用于图像压缩的方法、设备和计算机可读存储介质
阅读说明：本技术 用于图像压缩的方法、设备和计算机可读存储介质 (Method, apparatus, and computer-readable storage medium for image compression ) 是由 廉玉生 胡永乐 曹栩珩 刘金钠 陈颖雯 呼香美 王彩艺 何孜孜 于 2020-12-01 设计创作，主要内容包括：本申请实施例提供用于图像压缩的方法、设备和计算机可读存储介质,包括：将原始图像进行明度、彩度和色调角LCH颜色空间转换,对转换后的图像在各通道上分别进行离散余弦变换DCT,得到各通道的DCT数据；对各通道的DCT数据分别进行函数模型量化,得到各通道压缩后数据；将各通道压缩后数据分别进行反DCT变换以及LCH颜色空间逆转换得到原始图像的压缩图像。本申请实施例方法通过将原始彩色图像利用量化函数对图像进行量化,能够使量化时根据图像颜色信息的变化调整量化过程,提高彩色图像压缩质量。(The embodiment of the application provides a method, equipment and a computer-readable storage medium for image compression, wherein the method comprises the following steps: carrying out lightness, chroma and hue angle LCH color space conversion on the original image, and respectively carrying out Discrete Cosine Transform (DCT) on the converted image on each channel to obtain DCT data of each channel; performing function model quantization on the DCT data of each channel respectively to obtain compressed data of each channel; and respectively carrying out inverse DCT (discrete cosine transform) transformation and LCH (hue, saturation and value) color space inverse transformation on the compressed data of each channel to obtain a compressed image of the original image. According to the method, the original color image is quantized by using the quantization function, so that the quantization process can be adjusted according to the change of the color information of the image during quantization, and the compression quality of the color image is improved.)
技术领域
本申请涉及图像处理领域，具体而言，涉及用于图像压缩的方法、设备和计算机可读存储介质。
背景技术
在目前静态图像压缩算法中，JPEG格式(Joint Photographic Experts Group)是压缩比最高的，并且广泛的应用于多媒体和网络程序中。它的压缩原理是：首先将图像分成8*8的图像块，该图像块经过离散余弦变换(DCT，for Discrete Cosine Transform)后，其低频分量都集中在左上角，高频分量都分布在右下角，低频分量主要包含了图像的主要信息，相比之下，高频分量就不那么重要，因此可以忽略，从而达到压缩的目的。这里的量化操作，就是将某一个值除以量化表中对应的值。由于量化表左上角的值较小，右下角的值较大，就起到了保持低频分量，抑制高频分量的目的。但是JPEG在量化时用到的亮度、色度量化表是固定不变的，不能随着图像颜色信息的变化而变化，当图像颜色信息变化较为平缓时，经JPEG量化后的图像数据仍存在许多信息冗余，导致图像压缩率较低。
发明内容
本申请实施例的目的在于提供用于图像压缩的方法、设备和计算机可读存储介质，用以改善现有JPEG技术在进行量化时，不能随着图像颜色信息的变化而变化从而导致图像压缩率较低等问题。
第一方面，本申请实施例提供用于图像压缩的方法，包括：将原始图像进行明度、彩度和色调角LCH颜色空间转换，得到LCH图像；对所述LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据；对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据；将所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到所述原始图像的压缩LCH图像；对所述压缩LCH图像进行LCH颜色空间逆转换得到所述原始图像的压缩图像。
在上述实现过程中，通过将原始彩色图像转换为LCH颜色空间，并对该图像进行DCT离散余弦变换，将变换后L、C、H三个通道的数据利用明度、彩度、色调角视觉频率敏感特性函数去量化，由此获得量化后的图像数据，从而实现对图像数据的压缩，通过该方式获得的压缩图像，不但能够兼顾视觉效果，而且可以获得较好的压缩质量。
结合第一方面，在一种实施方式中，在所述对所述LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT之前，所述方法还包括：对所述LCH图像进行分块处理，得到大小相同的多个子LCH图像块；其中，所述对所述LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据，包括：对所述多个子LCH图像块中的每个子LCH图像块的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据，其中，所述LCH图像的明度通道DCT数据包括所有子LCH图像块的明度通道DCT数据，所述LCH图像的彩度通道DCT数据包括所有子LCH图像块的彩度通道DCT数据，所述LCH图像的色调角通道DCT数据包括所有子LCH图像块的色调角通道DCT数据。
在上述实现过程中，通过对LCH图像进行分块处理，进一步分别对分块处理后的各子LCH图像块在L、C和H通道上的数据进行离散余弦变换，从而得到各子图像块在各通道上的DCT数据，通过分块处理能够降低DCT变换的算法复杂度，从而提高图像压缩效率。
结合第一方面，在另一种实施方式中，所述对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，其中，所述LCH图像的明度通道压缩后数据包括所有子LCH图像块的明度通道压缩后数据，所述LCH图像的彩度通道压缩后数据包括所有子LCH图像块的彩度通道压缩后数据，所述LCH图像的色调角通道压缩后数据包括所有子LCH图像块的色调角通道压缩后数据。
在上述实现过程中，通过对各子图像块在各通道上的DCT数据进行函数模型量化，不仅那可以进一步地提高图像压缩效率，而且利用模型量化掉人眼不敏感的信息，保留人眼可以敏锐察觉到的信息，满足了人眼对于图像压缩的要求，从而提高图像质量。
结合第一方面，在另一种实施方式中，所述将所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到所述原始图像的压缩LCH图像，包括：将所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到所述每个子LCH图像块的压缩LCH图像，其中，所述原始图像的压缩LCH图像包括所有子LCH图像块的压缩LCH图像。
在上述实现过程中，通过对各子图像块在各通道上的压缩数据进行反DCT变换，进一步地获得每个子LCH图像块的压缩LCH图像。
结合第一方面，在另一种实施方式中，所述对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对所述每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
结合第一方面，在另一种实施方式中，所述对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对所述LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
在上述实现过程中，对图像在各通道上量化后的数据进行阈值处理，能够将人眼几乎无法辨别的部分高频信息在量化及阈值处理后变为零，实现了保持低频分量，抑制高频分量的目的，从而降低了压缩图像的冗余度，进一步地减少在图像压缩过程中存储数据所需的空间和传输所用的时间。
结合第一方面，在另一种实施方式中，在所述对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据之前，所述方法还包括：分别获取所述每个子LCH图像块在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，所述每个子LCH图像块在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定所述每个像素点对应的一个色调角中心；根据所述每个子LCH图像块中与所述多个色调角中心中的每个色调角中心对应的像素点的数量，确定所述多个色调角中心中每个色调角中心的权重；根据所述每个色调角中心的权重对与所述每个色调角中心对应的函数模型进行加权累加，得到所述每个子LCH图像块在各通道上的函数模型。
结合第一方面，在另一种实施方式中，在所述对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据之前，所述方法还包括：分别获取所述LCH图像在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，所述LCH图像在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定所述每个像素点对应的一个色调角中心；根据所述LCH图像中与所述多个色调角中心中的每个色调角中心对应的像素点的数量，确定所述多个色调角中心中每个色调角中心的权重；根据所述每个色调角中心的权重对与所述每个色调角中心对应的函数模型进行加权累加，得到所述LCH图像在各通道上的函数模型。
在上述实现过程中，根据图像中各像素点的色调角值确定各色调角中心在各通道上对应的函数权重，根据函数权重确定最终量化函数模型，从而在图像数据量化过程中充分考虑到人眼对明度、彩度、色调角的变化敏感度，根据明度、色调以及彩度的视觉频率敏感特性函数模型对图像数据进行自适应滤波处理，使压缩后的图像更符合人眼视觉特性。
结合第一方面，在另一种实施方式中，所述对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对所述每个子LCH图像块的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据；对所述每个子LCH图像块的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到所述每个子LCH图像块的彩度通道压缩后数据；对所述每个子LCH图像块的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到所述每个子LCH图像块的色调角通道压缩后数据。
结合第一方面，在另一种实施方式中，所述对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对所述LCH图像的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到所述LCH图像的明度通道压缩后数据；对所述LCH图像的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到所述LCH图像的彩度通道压缩后数据；对所述LCH图像的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到所述LCH图像的色调角通道压缩后数据。
在上述实现过程中，通过对图像各个通道DCT变换后的数据进行各通道对应的视觉频率敏感特性函数模型量化，能够实现图像数据的自适应滤波处理，可根据图像颜色信息的变化而变化，提高彩色图像压缩质量。
第二方面，本申请实施例提供了一种图像压缩的设备，包括：空间转换模块，用于将原始图像进行明度、彩度和色调角LCH颜色空间转换，得到LCH图像；处理模块，用于对所述LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据；压缩模块，用于对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据；所述处理模块还用于将所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到所述原始图像的压缩LCH图像；所述空间转换模块还用于对所述压缩LCH图像进行LCH颜色空间逆转换得到所述原始图像的压缩图像。
结合第二方面，在一种实施方式中，在所述处理模块用于对所述LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT之前，所述处理模块还用于：对所述LCH图像进行分块处理，得到大小相同的多个子LCH图像块；所述处理模块具体用于：对所述多个子LCH图像块中的每个子LCH图像块的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据，其中，所述LCH图像的明度通道DCT数据包括所有子LCH图像块的明度通道DCT数据，所述LCH图像的彩度通道DCT数据包括所有子LCH图像块的彩度通道DCT数据，所述LCH图像的色调角通道DCT数据包括所有子LCH图像块的色调角通道DCT数据。
结合第二方面，在另一种实施方式中，所述压缩模块具体用于：对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，其中，所述LCH图像的明度通道压缩后数据包括所有子LCH图像块的明度通道压缩后数据，所述LCH图像的彩度通道压缩后数据包括所有子LCH图像块的彩度通道压缩后数据，所述LCH图像的色调角通道压缩后数据包括所有子LCH图像块的色调角通道压缩后数据。
结合第二方面，在另一种实施方式中，所述处理模块具体用于：将所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到所述每个子LCH图像块的压缩LCH图像，其中，所述原始图像的压缩LCH图像包括所有子LCH图像块的压缩LCH图像。
结合第二方面，在另一种实施方式中，所述压缩模块具体用于：对所述每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对所述每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到所述每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
结合第二方面，在另一种实施方式中，所述压缩模块具体用于：对所述LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到所述LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对所述LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到所述LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
结合第二方面，在另一种实施方式中，所述压缩模块还用于：分别获取所述每个子LCH图像块在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，所述每个子LCH图像块在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定所述每个像素点对应的一个色调角中心；根据所述每个子LCH图像块中与所述多个色调角中心中的每个色调角中心对应的像素点的数量，确定所述多个色调角中心中每个色调角中心的权重；根据所述每个色调角中心的权重对与所述每个色调角中心对应的函数模型进行加权累加，得到所述每个子LCH图像块在各通道上的函数模型。
结合第二方面，在另一种实施方式中，所述压缩模块还用于：分别获取所述LCH图像在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，所述LCH图像在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定所述每个像素点对应的一个色调角中心；根据所述LCH图像中与所述多个色调角中心中的每个色调角中心对应的像素点的数量，确定所述多个色调角中心中每个色调角中心的权重；根据所述每个色调角中心的权重对与所述每个色调角中心对应的函数模型进行加权累加，得到所述LCH图像在各通道上的函数模型。
结合第二方面，在另一种实施方式中，所述压缩模块还用于：对所述每个子LCH图像块的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到所述每个子LCH图像块的明度通道压缩后数据；对所述每个子LCH图像块的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到所述每个子LCH图像块的彩度通道压缩后数据；对所述每个子LCH图像块的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到所述每个子LCH图像块的色调角通道压缩后数据。
结合第二方面，在另一种实施方式中，所述压缩模块还用于：对所述LCH图像的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到所述LCH图像的明度通道压缩后数据；对所述LCH图像的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到所述LCH图像的彩度通道压缩后数据；对所述LCH图像的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到所述LCH图像的色调角通道压缩后数据。
第三方面，本申请实施例提供一种用于图像压缩的设备，包括处理器、存储器和总线，所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第四方面，本申请实施例提供一种可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时实现如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种用于图像压缩的方法流程图；
图2为本申请实施例提供一种用于图像压缩的设备结构框图；
图3为本申请实施例提供的一种用于图像压缩的设备结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1为本申请实施例提供的一种用于图像压缩的方法流程图，该方法可以应用于图2所示的用于图像压缩的设备200，具体的，如图1所示的方法包括：
110，原始图像的LCH颜色空间转换。
将原始图像进行明度、彩度和色调角LCH颜色空间转换，得到LCH图像；
需要说明的是，在本申请实施例中，选择LCH颜色空间为依托，对原始彩色图像进行压缩，其中L为颜色的明度，C为颜色的彩度，H为颜色的色调角。
在一种实施例中，将原始彩色图像进行LCH颜色空间转换，得到LCH图像，其中，该LCH图像包括明度L、彩度C和色调角H三个通道。
作为一种实施例，以一副彩色RGB图像说明其各通道的图像数据压缩流程。
首先将原始彩色图像转换到LCH颜色空间，并进行8*8大小子块划分，以一个子图像块为例，获得该子图像块每一像素点L、C和H通道的图像数据。
转换后，子图像块C通道图像数据如表1所示。
表1子图像块C通道图像数据
转换后，子图像块H通道图像数据如表2所示。
表2子图像块H通道图像数据
120，DCT变换。
对LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据；在对LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT之前，该方法还包括：
对LCH图像进行分块处理，得到大小相同的多个子LCH图像块；其中，对LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据，包括：对多个子LCH图像块中的每个子LCH图像块的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据，其中，LCH图像的明度通道DCT数据包括所有子LCH图像块的明度通道DCT数据，LCH图像的彩度通道DCT数据包括所有子LCH图像块的彩度通道DCT数据，LCH图像的色调角通道DCT数据包括所有子LCH图像块的色调角通道DCT数据。
作为一种实施例，将进行LCH颜色空间转换后的LCH图像的L通道数据、C通道数据、H通道数据分别进行DCT离散余弦变换，得到L通道DCT数据、C通道DCT数据和H通道DCT数据。
作为一种实施例，将进行LCH颜色空间转换后的LCH图像进行分块处理，得到大小相同的多个子LCH图像块，接着对分块处理后的每个子图像块的L通道数据、C通道数据、H通道数据分别进行DCT离散余弦变换，得到每个子图像块的L通道DCT数据、C通道DCT数据和H通道DCT数据。
需要说明的是，DCT数据表示原始图像进行LCH颜色空间转换后的图像分别在L、C、H三个通道上进行DCT变换后所得到的数据。
需要说明的是，L通道DCT数据包括所有子图像块的L通道DCT数据、C通道DCT数据包括所有子图像块的C通道DCT数据，H通道DCT数据包括所有子图像块的H通道DCT数据。
将上述子图像块C通道数据进行离散余弦变换，变换后的数据如表3所示。
表3子图像块C通道图像数据进行离散余弦变换后的数据
130，函数模型量化。
对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据；对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，其中，LCH图像的明度通道压缩后数据包括所有子LCH图像块的明度通道压缩后数据，LCH图像的彩度通道压缩后数据包括所有子LCH图像块的彩度通道压缩后数据，LCH图像的色调角通道压缩后数据包括所有子LCH图像块的色调角通道压缩后数据。
对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
在对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据之前，该方法还包括：分别获取每个子LCH图像块在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，每个子LCH图像块在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定每个像素点对应的一个色调角中心；根据每个子LCH图像块中与多个色调角中心中的每个色调角中心对应的像素点的数量，确定多个色调角中心中每个色调角中心的权重；根据每个色调角中心的权重对与每个色调角中心对应的函数模型进行加权累加，得到每个子LCH图像块在各通道上的函数模型。
在对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据之前，该方法还包括：分别获取LCH图像在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，LCH图像在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定每个像素点对应的一个色调角中心；根据LCH图像中与多个色调角中心中的每个色调角中心对应的像素点的数量，确定多个色调角中心中每个色调角中心的权重；根据每个色调角中心的权重对与每个色调角中心对应的函数模型进行加权累加，得到LCH图像在各通道上的函数模型。
对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对每个子LCH图像块的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到每个子LCH图像块的明度通道压缩后数据；对每个子LCH图像块的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到每个子LCH图像块的彩度通道压缩后数据；对每个子LCH图像块的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到每个子LCH图像块的色调角通道压缩后数据。
对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，包括：对LCH图像的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到LCH图像的明度通道压缩后数据；对LCH图像的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到LCH图像的彩度通道压缩后数据；
对所述LCH图像的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到LCH图像的色调角通道压缩后数据。
作为一种实施例，在未对LCH图像进行分块处理的时，将上述进行DCT离散余弦变换后的DCT数据利用函数模型进行量化，得到量化后的数据，并设置阈值，将低于阈值的数置为零，得到原始图像的压缩数据。
具体地，将LCH图像的L通道DCT数据利用明度的视觉频率敏感特性函数模型进行量化，得到L通道量化后的数据，并设置阈值，将低于阈值的数置为零，得到L通道的压缩数据；
同时，将LCH图像的C通道DCT数据利用彩度的视觉频率敏感特性函数模型进行量化，得到C通道量化后的数据，并设置阈值，将低于阈值的数置为零，得到C通道的压缩数据；
同时，将LCH图像的H通道DCT数据利用色调角的视觉频率敏感特性函数模型进行量化，得到H通道量化后的数据，并设置阈值，将低于阈值的数置为零，得到H通道的压缩数据。
作为一种实施例，在对LCH图像进行分块处理，得到多个子LCH图像块时，将上述进行DCT离散余弦变换后的每个子LCH图像块的DCT数据利用函数模型进行量化，得到每个子LCH图像块的量化后的数据，并设置阈值，将低于各通道预设阈值的数置为零，得到每个子LCH图像块的压缩数据。
具体地，将每个子LCH图像块的L通道DCT数据利用明度的视觉频率敏感特性函数模型进行量化，得到每个子LCH图像块的L通道量化后的数据，并设置阈值，将低于L通道预设阈值的数置为零，得到每个子LCH图像块的L通道的压缩数据。
同时，将每个子LCH图像块的C通道DCT数据利用彩度的视觉频率敏感特性函数模型进行量化，得到每个子LCH图像块的C通道量化后的数据，并设置阈值，将低于C通道预设阈值的数置为零，得到每个子LCH图像块的C通道的压缩数据。
同时，将每个子LCH图像块的H通道DCT数据利用色调角的视觉频率敏感特性函数模型进行量化，得到每个子LCH图像块的H通道量化后的数据，并设置阈值，将低于H通道预设阈值的数置为零，得到每个子LCH图像块的H通道的压缩数据。
需要说明的是，L通道的压缩数据包括所有子LCH图像块的L通道的压缩数据；C通道的压缩数据包括所有子LCH图像块的C通道的压缩数据；H通道的压缩数据包括所有子LCH图像块的H通道的压缩数据。
对8*8大小子图像块各通道的视觉频率敏感特性函数模型的构建与选择方法如下：
构建出人眼颜色视觉特性函数的基本数学模型，该模型为：
CS＝a[exp(-b·f)-exp(-c·f)]
其中，a、b、c分别代表模型参数，f代表图像的空间频率。
在LCH颜色空间中，分别建立关于人眼对明度的视觉频率敏感特性函数模型CSFL、彩度的视觉频率敏感特性函数模型CSFC和色调角的视觉频率敏感特性函数模型CSFH。
在明度的视觉频率敏感特性函数模型CSFL的测试中，设置六组正弦波颜色波纹的图像，测试的空间频率范围为：0.24-20CPD(周期/度)。频率分为两段：0.24～0.428CPD(周期/度)和0.428～20CPD(周期/度)。前后两段测试的频率间隔分别为：0.238CPD(周期/度)和0.476CPD(周期/度)，共取了25种不同的空间频率值进行测试，每组波纹图像按照空间频率依次排列，也就是说每组包含25幅图像。六组波纹图像的色调角分别设为30°、90°、150°、210°、270°和330°，彩度设为固定值50，明度中心设为50。
在测试时，首先，将色调角设为30°的该组波纹图像在显示器上依次显示出来，当显示器显示一幅波纹图像时，该幅图像的空间频率是固定的，将这幅图像的明度分量围绕明度中心按照正弦波变化，不断改变图像中的最大明度LMAX和最小明度LMIN，直到观察者恰能分辨出明度差异，那么此时的对比度就是该空间频率下所对应的恰可分辨的对比度为并计算明度对比敏感度那么CSL就是在该空间频率下所对应的明度对比敏感度数据。显示器继续显示下一幅图像，按照同样的方式计算出下一个空间频率所对应的明度对比敏感度数据。等25幅图像全部显示结束，就得到了30°色调角下不同空间频率对应的明度对比敏感度数据。
再以同样的方法将另外五组色调角下的波纹图像在显示器上依次显示，并计算出各色调角下不同空间频率对应的明度对比敏感度数据。
需要说明的是，本申请实施例中正弦波颜色波纹的图像不限定为六组，可以为十组，十组波纹图像的色调角分别设为36°、72°、108°、144°、180°、216°、252°、288°、324°和360°，也可以为四组，四组波纹图像的色调角分别设为90°、180°、270°和360°，也可以为十二组，十组波纹图像的色调角分别设为15°、45°、75°、105°、135°、165°、195°、225°、255°、285°、315°、345°，但本申请实施例并不限于此；空间频率值不限定为25种，可以为30种，也可以40种，也可以为45种，但本申请实施例并不限于此。
在彩度的视觉频率敏感特性函数模型CSFC的测试中，同样设置六组正弦波纹图像，并且每一组波纹图像对应的色调角也相同，测试的空间频率范围为：0.119-19.05CPD。频率分为两段：0.119～0.952CPD和0.952～19.05CPD。前后两段测试的频率间隔分别为：0.119CPD和0.476CPD，共取了46种不同的空间频率值进行测试，因此CSFC测试时每组波纹图像包含46幅图像，并按照空间频率依次排列。
此次测试需要改变的是彩度分量。因此所有波纹图像的明度设为固定值50，彩度中心设为50，当显示器显示每一幅图像时，该幅图像的彩度分量围绕彩度中心按照正弦波变化，不断改变图像中的最大彩度CMAX和最小彩度CMIN，直到观察者恰能分辨出彩度差异，那么此时的对比度就是该空间频率下所对应的恰可分辨的对比度，为并计算彩度对比敏感度那么CSC就是在该空间频率下所对应的彩度对比敏感度数据。等46幅图像全部显示结束，就得到了30°色调角下不同空间频率对应的彩度对比敏感度数据。
再以同样的方法将另外五组色调角下的波纹图像在显示器上依次显示，并计算出各色调角下不同空间频率对应的彩度对比敏感度数据。
需要说明的是，本申请实施例中正弦波颜色波纹的图像不限定为六组，可以为十组，十组波纹图像的色调角分别设为36°、72°、108°、144°、180°、216°、252°、288°、324°和360°，也可以为四组，四组波纹图像的色调角分别设为90°、180°、270°和360°，也可以为十二组，十组波纹图像的色调角分别设为15°、45°、75°、105°、135°、165°、195°、225°、255°、285°、315°、345°，但本申请实施例并不限于此；空间频率值不限定为46种，可以为30种，也可以50种，也可以为60种，但本申请实施例并不限于此。
在色调角的视觉频率敏感特性函数模型CSFH的测试中，与明度和彩度测试有所不同，在此次测试中，以12个色调角中心，即：15°、45°、75°、105°、135°、165°、195°、225°、255°、285°、315°、345°为基准，设置了12组波纹图像。测试的空间频率范围为：0.058～19.05CPD。频率分为两段：0.058～0.407CPD和0.952～19.05CPD。前后两段测试的频率间隔分别为：0.058CPD和0.476CPD，共取了46种不同的空间频率值进行测试。
首先说明色调角对比度公式为HSTART和HEND分别为偏离色调角中心的起始值和终止值，ΔHMAX则为色调角中心的最大偏离值。在计算色调角对比度时，需要对不同的色调角中心设定不同的最大偏离值ΔHMAX。当以15°或345°为色调角中心时，ΔHMAX＝15°，那么色调角变化的范围分别是[0°，30°]和[330°，360°]，在测试时，在每一种空间频率下，以1°为间隔，各生成30幅图像作为1个序列。那么46种空间频率共生成1380幅图像进行观察。而对其他色调角中心，ΔHMAX＝20°，那么46种空间频率共生成1840幅图像进行观察。此次测试需要改变的是色调角分量，那么所有图像的明度设为50，为了保证所有颜色都在显示器色域内，将以15°、315°、345°为色调角中心的图像的彩度设为60，以45°、285°为色调角中心的图像的彩度设为50，其他7种色调角中心的图像的彩度设为40。
在用显示器显示以15°为中心的一组图像时，首先对第一种空间频率下的序列图像进行依次显示，每一幅图像都有对应的色调角起始值和终止值。当观察者对于某一幅图像恰可分辨出差异时，根据该幅图像的色调角起始值和终止值就可计算出此时的对比度CH，再计算出这一空间频率下对应的色调角对比敏感度数据。当46种空间频率的序列图像全部显示并计算结束时，就得到了15°色调角中心下不同空间频率所对应的色调角对比敏感度数据。
同理，其他色调角中心的图像也依照上述方法进行显示并计算，即可获得12种色调角中心下不同空间频率对应的对比敏感度数据。
需要说明的是，本申请实施例中色调角中心不限定为12个，可以为十个，即：36°、72°、108°、144°、180°、216°、252°、288°、324°和360°，也可以为四组，即：90°、180°、270°和360°，但本申请实施例并不限于此；空间频率值不限定为46种，可以为30种，也可以50种，也可以为60种，但本申请实施例并不限于此。
在获得明度、彩度、色调角三个分量各色调角中心下的对比敏感度数据后，将其与空间频率之间的关系进行拟合，从而得到明度的视觉频率敏感特性函数模型CSFL、彩度的视觉频率敏感特性函数模型CSFC和色调角的视觉频率敏感特性函数模型CSFH。
需要说明的是，在上述拟合过程中，可以采用指数函数、对数函数和幂函数中的至少一种，但本申请实施例并不限于此。
根据上述各通道模型的构建方法获得子图像块分别在L、C和H通道的视觉频率敏感特性模型。
需要说明的是，在构建明度视觉频率敏感特性模型时，由于不同色调角下明度对比敏感度的差异不显著，因此将各色调角下的明度对比敏感度数据求平均值，构建出1个明度视觉特性模型：
CSL＝163.6*[exp(-0.1347*f)-exp(-1.187*f)]
在彩度通道下构建的彩度视觉频率敏感特性数学模型参数如表4所示：
表4彩度通道下构建的彩度视觉频率敏感特性数学模型参数
根据彩度通道下构建的彩度视觉频率敏感特性数学模型参数构建出彩度通道各色调角下的彩度视觉频率敏感特性函数模型。
同理，根据色调角通道下构建的色调角视觉频率敏感特性数学模型参数构建出色调角视觉频率敏感特性函数模型。
由于在每个通道中建立了多个色调角下的函数模型，因此，在对图像数据进行函数模型量化之前，需要对函数模型进行选择，函数模型选择方法如下：
分别在各通道下统计出图像每个子块各像素点的色调角的值，根据该点的色调角值去选择与其接近的色调角中心，根据每个色调角中心在子块中的权重确定与每个色调角中心对应的函数模型在子块中的权重，根据每个色调角中心对应的函数模型在每个子块中的权重对各个函数模型进行加权累加，从而获得每个子块的函数模型。
即一个子图像块经加权后的对比敏感度计算公式为其中，V代表三个通道L、C、H，i代表函数模型的序号，m为各个通道中函数模型的个数，在此实施例中，L和C通道m＝6，在H通道中m＝12，ni代表第i个函数模型所对应的色调角中心在图像块中出现的次数。
需要说明的是，各通道中的函数模型个数与模型测试时色调角中心个数对应，在此不限定L和C通道的函数模型个数为6个，H通道的函数模型个数为12个，可根据测试需要进行相应的调整。
利用上述对比敏感度计算公式计算出某个通道的对比敏感度数据后，再做敏感度归一化处理CS＝CS/CSMAX，其中，CSMAX代表某个通道的对比敏感度数据最大值，最后获得该图像块的量化数据。
同理，对每个图像块进行量化处理，得到该图像的量化数据。
作为一种实施例，对子图像块C通道各像素点的色调角值进行统计，获得函数模型每个色调角中心的权重如表5所示。
表5子图像块C通道函数模型每个色调角中心的权重数据
利用构建出的彩度视觉频率敏感特性模型以及加权公式计算出该图像块归一化后的彩度通道量化数据，同时为了保留直流成分，将左上角的数据置为1，如表6所示。
表6子图像块C通道归一化后的量化数据
将子图像彩度通道归一化后的量化数据与该子图像块彩度通道图像数据进行离散余弦变换后的数据(即表3中数据)相乘，并设置阈值为2，将低于阈值的数置为零，得到子图像块彩度通道量化及阈值处理后的压缩数据，如表7所示。
表7子图像块C通道量化及阈值处理后的压缩数据
从表7中可以看出，人眼几乎无法辨别的部分高频信息在量化及阈值处理后变为0，实现了对彩度通道图像数据的压缩。
同理，利用同样的方法获得该图像块L通道和H通道的压缩数据。
140，反DCT变换。
将LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到原始图像的压缩LCH图像；将LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到原始图像的压缩LCH图像，包括：将每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到每个子LCH图像块的压缩LCH图像，其中，原始图像的压缩LCH图像包括所有子LCH图像块的压缩LCH图像。
作为一种实施例，在未对LCH图像进行分块处理的时，将LCH图像的L通道压缩后数据、C通道压缩后数据和H通道压缩后数据分别进行反DCT变换，得到原始图像的压缩LCH图像。
作为一种实施例，在对LCH图像进行分块处理，得到多个子LCH图像块时，将每个子LCH图像块的L通道压缩后数据、C通道压缩后数据和H通道压缩后数据分别进行反DCT变换，得到每个子LCH图像块的压缩LCH图像。
需要说明的是，原始图像的压缩LCH图像包括所有子LCH图像块的压缩LCH图像。
150，LCH颜色空间逆转换。
对压缩LCH图像进行LCH颜色空间逆转换得到原始图像的压缩图像。
作为一种实施例，对压缩LCH图像进行LCH颜色空间逆转换得到原始图像的压缩图像，从而完成对原始彩色图像的压缩。
将上述子图像块在各通道的压缩数据进行分别反DCT变换及颜色空间逆变换，就得到原彩色RGB图像的压缩图像。
请参照图2，图2为本申请实施例提供一种用于图像压缩的设备结构框图；图2所提供的用于图像压缩的设备200与图1所述的方法对应，具有实现图1所述方法的功能模块。
在一种实施方式中，图2所提供的用于图像压缩的设备200包括：
空间转换模块210，处理模块220和压缩模块230；空间转换模块，用于将原始图像进行明度、彩度和色调角LCH颜色空间转换，得到LCH图像；处理模块，用于对LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据；压缩模块，用于对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据；处理模块还用于将LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到原始图像的压缩LCH图像；空间转换模块还用于对压缩LCH图像进行LCH颜色空间逆转换得到原始图像的压缩图像。
在处理模块用于对所述LCH图像的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT之前，处理模块还用于：对所述LCH图像进行分块处理，得的大小相同的多个子LCH图像块；处理模块具体用于：对多个子LCH图像块中的每个子LCH图像块的明度通道数据、彩度通道数据和色调角通道数据分别进行离散余弦变换DCT，得到每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据，其中，LCH图像的明度通道DCT数据包括所有子LCH图像块的明度通道DCT数据，LCH图像的彩度通道DCT数据包括所有子LCH图像块的彩度通道DCT数据，LCH图像的色调角通道DCT数据包括所有子LCH图像块的色调角通道DCT数据。
压缩模块具体用于：对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据，其中，LCH图像的明度通道压缩后数据包括所有子LCH图像块的明度通道压缩后数据，LCH图像的彩度通道压缩后数据包括所有子LCH图像块的彩度通道压缩后数据，LCH图像的色调角通道压缩后数据包括所有子LCH图像块的色调角通道压缩后数据。
处理模块具体用于：将每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据分别进行反DCT变换，得到每个子LCH图像块的压缩LCH图像，其中，原始图像的压缩LCH图像包括所有子LCH图像块的压缩LCH图像。
压缩模块具体用于：对每个子LCH图像块的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对每个子LCH图像块的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到每个子LCH图像块的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
压缩模块具体用于：对LCH图像的明度通道DCT数据、彩度通道DCT数据和色调角通道DCT数据分别进行函数模型量化，得到LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据；对LCH图像的明度通道量化后数据、彩度通道量化后数据和色调角通道量化后数据分别进行阈值处理，得到LCH图像的明度通道压缩后数据、彩度通道压缩后数据和色调角通道压缩后数据。
压缩模块还用于：分别获取每个子LCH图像块在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，每个子LCH图像块在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定每个像素点对应的一个色调角中心；根据每个子LCH图像块中与多个色调角中心中的每个色调角中心对应的像素点的数量，确定多个色调角中心中每个色调角中心的权重；根据每个色调角中心的权重对与每个色调角中心对应的函数模型进行加权累加，得到每个子LCH图像块在各通道上的函数模型。
压缩模块还用于：分别获取LCH图像在明度通道、彩度通道和色调角通道的各像素点的色调角值，其中，LCH图像在各通道的一个像素点对应一个色调角值；根据每个像素点的色调角值从预设的多个色调角中心中确定每个像素点对应的一个色调角中心；根据LCH图像中与多个色调角中心中的每个色调角中心对应的像素点的数量，确定多个色调角中心中每个色调角中心的权重；根据每个色调角中心的权重对与每个色调角中心对应的函数模型进行加权累加，得到LCH图像在各通道上的函数模型。
压缩模块还用于：对每个子LCH图像块的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到每个子LCH图像块的明度通道压缩后数据；对每个子LCH图像块的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到每个子LCH图像块的彩度通道压缩后数据；对每个子LCH图像块的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到每个子LCH图像块的色调角通道压缩后数据。
压缩模块还用于：对LCH图像的明度通道DCT数据进行明度的视觉频率敏感特性函数模型量化，得到LCH图像的明度通道压缩后数据；对LCH图像的彩度通道DCT数据进行彩度的视觉频率敏感特性函数模型量化，得到LCH图像的彩度通道压缩后数据；对LCH图像的色调角通道DCT数据进行色调角的视觉频率敏感特性函数模型量化，得到LCH图像的色调角通道压缩后数据。
需要说明的是，图2所提供的用于图像压缩的设备200，能够实现图1方法实施例中涉及图像压缩的各个过程。用于图像压缩的设备200中的各个模块的操作和/或功能，分别为了实现图1中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。
请参照图3，图3为本申请实施例提供的一种用于图像压缩的设备结构示意图，如图3所示的用于图像压缩的设备300可以包括：至少一个处理器310，例如CPU(中央处理器，Central Processing Unit)，至少一个通信接口320，至少一个存储器330和至少一个通信总线340。其中，通信总线340用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口320用于与其他节点设备进行信令或数据的通信。存储器330可以是高速RAM(随机存取存储器，random access memory)存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器330可选的还可以是至少一个位于远离前述处理器的存储装置。存储器330中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器310执行时，该设备执行图1所示方法过程。
本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时实现图1所示的方法过程。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述系统装置的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个装置或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：使用跳过块掩码来减小来自监控摄像机的比特率