個(gè)

16、單元開(kāi)始與其相鄰的單元進(jìn)行顏色比較 , 若兩者相似且符合歸并準(zhǔn) 則 , 那么就將兩者歸并形成一個(gè)小片 , 并且計(jì)算該小片的平均顏色 . 若相鄰的某單元與其顏色 不相似 , 則將該單元標(biāo)以 “ 未完成 ”.繼續(xù)將小片與其相鄰單元逐個(gè)進(jìn)行顏色比較 , 凡是與小片相似者并入小片使小片逐漸 生長(zhǎng)擴(kuò)大 , 直到?jīng)]有再可歸并的單元為止 . 然后將此生長(zhǎng)完畢的小片標(biāo)以 “ 已完成 ”.對(duì)于下一個(gè) “ 未完成 ” 的單元重復(fù)上面生長(zhǎng)小片的步驟 , 直到所有的單元都已被標(biāo)記為 “ 已完成 ”.區(qū)域生長(zhǎng)方法的關(guān)鍵是要使用合適的相鄰單元合并的門(mén)限,本文設(shè)定顏色 (c 1 ,c2,c 3的距離門(mén)限為 0.512,進(jìn)一

17、步提高區(qū)域生長(zhǎng)方法的精度需要利用區(qū)域間的特征進(jìn)行單元合并等后 處理工作 13,這里不作討論。在圖 1的模塊 2中實(shí)現(xiàn)了測(cè)試圖像的選擇,實(shí)現(xiàn)算法為:1 設(shè)定 imagetype ,這里 imagetype 表示測(cè)試的圖像類型,為正整數(shù), 1表示連續(xù)色調(diào)圖 像, 2表示離散色調(diào)圖像, 3表示隨機(jī)圖像;將測(cè)試圖像集中所有圖像的 imageflag 置 0,這 里 imageflag 為測(cè)試圖像集中圖像的選中標(biāo)志, 1表示選中, 0表示未選中,為布爾數(shù);2 按照要求從測(cè)試圖像集中隨機(jī)選擇一幅圖像 A ;3 對(duì)選擇圖像數(shù)量 imagecount 進(jìn)行判斷。if imagecount=1算法結(jié)束;else

18、取 imagecount , imagemethod 值;for j=1:1: imagecount-1調(diào)用圖像篩選算法;輸出圖像編號(hào)。endend這里 imagecount , imagemethod 的值由模塊 1確定, j 為正整數(shù);4 算法結(jié)束。圖像篩選算法基于圖像的特征,實(shí)現(xiàn)算法為:1 判斷測(cè)試圖像集每幅圖像 imageflag 值。if imageflag=1選擇下一幅圖像;Else選擇當(dāng)前圖像 B ; imageflag=1; 將圖像由顏色空間轉(zhuǎn)換為色度空間； 使用色度空間的劃分規(guī)則對(duì)圖像進(jìn)行處理。 End 2用區(qū)域生長(zhǎng)方法對(duì)圖像進(jìn)行區(qū)域分割與合并，并記錄合并后每個(gè)區(qū)域的數(shù)據(jù)，包

19、括區(qū) 域的長(zhǎng)度、寬度、色度平均值和色度均方差。 3依次比較 A 和 B 兩幅圖像中從大到小的 m 個(gè)區(qū)域的長(zhǎng)度、寬度、色度平均值和均方 差，并計(jì)算兩者的誤差，如果所有參數(shù)的誤差都在 20%以內(nèi)，則認(rèn)為是相似的，如果有一 個(gè)參數(shù)的誤差超過(guò) 20%則認(rèn)為是不相似的，不相似程度由誤差的大小表示。這里 m 指圖像 的區(qū)域數(shù)，如果有一幅圖像區(qū)域數(shù)不足 m，則按較小的 m 取值。然后設(shè)定 similar 的值，0 表示相似，1 表示不相似，這里 similar 為布爾數(shù)。色度平均值定義式為： S= 1 m 1 Si m i =0 .5 色度均方差定義為： S'= 1 m 1 ( Si S 2 m

20、i =0 .6 其中Si表示某點(diǎn)的色度，m為正整數(shù)，i為整數(shù)且大于等于 0。 誤差定義為： D= | X 2 X1 | ×100% X1 .7 式中 D 表示誤差， X 1 表示原始圖像的尺寸或其他參數(shù)值， X 2 表示待選取圖像的尺寸 或其他參數(shù)值。 4）根據(jù) imagemethod 和 similar 的值判斷當(dāng)前圖像是否保留。 if imagemethod =3 /表示隨機(jī)選取圖像 保留當(dāng)前圖像； else /表示選取同類型或者不同類型的圖像 imagemethod = imagemethod-1； if imagemethod=similar 保留當(dāng)前圖像； else 不保留

21、。 end end 5）算法結(jié)束，復(fù)位，imagetype=3，其它變量置 0。 3.3.3 AutoTA 分析方法 AutoTA 采用的分析策略與測(cè)試策略相對(duì)應(yīng)， 如果是橫向比較測(cè)試則分析壓縮算法的性 能指標(biāo)； 如果是縱向分解測(cè)試則分析壓縮算法每一步的數(shù)據(jù)變化。 1 中的模塊 5 實(shí)現(xiàn)這一 圖 功能，具體算法描述如下。 /算法開(kāi)始 判斷 testmethod 的值。/testmethod 的值由模塊 1 確定 -6- if testmethod=0 /橫向比較測(cè)試 讀取 n； 從數(shù)據(jù)庫(kù)中取出 n 份性能指標(biāo)； 繪制圖表； else /分解測(cè)試 取得 blocksize*blocksize 的

22、原始圖像數(shù)據(jù)；/blocksize 的值由模塊 1 確定 從數(shù)據(jù)庫(kù)中取出每步的跟蹤數(shù)據(jù)；/大小為 blocksize*blocksize 繪制圖表； End 4. 測(cè)試結(jié)果分析 AutoTA 可以自動(dòng)地對(duì)壓縮算法的性能進(jìn)行測(cè)試，測(cè)試方法包括橫向比較測(cè)試和縱向分 解測(cè)試，最后自動(dòng)生成各種分析圖表。這里給出對(duì) DCT 和 DWT 算法進(jìn)行測(cè)試與分析的結(jié) 果。 本文的測(cè)試環(huán)境均為 Intel Celeron CPU 1.70GHz,256MB 內(nèi)存， DWT 進(jìn)行的是三層變換， 選擇的基小波為 w5/3。首先選擇橫向比較測(cè)試，AutoTA 根據(jù)測(cè)試圖像選擇算法自動(dòng)選定了 四幅測(cè)試圖像(bmp 格式：

23、lena、girl、copule 和 boat，設(shè)定的性能指標(biāo)包括變換時(shí)間、反變 換時(shí)間和峰值信噪比，測(cè)試結(jié)果如圖 2、圖 3 所示。由圖 2 可以看出 DCT 算法在編解碼速 度上都要比 DWT 優(yōu)越，而且較為明顯，這主要是由于 DWT 要進(jìn)行卷積運(yùn)算的緣故；由圖 3 可知兩者在圖像重建質(zhì)量上較為接近，從曲線的變化趨勢(shì)還可知，對(duì)不同的測(cè)試圖像，兩 者在重建時(shí)質(zhì)量有相同的變化規(guī)律， 當(dāng)然圖像重建質(zhì)量和 DWT 的變換層次和選擇的基小波 也有關(guān)系。其次選擇縱向分解測(cè)試，采用的測(cè)試圖像為 lena(格式為 bmp，選擇跟蹤的塊大 小為 4*4。得到 DCT 與 DWT 的變換數(shù)據(jù)如表 1 所示，A

24、utoTA 繪制的數(shù)據(jù)變化趨勢(shì)圖如圖 4 所示。由表 1，可以看出 DCT 變換和 DWT 變換后多數(shù)能量都集中在左上角，DCT 越往右 下角方向，能量越小，而 DWT 的變換數(shù)據(jù)除了左上角的數(shù)據(jù)，其他數(shù)據(jù)相差不大，從而可 以說(shuō)明 DCT 的能量集中特性和 DWT 的多分辨率特性；由圖 4，可以看出經(jīng) DCT 與 DWT 變換后的數(shù)據(jù)變化趨勢(shì)基本一致，但 DCT 數(shù)據(jù)存在跳變，這也是 DCT 存在塊效應(yīng)的原因。 圖 2 DCT 與 DWT 時(shí)間性能對(duì)比圖 圖 3 DCT 與 DWT 重建質(zhì)量對(duì)比圖 -7- 表 1 圖像原始數(shù)據(jù)與 DCT、DWT 變換數(shù)據(jù) 原始數(shù)據(jù) 變換數(shù)據(jù) DCT 變 224

25、 29 -1 -2 換 13 5 -5 1 64 64 60 54 0 -9 2 1 66 63 53 46 2 2 -1 0 62 48 41 DWT 變 68 224 11 -1 8 61 54 45 46 換 27 -5 8 -1 2 7 -2 -1 7 3 -1 4 5. 結(jié)論 本文針對(duì)傳統(tǒng)的壓縮性能評(píng)價(jià)方法效率低，不全面等不足，設(shè)計(jì)了 AutoTA 系統(tǒng)。該系 統(tǒng)實(shí)現(xiàn)了壓縮算法自動(dòng)測(cè)試，性能指標(biāo)計(jì)算，數(shù)據(jù)跟蹤，測(cè)試結(jié)果分析和分析圖表生成等功 能。 為了實(shí)現(xiàn)這些功能文中提出了壓縮算法的性能測(cè)試方法， 基于特征的測(cè)試圖像選擇方法 和測(cè)試結(jié)果分析方法。與一般的工具平臺(tái)相比，如 MATLAB

26、 等，AutoTA 具有明顯的優(yōu)勢(shì)。 首先它不需要用戶進(jìn)行二次開(kāi)發(fā)即實(shí)現(xiàn)了上述功能；其次，AutoTA 具有良好的時(shí)間性能， 圖 5 顯示了在 AutoTA 與 MATALAB6.5 上運(yùn)行 DCT 算法得到的時(shí)間性能曲線， 從圖中可以 看出 AutoTA 的運(yùn)行效率遠(yuǎn)優(yōu)于 MATLAB6.5；第三，AutoTA 操作方便，評(píng)價(jià)準(zhǔn)確、全面。 文中提出的幾種算法， 提高了系統(tǒng)評(píng)價(jià)壓縮方法性能的準(zhǔn)確性和全面性， 具有一定的理論意 義； 同時(shí) AutoTA 能夠協(xié)助科研人員和工程技術(shù)人員在實(shí)際應(yīng)用中選擇合適的圖像壓縮算法， 為用戶提供了更大的方便,具有較大的應(yīng)用價(jià)值。 圖 4 DCT 與 DWT 變

27、換數(shù)據(jù)趨勢(shì)圖 圖 5 AutoTA 與 MATALAB 時(shí)間性能對(duì)比圖 參考文獻(xiàn)： 1 Mathias Johanson. A SCALABLE VIDEO COMPRESSION ALGORITHM FOR REAL-TIME INTERNET APPLICATIONS. EC-VIP-MC 2003.4th EURASIP Conference focused on Video I Image Processing and Multimedia Communications, 2-5 July 2003, Zagreb. Croatia:329 2 M. Antonini, M. Barl

28、aud, P. Mathieu, I. Daubechies, “Image Coding Using Wavelet Transform,” IEEE Transactions on Image Processing, l(2. pp 205-220 (1991. 3 S. Mitra, and Shu-Yu Yang, “High Fidelity Adaptive Vector Quantization at Very Low Bit Rates for Progressive Transmission of Radiographic Images,” Journal ofElectro

29、nic Imaging, Vo1.8, No. I, pp 13-35, 1999. 4 K. Denecker, J. van Overloop, L. Lemahien, “ An Experimental Comparison of Several Lossless Image Coder for Medical Images,” Proceedings of the 1997 Data Compression Conference. -8- 5 Wang, Xiang-yang. The Principle of Multimedia Information Procession Te

30、lenology. Beijing : Science Press,2005(in Chinese 6MathWorks, Inc. MathWorks MatLab R14. 7 David S.Taubman, Michael W.Marcellin. JPEG2000 Image Compression Fundamentals, Standards and Practice. Boston :Kluwer Academic Publishers, 2001. 8 Zhang, Wei-ming. Multimedia Information System. Beijing: Publi

31、shing House of Electronics industry,2002(in Chinese. 9 David Salomon. Data Compression: The Complete Reference, Second Edition. New York: Springer-Verlag, 1998:204-220 10 WANG Tao, HU Shi-min, SUN Jia-guang. Image Retrieval Based on Color-Spatial Feature. Journal of Software, 2002,13(10:2032 11 Bian

32、, Zhao-qi. Patern Recognition. Beijing: Tsinghua University Press, 1986:262263 (in Chinese. 12 WANG Tao, HU Shi-min, SUN Jia-guang. Image Retrieval Based on Color-Spatial Feature. Journal of Software, 2002,13(10:2032-2033 13 Pavlidis, T., Liow, Y.T. Integrating region growing and edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990,12(3:225133. 中文參考文獻(xiàn)： 5王向陽(yáng).多媒體信息處理技術(shù)原理.北京：科學(xué)出版社，2005 8張偉明.多媒體信息系統(tǒng).北京：電子工業(yè)出版社，2002 11 邊肇祺.模式識(shí)別.北京：清華大學(xué)出版社,1986: 262263 AutoTA：A Te