数字图像修复在植物叶片图像压缩上的应用

邹伟杰,郭子君,朱同林

(1.华南农业大学 理学院,广州510642; 2.华南农业大学 信息学院,广州 510642)

数字图像修复在植物叶片图像压缩上的应用

邹伟杰1,郭子君1,朱同林2

(1.华南农业大学 理学院,广州510642; 2.华南农业大学 信息学院,广州 510642)

针对植物叶片图像的特点,设计了一套将图像压缩方法和基于样本块的图像修复技术相结合的方案.先对压缩图像进行边缘提取,只保留叶脉等重要信息,丢弃冗余块实现压缩.然后对不完整的图像进行二次压缩,用于网络存储和传输,需要使用时经过图像修复处理获得完整图像.实验结果表明,该方案在保证图像质量的前提下,能有效提高图像的压缩比.

图像压缩; 图像修复; 植物叶片; 冗余块

引言

数字图像修复技术在图像压缩领域有着深远的应用前景.在2003年,Rane等[1]将图像修复应用在压缩领域的方法,为图像压缩开辟了一个新的研究思路.他将偏微分方程和纹理合成的方法相结合获得了较好的修复效果,但算法的复杂度较高.随后,以微软亚洲研究院的Wu等为代表的学者们,提出了改进的一些基于图像修复的压缩系统[2,3].其核心思想与Rane类似,虽然提高了图像的压缩比,但仍存在算法复杂度高的问题.胡新颖提出的基于消除空间冗余和图像修复的图像的压缩技术[4],提高了修复图像的质量,缺点是解码时间较长.魏欣提出的改进的Criminisi算法减少了图像修复时间[5].蔡文亮设计的压缩方案简化了丢弃冗余块过程[6].经过国内外学者十几年的研究,它已发展成为一个比较成熟的研究课题.随着全球气温变暖,很多珍稀植物濒临灭绝,建立珍稀植物数据库刻不容缓.植物叶片图像是数据库中的重要组成部分,但数字图像的数据量庞大,给存储和传输都带来了很大的困难,探索新的图像压缩方法成为了解决这一问题的关键.

1　方法与步骤

若仅从图像压缩技术上改进,盲目的提高压缩,重建后的图像会出现严重的“块效应”.

因此,本文从图像修复和压缩两方面入手,结合植物叶片的特点,改进了基于修复技术的压缩方法.植物叶片颜色梯度小,易于修复,用Criminisi算法可获得很好的效果.叶片边缘提取之后特征较为明显,易于辨认,可选择丢弃的冗余块较多,适合简单高效的DCT和RLE混合编码.本文在文献[6]提出的压缩方法的基础上进行了几点改进:(1) 在实验步骤上,先丢弃图像冗余块,再进行压缩,获得更大的压缩比例; (2) 将丢弃冗余块的方法简化,减少图片的预处理时间; (3) 选用修复效果更好且计算量较为适中的Criminisi算法对图像进行修复.

1.1实验方法

总结前人的研究成果可知,图像修复与压缩结合的核心思想是:在不改变压缩技术协议的情况下,对编码端未去除视觉冗余的图像的重要的特征参数进行提取,并将这些特征参数作为辅助信息,根据辅助信息修复缺失图像,完成重建工作.辅助信息的选取可以降低修复的难度,减少重建图像失真.

图像边缘代表了图像的大致轮廓,对于植物叶片而言,叶片的脉络纹理上包含了大部分的信息.因此本文选取植物叶片的扩充边缘图像作为辅助信息.在编码端,先将图像进行边缘提取和扩充,根据边缘扩充图去除视觉冗余,进行丢弃块处理,再进行图像压缩.在解码端,对接收到的不完整图像进行解码,最后进行图像修复处理完成重建.整个压缩系统框架如图1所示.

图1　图像压缩系统流程图

1.2实验步骤

1.2.1图像预处理

图像预处理包括四个方面:去除图像背景、边缘检测、边缘扩充和去除视觉冗余.对预处理后的图像进行编码,能有效提高图像的压缩比.

首先对目标图像进行去除图像背景处理.RLE编码方法对颜色单一背景下的物体图像具有很高的压缩比,把叶片图像的背景都设置成白色,然后对处理后的图像进行边缘提取.在众多边缘检测算子中,Canny算子是二维最优算子,检测出来的效果最为理想.各种算子的边缘检测图如图2所示.

图2　不同算子边缘边缘检测图

由图2可见,Canny算子边缘检测最为精细,因此本文选用Canny算子检测叶片图像边缘.第三步是对图像进行边缘扩充.利用Canny算子提取之后的边缘图像能很好的显示图像的边缘位置,但它是一个二值图像矩阵,不能直观的显示原图像的边缘处的信息.另外,Canny算子检测出来的边缘过于细腻,包含的叶脉信息较少,不利于图像重建.所以,需要对边缘做扩展处理,并且得到原始图像的边缘位置的信息.本文将二值图像中的边缘点以两个像素的宽度向各个方向进行扩充,然后在原图中显示边缘扩充点的位置信息,其余像素点设为0值,得到图像的边缘扩充图.实验结果如图3所示.

图3　边缘检测及扩充图

第三步是去除视觉冗余.对于一个叶片图像来说,叶脉及其边缘是重要信息,剩余的部分颜色梯度较小,容易修复,因此适合在这些区域进行块丢弃处理.本文采用基于样本块的Criminisi算法进行修复,不妨把丢弃图像块设定为9×9大小.在得到的边缘扩充图中,若检测出一个9×9图像块中所有像素都是“0”,则把该图像块填充为黑色,否则,恢复该图像块在原始图像中的像素值.这种方法简单高效,能保证叶片图像的完整细节,同时能发挥基于样本块图像修复的特性,从而降低修复过程中的计算复杂度.

1.2.2图像压缩编解码及图像修复

本文的图像压缩系统是采用DCT变换与行程编码结合的混合编码方式.先对原始图像进行DCT变换,然后再通过RLE编码对上述处理过的图像矩阵进行量化编码.解码方法是先通过RLE解码规则对图像进行解码,再进行DCT逆变换得到压缩后的图像.图像复原程序是根据参考文献[7]提到的利用纹理和边缘特征的Criminisi算法和参考文献[8]提到的区域自适应方法,利用边缘辅助信息对标记的黑色区域进行修复.

2　实验结果及分析

本文进行了四组实验,实验结果如图4所示.

图4 实验结果

图4(a)为原始图像.图4(b)为压缩后的图像,先丢弃图像冗余块,再经过DCT变换和RLE量化编码进行压缩的图像.图4(c)为修复图像,获得了较好的修复效果.图4(d)为仅用DCT和RLE压缩的图像,此方法记为传统方法.图像质量从主观人眼来看,两者没有明显区别.对四组实验的详细数据进行分析,列表如下:

表1　实验结果比较

峰值信噪比(PSNR)和压缩比(BR)是评价一个压缩系统的两个重要指标,PSNR和BR分别定义为:

图像的峰值信噪比越高,修复图像与原始图像之间的失真越小,即修复图像的质量越好.压缩比越小,表明压缩后的图像的每个像素所需的比特数越少,压缩比越高.

从上面的数据来看,本文方法获得的峰值信噪比在32.19～39.12dB之间,修复图像的质量较高.对比传统方法,重建图像的峰值信噪比与传统方法接近,在比特率方面,本文方法的比特率较小,图像的压缩比较高,比传统方法节省码率.文献[6]提出把图像修复运用在图像压缩上,先对图像进行压缩再剔除冗余块,简记为对比法.本文方法是先剔除冗余块再压缩.为统一起见,实验中两种方法采用的去除冗余块方法均为边缘提取法,实验结果如图5所示.

图5　两种方法实验结果图

本文方法压缩之后的图片大小为6.24KB.对比法压缩之后的图片大小为7.2KB.两幅图实验结果在视觉上并没有太大的差异,但本文方法的压缩率要略高于对比法.从所有实验数据来看,本文提出的基于图像修复的图像压缩方法能够起到节省码率的作用,并且修复图像没有明显的修复痕迹,在保证图像质量的前提下提高了压缩比.

3　结束语

本文主要针对植物叶片图像的特点从图像修复和图像压缩两个方面设计了一个压缩方案,以提高图像压缩比为目的,先对叶片图像进行边缘提取和扩展,只保留叶脉的重要信息,剔除冗余块.并选择较为适合的DCT变换和RLE编码进行压缩,处理后的图像方便存储和传输,需要使用时通过图像修复即可.虽然设计的压缩系统确实能够提高图像的压缩比,但提高的幅度有待进一步加强.可以设计更合理的去除视觉冗余的方法和改进图像压缩技术方法,以进一步提高压缩比例.

[1] Bertalmío S R A G.Structure and texture filling-in of missing image blocks in wireless transmission and compression applications[J].IEEE Transactions on imageprocessing,2003,12(3)

[2] Zhang D L A X.Image Compression With Edge-Based Inpainting[J].IEEE Trans.Circuits Syst.Video Techn.,2007,17

[3] Wu Y,Zhang H,Sun Y,et al.Two Image Compression Schemes Based on Image Inpainting[M].Yu L,Lai K K,Mishra S K,2009,816～820

[4] Bastani Vahid,Helfroush M.S.,Kasiri Keyvan.基于消除空间冗余和图像修复的图像压缩技术[J].中国印刷与包装研究,2010(05):70～76

[5] 魏 欣,蒋华伟.改进的Criminisi图像修复算法[J].计算机工程与应用,2011(04):205～207

[6] 蔡文亮,李开宇,石 玉,等.数字图像修复在图像压缩上的应用[J].机械与电子,2014(01):15～17

[7] 任 澍,唐向宏,康佳伦.利用纹理和边缘特征的Criminisi改进算法[J].中国图象图形学报,2012(09):1085～1091

[8] 张巧焕,唐向宏,任 澍.区域自适应的图像修复算法[J].计算机工程与应用,2013(21):160～163

Application of Digital Image Inpainting on Leaves Image Compression

ZOU Wei-jie1,GUO Zi-jun1,ZHU Tong-lin2
(1.College of Science,South China Agricultural University,Guangzhou 510642; 2.Information College,South China Agricultural University,Guangzhou 510642)

For a small plant leaf features,we design a set of image compression method and sample block-based image restoration techniques combined solution.First,we compressed image edge extraction,leaving only the veins and other important information,discarding redundant blocks.Then the image is not complete secondary compression for network storage and transmission,after the image restoration processing to obtain a complete picture when needed.Experimental results show that the image quality assurance program under the premise,can effectively improve the image compression ratio.

image compression; image inpainting; leaf; redundant blocks

TP391

A

1672-5298(2015)01-0022-04

2014-11-25

国家林业总局林业标准规划项目“森林防火视频监控图像互联网技术规程”(LY-2013-146); 高等学校博士学科点专项科研基金联合资助课题“植物器官形态的向量表示与动漫部件库构建方法研究”(20124404110018)

邹伟杰(1990- ),男,广东河源人,华南农业大学理学院硕士研究生.主要研究方向:数字图像处理

郭子君(1965- ),男,湖南常德人,硕士,华南农业大学理学院副教授.主要研究方向:微分方程与图像处理