概述
1、问题描述:
在计算机中,常用像素点的灰度值序列{p1,p1,……pn}表示图像。其中整数pi,1<=i<=n,表示像素点i的灰度值。通常灰度值的范围是0~255。因此最多需要8位表示一个像素。
压缩的原理就是把序列{p1,p1,……pn}进行设断点,将其分割成一段一段的。分段的过程就是要找出断点,让一段里面的像素的最大灰度值比较小,那么这一段像素(本来需要8位)就可以用较少的位(比如7位)来表示,从而减少存储空间。
b代表bits,l代表length
b[i]:第i个像素段的每个像素点占b[i]个位数 (少于8位才有意义),
l[i]:第i个像素段里面有多少个像素点,
s[i]:像素序列{p1,p2,...,pi}的最优分段所需的存储位数
如果限制l[i]<=255,则需要8位来表示l[i]。而b[i]<=8,需要3位表示b[i]。所以每段所需的存储空间为l[i]*b[i]+11位。假设将原图像分成m段,那么需要位的存储空间。
图像压缩问题就是要确定像素序列{p1,p1,……pn}的最优分段,使得依此分段所需的存储空间最小。
2、最优子结构性质
设l[i],b[i],1<=i<=m是{p1,p1,……pn}的一个最优分段,则l[1],b[1]是{p1,……,pl[1]}的一个最优分段,且l[i],b[i],2<=i<=m是{pl[1]+1,……,pn}的一个最优分段。即图像压缩问题满足最优子结构性质。
3、递推关系
设s[i],1<=i<=n是像素序列{p1,p1,……pi}的最优分段所需的存储位数,
则S[i]为 S[i]=S[i-1]+1*log(Pi)+11 或 S[i]=S[i-2]+2*log(max(Pi-1,Pi))+11 或S[i]=S[i-3]=log(max(Pi,Pi-1,Pi-2))+11… 或S[i]=S[0]+i*log(max(Pi,Pi-1…,P1))+11中的最小值,可归纳为下面式子:
则s[i]为前i-k个的存储位数加上后k个的存储空间。由最优子结构性质可得:
,式中
这里,S[i]的计算求解可采用k从1开始,一直到i或256其中之一,因为这是在固定的长度段中,从Pi开始,依次进行比较,找到最小的存储位。在计算时,我们可以先求S[1],再求S[2],S[2]中就可以用到S[1],之后求S[3],可以用到S[1],S[2],S[3],依次类推,就满足了动态规划的要用重叠子问题。
S[0]=0
4、构造最优解
由于根据设计的求最小存储位的算法,数组l[i],b[i]记录了最优分段所需的信息,假设求P1…Pn的最优分段,因为算法求的最优分段是从Pn,依次向前比较直到P1,找到最小的存储位和最优的断点,然后记录在l[n]中,因此,最优分段的最后一段的段长度和像素位数分别存储在l[n]和b[n]中,其前一段的段长度和像素位数存储于l[n-l[n]]和b[n-l[n]]中,依此类推,可在O(n)时间内构造最优解。
#include <stdio.h>
#include <iostream>
#include <fstream>
#include <string.h>
using namespace std;
const int N = 7;
int length(int i);
void Compress(int n,int p[],int s[],int l[],int b[]);
void Tracebace(int n,int& i,int s[],int l[]);
void Output(int s[],int l[],int b[],int n);
int main()
{
int p[] = {0,10,12,15,255,1,2};//图像灰度数组{p1,p2,p3,p4,p5,p6} 下标从1开始计数
int s[N],l[N],b[N];
cout<<"图像的灰度序列为:"<<endl;
for(int i=1;i<N;i++)
cout<<p[i]<<" ";
cout<<endl;
Compress(N-1,p,s,l,b);
Output(s,l,b,N-1);
return 0;
}
void Compress(int n,int p[],int s[],int l[],int b[])
{//n个像素,存在数组p[]中,
int Lmax = 256,header = 11;
s[0] = 0;
for(int i=1; i<=n; i++)
{
b[i] = length(p[i]);//计算像素点p需要的存储位数
int bmax = b[i];
s[i] = s[i-1] + bmax;
l[i] = 1;
for(int j=2; j<=i && j<=Lmax;j++)//i=1时,不进入此循环
{
if(bmax<b[i-j+1])
{
bmax = b[i-j+1];
}
if(s[i]>s[i-j]+j*bmax)
{
s[i] = s[i-j] + j*bmax;
l[i] = j;
}
}
s[i] += header;
}
}
int length(int i)//存储像素pi所需的位数
{
int k=1;
i = i/2;
while(i>0)
{
k++;
i=i/2;
}
return k;
}
void Traceback(int n,int& i,int s[],int l[])
{
if(n==0)
return;
Traceback(n-l[n],i,s,l);//p1,p2,p3,...,p(n-l[n])像素序列,最后一段有l[n]个像素
s[i++]=n-l[n];//重新为s[]数组赋值,用来存储分段位置,最终i为共分了多少段
}
void Output(int s[],int l[],int b[],int n)
{
//在输出s[n]存储位数后,s[]数组则被重新赋值,用来存储分段的位置
cout<<"图像压缩后的最小空间为:"<<s[n]<<endl;
int m = 0;
Traceback(n,m,s,l);//s[0]:第一段从哪分,s[1]:第二段从哪分...,s[m-1]第m段从哪分
s[m] = n;//此时m为总段数,设s[m]=n,分割位置为第n个像素
cout<<"将原灰度序列分成"<<m<<"段序列段"<<endl;
for(int j=1; j<=m; j++)
{
l[j] = l[s[j]];
b[j] = b[s[j]];
}
for(int j=1; j<=m; j++)
{
cout<<"段长度:"<<l[j]<<",所需存储位数:"<<b[j]<<endl;
}
}
算法Compress只需O(n)空间。由于在算法Compress中j的循环次数不超过256,故对每一个确定的i可在O(1)时间内完成。因此整个算法的时间复杂度为O(n)。算法Compress的执行过程可以下图表示:
方法Output中,在输出s[n]的最小存储空间后,s[]数组被重新赋值,用来存储分段的位置,一边回溯构造最优解
---------------------------------------------------------------------我是有底线的-----------------------------------------------------------------------------
http://blog.csdn.net/liufeng_king/article/details/8648195
最后
以上就是漂亮篮球为你收集整理的动态规划---图像压缩的全部内容,希望文章能够帮你解决动态规划---图像压缩所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复