已有一张灰度图像，写一个在jupyterLab上对其进行基于游程编码的图像压缩代码，并能修改压缩率

好的，以下代码是基于游程编码的图像压缩代码，使用Python语言，可以在JupyterLab上运行：

import cv2
import numpy as np

def runlength_encode(image):
    # 将图像转换为一维数组
    image_1d = image.reshape(-1)
    
    # 初始化游程编码的列表
    encoding = []
    
    # 记录当前像素值和游程长度的变量
    current_pixel = image_1d[0]
    run_length = 1
    
    # 从第二个像素开始遍历数组
    for pixel in image_1d[1:]:
        # 如果当前像素和前一个像素相同，则游程长度加一
        if pixel == current_pixel:
            run_length += 1
        # 如果当前像素和前一个像素不同，则将前一个像素和游程长度记录下来，并更新变量
        else:
            encoding.append((current_pixel, run_length))
            current_pixel = pixel
            run_length = 1
    
    # 将最后一个像素和游程长度记录下来
    encoding.append((current_pixel, run_length))
    
    return encoding

def runlength_decode(encoding, image_shape):
    # 创建一个空的图像数组
    image_1d = np.zeros(np.prod(image_shape), dtype=np.uint8)
    
    # 从第一个像素开始遍历编码列表
    index = 0
    for pixel, run_length in encoding:
        # 将当前像素的游程解码为多个像素，并将它们写入图像数组中
        for i in range(run_length):
            image_1d[index] = pixel
            index += 1
    
    # 将一维数组转换为二维图像
    image = image_1d.reshape(image_shape)
    
    return image

# 加载灰度图像
image = cv2.imread("test_image.png", cv2.IMREAD_GRAYSCALE)

# 对图像进行游程编码
encoding = runlength_encode(image)

# 输出编码结果
print("编码结果：")
print(encoding)

# 修改压缩率
compression_ratio = 0.5

# 计算需要保留的编码数量
num_codes_to_keep = int(len(encoding) * compression_ratio)

# 保留前面的编码
truncated_encoding = encoding[:num_codes_to_keep]

# 将编码解码为图像
decoded_image = runlength_decode(truncated_encoding, image.shape)

# 输出解码结果
print("解码结果：")
print(decoded_image)

# 显示压缩前后的图像
cv2.imshow("Original Image", image)
cv2.imshow("Decoded Image", decoded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码中，我们使用OpenCV库加载一张灰度图像，然后对图像进行游程编码，返回一个包含每个像素值和它连续出现的次数的元组列表。然后根据需要保留的编码数量来修改压缩率，最后将编码解码为图像。在测试代码中，我们输出了编码结果和解码结果，并使用OpenCV库显示了压缩前后的图像。