DCT图像压缩的数码相机矢量量化级建模与硬件实现—国际期刊中的研究

工程科学与技术，国际期刊22（2019）840完整文章DCT图像压缩中数码相机量化级的建模与硬件实现马亨德拉·M迪厄纳角VijayaDepartment of E CE，SDMCET，Dharwad，Karnataka，India阿提奇莱因福奥文章历史记录：收到2018年2018年10月22日修订2018年12月18日接受在线提供2019年1月14日保留字：DCT矢量量化数码相机BeagleBone黑色树莓派A B S T R A C T在当今的计算世界中，数据压缩在大多数实时和嵌入式系统应用中占据着重要的地位。其中一些最终用途基本上是为特定任务而产生的，但没有描述和描述其实现。为了弥合这一差异，尝试在实验上呈现在流行的数码相机中使用50的矢量量化级别的背后的证据通过使用小于量化级50的矢量量化级，这已经被合并以减少重构图像的质量和尺寸之间的折衷。主要目标包括在基于离散余弦变换（DCT）的图像压缩中为数码相机生成从10到75的矢量量化级别，并通过参数如均方误差（MSE）、峰值信噪比（PSNR）、压缩比（CR）、每像素位数（bpp）和百分比空间节省通过将其应用于标准测试图像。在这个探索中，矢量量化水平的四个数码相机，即佳能PowerShot A700（超精细），富士FinePix A700（精细），尼康CoolPix P5000（精细）和索尼数码单反（DSLR）A700（精细）已被使用。该实验的特点还©2019 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍随着数码相机、便携式设备和快速增长的多媒体应用的出现，最常见的问题是数字图像的存储、操作和传输。在当前世界中，减少存储的数字数据的范围以及因此减少用于处理和传输的时间的需要是日益增长的忧虑。图像压缩的研究目标是减少表示图像所需的比特数。这种数据压缩算法考虑了空间域和频域中的心理视觉特征，并利用空间相关性以及统计冗余。然而，算法的使用通常依赖于图像中包含的信息。一个实用的图像数据压缩算法应该保留数据的大部分特征，同时以有损的方式工作，并最大化增益，*通讯作者。电 子 邮 件 地 址 ： mmdixitmm@yahoo.co.in ， mahendra.sdmcet.ac.in（M.M.Diabetes）。由Karabuk大学负责进行同行审查算法或算术复杂性。压缩算法通常称为Compressor，解压缩算法称为Decompressor[1]。在目前的图像处理背景下，在大多数应用程序中描绘的处理图像的质量一个至关重要的作用，以及降低处理复杂性。这样的尝试仍然是由许多贡献者和discussed与实验事实。本文考虑了佳能PowerShotA700 （ Superfine ） 、 富 士 FinePix A700 （ Fine ） 、 尼 康 CoolPixP5000（Fine）和索尼数码单反A700（Fine）数码相机的标准矢量量化矩阵，实验确定它们的量化级为50，并利用50级设计了从10级到75级的其他矢量量化级。此外，还讨论了矢量量化器的设计过程以及算法在硬件平台上的实现。该建议的显著特点是上述数字相机的矢量量化在一般图像压缩技术中的应用，该技术已被标准的联合图像专家组（JPEG）矢量量化所取代。这是经过计算的，以提高质量。https://doi.org/10.1016/j.jestch.2018.12.0102215-0986/©2019 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchM.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840841N-氮2氮处理图像。整体实现的设计方面可以在其他部分中找到。2. 相关工作和评估JPEG[2]和运动图像专家组（MPEG）[3]是最近使用最广泛的图像和视频压缩标准。这些标准采用有损压缩技术。随着压缩的增长，重构图像或视频序列的质量由于去除冗余数据而降低，这是通过使用人眼缺陷而允许的例如，Jesse D.Kornblum讨论了量化矩阵的生成，以区分软件处理的图像，这为实验和研究提供了基本动力[4]。Jesse提出的矢量量化主要基于JPEG标准的50级量化矩阵，并将矩阵元素近似到1和99 的偶数级。这一主张也得到了KhalidSayood的辩护和支持[5]。Dianjin等人的文章。[6]说明了奇异值分解和基于DCT的图像压缩技术之间的性能比较。在所述文章中，已经讨论了具有从10级、50级和90级的不同级的可变量化一直以来，大多数数码相机制造业并没有揭示量化过程的内在细节，如量化水平和量化矩阵元素分布。然而，在[7]中已经发现了应用于知名高端数码相机的这一方面，即JPEG标准中的量化。另外，在图像数据压缩技术中，很少有研究文章强调和强调量化表的使用Gu-Min Jeong等人将他们的实验集中在JPEG量化表设计上，用于手持设备中只有脸部的照片[8]。Hany Farid为Nikon Coolpix 2500数码相机使用了一个JPEG量化表样本，本文还详细介绍了图像弹道学中的数字摄影软件以及相应的软件[9]。Abbas Cheddad等人在他们的评论文章中，表示量化的目的是释放DCT产生的受限精度，同时保留有价值的数据描述符[10]。他们还详细说明了修改的量化表，这被称为扰动量化，其目的是获得更高的质量，失真可以忽略不计，而不是一个巨大的容量。Babak Mahdian和Stanislav Saic解释了在JPEG中注意图像伪造和图像数据压缩相关属性的盲方法[11]。Sofiane Braci等人。[12]揭示了如何在图像隐写上下文中使用基于量化的方案的概念。文章由Rong Zhang et al.[13]解释了相机内和相机外图像数据压缩概念，描述了在多压缩检测中的使用。张荣等人也表示，系数为100，可提供最高的压缩质量在DSP上实现的改进的量化器[16]和最近提出的混合SVD-DCT架构[17]。还尝试在数字信号处理器（DSP）和现场可编程门阵列（FPGA）上实现基于改进的矢量量化矩阵DCT的图像压缩，这在[18]中找到。Matthew James Sorell进行了一个检测和识别的初级量化的再量化JPEG图像法医应用。作者声称该技术可用于图像源识别，特别是在法医应用中，包括将小范围的潜在源相机与图像匹配[19]。JPEG量化步长估计及其在数字图像取证中的应用已经由Thanh Hai Thai等人进行了实验。[20]。本文描述了在无损存储的双JPEG压缩图像中估计二次量化表，并检测JPEG压缩的存在。T. Shohdohji等人[21]进行了一项实验，以测量DCT图像编码中基于视觉特性的量化表作者提出了量化使用Fibonacci数的表[21]。根据文献评估，可以观察到，只有少数研究提案已被描绘，划分和煽动在数码相机中的矢量量化应用的详细方法，隐藏的量化水平本研究试图提供量化表的可能细节，通过标准验证方法给出精确的量化级别，从而该方案还旨在缩小数码相机中量化表的使用与通用图像压缩之间的差距，并提出数码相机量化表的使用对通用图像压缩算法的影响，这是本文的研究范围对方法论、步骤和实施过程进行了全面阐述。3. 基于DCT的图像压缩技术基于DCT变换的图像压缩方法的框图如图所示。1.一、基本的修改，可以发现，在这种安排是使用量化矩阵的数码相机，而不是JPEG标准的量化矩阵。这里选择的量化矩阵也可以被称为与重建图像相关联的质量因子3.1. 基于DCT变换的图像压缩本节介绍使用DCT进行图像压缩的算法。步骤如下。⬛ DCT方程在（1）中，计算图像的DCT系数。这里N是宏块大小，DCT被应用。而不是无损压缩或不压缩。叶水明等[14]他提出了一种顺从的方法--8p1小提琴如果i<$0;0≤j≤N-19=ð1Þ通过检查图像质量来识别数字森林，基于JPEG压缩过程引起的块伪影的分辨率。论文[14]还介绍了使用尼康 Coolpix 5400 和 索 尼 P10 数 码 相 机 的 量 化 表 进 行 估 计 。 FerdaErnawan等人已经发表了他们关于基于心理视觉阈值的自适应JPEG图像压缩的工作，并通过引入可变质量因子[15]建议了量化表设计。本文[15]还区分了基于JPEG的图像压缩，其具有可变质量因子和使用可变缩放因子度量的心理视觉阈值。Dianjin等人还研究了基于DCT的图像压缩算法，：q<$2<$cosh<$2j<$1<$ipiif1≤i≤<$N-1<$;0≤ j≤<$N-1<$;⬛ 由于DCT用于从128到127交替的像素，所以通过从每个像素中减去128来剪切原始块，得到的矩阵为M。⬛ 在获得平坦化矩阵M之后，执行通过矩阵相乘获得的2D-DCT。D¼ Tx Mx T0±2mmT¼842M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）84010014266664Q236745661206243773757Fig. 1.使用标准数码相机的量化矩阵和DCT进行图像压缩的框图。⬛ JPEG中的质量因子的以下矩阵被用作量化矩阵。Ts½i]¼，SωTb½i]50，8等式（7）和（8）形成量化表生成器的基础161214Q50 ¼18244972615562777929975ð3Þ量化，这是由JPEG标准使用的量化级别为50。如上所述，该提案的特征在于封装公知和杰出的数字相机的矢量量化表，而不是JPEG的标准量化矩阵。本实验考虑了四种不同型号的数码相机的量化表。这些提到的数字相机的选择是有目的的，因为它们的量化矩阵值相对于DC像素值是不同的。这种选择的量化矩阵已被应用于实现图像压缩到一个一般类的两个灰度C轮D。D4⬛ 在图像重建期间，C的每个分量乘以最初使用的量化表的对应分量R¼ Q x C± 5 ° C比例和颜色映射的图像数据。由于它适用于灰度和彩色映射图像，亮度和色度量化矩阵被单独考虑，并通过使用它来执行压缩和解压缩。Q50NLQM是表示Nikon CoolPix P5000（精细）的亮度和Q50NCQM色度量化矩阵，在等式1中给出。（9）和（10）[7]。02010102030506 0701010202030707 07602020203050708 077⬛ 逆DCT然后如在Eq. （6）.02020303061010 07Q50NLQM ¼02030407081312 096 7ð9Þ.0Σ03040708101214 116 7O形圈T xRxT 12863.2. 基于可变矢量的品质因数的研究与应用06080910121514 1209 11 11 12 13 12 12 12量化矢量量化矩阵的设计已经分析了独立JPEG组（IJG）的帮助据悉，杰西[4]提出了一个基于质量因子的量化公式，由方程给出。其中Q是从1到99变化的量化级别，i是量化器的元素的索引，Tb是基矩阵（Q50），TS是使用Q50中的第0202603Q 50NCQM¼612121212121271212121212ð10Þ500<万？5000Q：200- 2Q2017Q50SLQM是表示用于等式1中给出的索尼DSLR A700（精细）的亮度和Q50SCQM色度量化矩阵。（11）和（12）[7]。111016244051121419265860131624405769561722295187802237566810910335556481104113647887103121120101929598112100103020306121212030308121212030712121212081212121212121212121212121212121212121212121212121212121212M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840843图二.基于DCT的图像压缩模型及硬件实现.图3.第三章。Nikon CoolPix P5000（Fine）灰度图像的可变量化级别与MSE和PSNR的双Y轴图图四、Nikon CoolPix P5000（Fine）彩色图像的可变量化级别与MSE和PSNR的双Y轴图844M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）8406604040405050708107702 02 02 03 03 05 06 0823456612121315151515157703030405091315 15234501010102020405 0701010202030405 07601020202030406087Q 50SLQM¼60203030304050709705050606070810 1207070808091012 1402020203061215 1502020203061215 156020202040713 15157粤11粤Q50SCQM ¼606060709141515 15715 15 15 15 15 15 15 1515 15 15 15 15 15 15 15ð12Þ图五、Sony DSLR A700（Fine）灰度图像的可变量化级别与MSE和PSNR的双Y轴图图六、Sony DSLR A700（Fine）彩色图像的可变量化级别与MSE和PSNR的双Y轴图M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840845667723¼676601020303040506057766677767670404040511 111111Q50CCQM¼4523647545236677664775×23Q50CLQM 是 表 示 佳 能 PowerShot A700 （ Superfine ） 的 亮 度 和Q50CCQM色度量化矩阵。（13）和（14）[7]。01010101010203 0301010101010303 03601 01 01 01 02 03 03 03704010102060606 0601010103060606 0601010306060606 06Q 50FCQM02040606060606 0606060606060606 06606 06 06 06 06 06 06 067ð16Þ01010401020404 03Q50CLQM ¼01 01 03 04 04 06 06 0402030404050606 0505050505050505 0501010204061111 1101010204081111 11602 02 03 04 11 11 11 11706 08 11 11 11 11 11 1111 11 11 11 11 11 11 1111 11 11 11 11 11 11 1111 11 11 11 11 11 11 11ð13Þð14Þ06060606060606 0606060606060606 06亮度和色度概念的一般描述在本节中解释。亮度是彩色电视、计算机显示器、数字设备中使用的三种颜色的光的加权和，这三种颜色是红色、绿色和蓝色（RGB），在屏幕上的给定点或像素处较强的亮度信号指示屏幕上给定点或像素处的光的较强亮度而色度定义了屏幕上给定点处的光的频率，或者用更常见的术语，在给定点处产生的光的颜色色度信号指定在显示器上的给定点处显示什么颜色以及所显示的颜色的饱和度或强度由显示器产生的RGB光的组合能够欺骗人眼感知可见颜色的全部范围，即使在显示器中只有三个窄的频率范围。Q50FLQM是表示用于等式2中给出的Fuji FinePix A700（精细）的亮度和Q50FCQM色度量化矩阵。（15）（16）（17）04010101010203 0301010101010303 03601 01 01 01 02 03 04 037可见光谱实际上可以由显示设备产生。亮度指示屏幕上给定位置的亮度，色度指示屏幕上给定位置的亮度一种颜色（仅仅是“白色”），或者颜色的深浅在由亮度指定的亮度应为。一般来说，总体上，矩阵是这样设计的，×Q50FLQM01010101030504 03¼01010203040606 0401020303040606 0503030405060707 0604050506060606 06ð15Þ方式，他们进行不同的价值观，为左上角5 5角e-段和其余的元素保持相同的值。这些细节从亮度和色度矩阵中观察到的，为最大5 × 5左上角元素提供了低频数据保留，同时对其余的高频元素给予较低的突出性。这是因为较高的5× 5量化矩阵值具有较小的幅度图7.第一次会议。Canon PowerShot A700（Superfine）灰度图像的可变量化级别与MSE和PSNR的双Y轴图846M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840因为它们反过来保留了大部分数据。这仅在对DCT变换数据应用量化之后实现。该实验的增加的显著和突出的特征是，这些上述量化矩阵被认为是基础矩阵，并且通过使用公式Eq. （8）中，研究并验证了该矩阵已被用作各个数码相机中的50级量化矩阵。这种调查的功能和分析通常被数码相机设计师和制造商所掩盖。此外，在该实验中，使用这些基础矩阵，已经生成了从级别10到75的剩余量化矩阵，并成功地应用于基于DCT的图像压缩算法.在MATLAB平台上设计并仿真了完整的拟议架构[22]。3.3. 量化水平从标准JPEG过程中可以看出，量化器在压缩中起着非常重要的作用，没有量化就没有压缩。由于这一事实，并实现可变的质量因子在重建图像数据，量化器的建模是同样重要的DCT变换的建模。量化器的建模还便于图8.第八条。Canon PowerShot A700（Superfine）彩色图像的可变量化级别与MSE和PSNR的双Y轴图图9.第九条。Fuji FinePix A700（Fine）灰度图像的可变量化级别与MSE和PSNR的双Y轴图M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840847×第四高第3名最高第二高第1名最高与JPEG标准相比，在所提出的工作中使用量化级别20代替量化级别50因此，量化器的建议中的建模证明是非常重要的。4. 模型开发和硬件部署在MATLAB环境下，利用Simulink建立了基于DCT变换的图像压缩模型，如图所示。 二、由此开发的模型由两个主要的块处理元件和两个更多的子块处理元件组成和他们第一块处理元件包含2D-DCT函数以及矢量量化函数作为子块。在应用2D-DCT变换功能之前，将输入图像文件分组为8 × 8宏块。一旦应用了2D-DCT，就使用所提到的数码相机的矢量量化来对其进行量化。第二块处理元素包括矢量解量化，其又使用与量化过程的一部分相同的矢量量化矩阵。然后应用2D-IDCT，重建出与原始图像数据相似的图像数据。图10个。Fuji FinePix A700（Fine）彩色图像的可变量化级别与MSE和PSNR的双Y轴图表1灰度图像量化级30模拟性能指标的比较评价。数码相机名称输入灰度图像详细信息量化一级业绩计量的比较评价30均方误差（MSE）峰值信噪比（PSNR）dB压缩比（捷克共和国）每像素比特（bpp）节省空间%尼康CoolPixP5000（精品）Lenna.png 7.87 e-05Cameraman.tif 1.05 e-04Airplane.png 8.25 e-05Crowd.tif 8.53 e-0540.6939.7040.0140.685.47 0.872.26 3.547.32 0.792.14 3.7581.755.886.353.2索尼DSLRA700（精品）Lenna.png 5.20 e-05Cameraman.tif 6.79 e-05Airplane.png 6.23 e-05Crowd.tif 5.90 e-0542.4841.6141.2342.295.02 0.952.06 3.96.54 0.881.91 4.280.151.484.747.5佳能PowerShotA700（Superfine）Lenna.png 3.05 e-05Cameraman.tif 3.50 e-05Airplane.png 4.49 e-05Crowd.tif 3.57 e-0544.8044.4842.6544.464.31 1.11.75 4.595.54 1.041.68 4.7876.842.781.940.04富士FinePix A700（精细）Lenna.png 3.33 e-05Cameraman.tif 3.92 e-05Airplane.png 4.67 e-05Crowd.tif 3.82 e-0544.4143.9942.4844.174.41 1.081.77 4.545.61 1.031.71 4.777.343.482.241.4848M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840第四高第3名最高第二高第1名最高软件模拟是可能的，这个相当大的设计设置。这就形成了模型的发展。为了运行和部署开发的模型到硬件上，必须完成以下修饰第一块处理单元的输入端可以连接到来自源的图像，其中图像可以是从硬件的摄像头读取的图像，也可以是从工作文件夹中存储的图像第二块处理元件的输出端附接有简单直接媒体层（SDL）视频查看器，或者通过使用高清晰度多媒体接口（HDMI）来显示重建图像的显示设备下一个连接步骤是使用特定的目标设备系列规范和配置配置模型，也是通过放置所连接设备的互联网协议（IP）地址最后，将模型部署到硬件上进行实现。本节还讨论了在硬件平台上进行实验时的表2彩色图像量化级30模拟性能指标的比较评价数码相机名称输入彩色图像详细信息量化一级业绩计量的比较评价30均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%尼康CoolPixP5000（精品）Lenna.tif 6.05 e-05飞机。tiff5.14e-05Baboon.tif 1.35 e-04Peppers.tif 8.89 e-0541.4642.005.87 4.17.27 3.32.08 11.55.1 5.7183.086.237.9051.939.6980.4索尼DSLRA700（精品）Lenna.tif 5.54 e-05飞机。tiff 4.29 e-05Baboon.tif 1.53 e-04Peppers.tif 8.67 e-0541.8442.785.03 4.785.95 4.042.16 11.14.55 6.3980.183.237.3753.839.8078.0佳能PowerShotA700（超细）Lenna.tif 4.58 e-05飞机。tiff 3.94 e-05Baboon.tif 9.87 e-05Peppers.tif 7.01 e-0542.6643.1539.2840.724.92 4.894.87 4.091.95 12.44.00 7.2879.783.048.675.0富士FinePixA700（精细）Lenna.tif 2.63 e-05飞机。tiff 2.47 e-05Baboon.tif 3.66 e-05Peppers.tif 3.38 e-0545.0745.1743.5843.893.77 6.384.33 5.541.67 14.42.62 11.173.576.94.261.8第四高第3名最高第二高第1名最高表3灰度图像量化级20模拟性能指标的比较评价。数码相机名称输入灰度图像详细信息量化级别20均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%Lenna.png1.26 e-0438.636.290.7684.1尼康CoolPixCameraman.tif1.88 e-0437.172.673.062.6P5000（精细）Airplane.png1.12 e-0538.658.650.6788.4Crowd.tif1.26 e-0538.962.423.3158.6Lenna.png8.47 e-0540.375.830.8282.8Sony DSLRCameraman.tif1.21 e-0439.102.443.2959A700（精细）Airplane.png8.68 e-0539.787.820.7487.2Crowd.tif9.27e-0540.322.193.6654.4佳能PowerShotA700Lenna.pngCameraman.tifAirplane.png5.09 e-056.25 e-056.13 e-0542.5841.9641.304.972.016.450.963.984.2279.950.484.5（超细）Crowd.tif5.86 e-0542.311.94.047.4Lenna.png5.58 e-0542.185.010.9580富士FinePixCameraman.tif6.88 e-0541.552.040.8851A700（精细）Airplane.png6.55 e-0541.016.523.9384.7Crowd.tif6.23 e-0542.051.934.1648.1M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840849第四高第3名最高第二高第1名最高实现中的主要问题和困难是从Simulink块集创建模型文件，并使用智能脚本编写模型随后，这是具有挑战性的，因为存在许多循环和分支语句以及明确的程序控制条件。这里的另一个主要这是通过在系统内存中的相应硬件设备上安装MATLAB服务器来实现的。一旦硬件加载了智能，下一个挑战就是作为独立的处理器独立运行，并执行整个计算系统的任务该方案的突出特点是，硬件系统可以在标准状态下运行，dalone模式，即在摄像头和显示器的帮助下，不使用额外的计算机。这意味着系统连接的摄像机可以向硬件提供实时图像，然后可以将处理后的图像提供给连接的监视器以显示重建的图像。5. 实验结果在这项工作中使用的性能指标是MSE，PSNR，CR，bpp和百分比空间节省。公式如Eqs. （17）表4彩色图像量化级20模拟性能指标的比较评价数码相机名称输入彩色图像详细信息量化级别20均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%尼康CoolPixP5000（精品）Lenna.tif 9.72 e-05飞机。tif7.63 e-05Baboon.tif 2.76 e-04Peppers.tif 1.29 e-0539.4040.287.46 3.229.31 2.582.66 9.047.83 3.7286.689.334.8062.438.0787.2索尼DSLRA700（精品）Lenna.tif 8.46 e-05飞机。tiff5.89e-05Baboon.tif 2.98 e-04Peppers.tif 1.18 e-0440.0041.416.25 3.857.35 3.262.74 8.786.19 4.718486.434.4763.538.4583.8佳能PowerShotA700（超细）Lenna.tif 7.44 e-05飞机。tiff5.76e-05Baboon.tif 2.16 e-04Peppers.tif 1.07 e-0440.5641.5035.8838.866.21 3.877.49 3.212.42 9.945.94 4.983.986.658.683.2富士FinePixA700（精细）Lenna.tif 4.29 e-05飞机。tiff 3.85 e-05Baboon.tif 7.89 e-05Peppers.tif 6.25 e-0542.9543.2540.2541.224.86 4.955.8 4.141.85 133.69 7.8979.482.74672.9见图11。Nikon Coolpix P500（Fine）的重建图像以BeagleBone Black为原型。850M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840¼XX.%¼-MSE1MXNm-1n-1[1/2 Ii;j-Oi;j]ð17Þ节省空间1尺寸压缩图像x100大小的未压缩图像1/4j¼0其中，I（i，j）和K（i，j）分别是原始图像和重建图像，m× n是图像的纵横比. 最大值ð21Þ这里考虑的用于该实验的标准测试图像取自三个配置文件，即低频、混合频率和低频。峰值信噪比（PSNR）：20 log10pMSEð18Þ频率和高频率。这是首选的测试算法的效率一般和特定的使用。双公司简介大小的未压缩图像大小压缩图像的大小大小的压缩图像表示量化级别与PSNR、MSE的关系，如图1A和1B所示。3和4为尼康CoolPix P5000（精细），图。5和6为索尼数码单反A700（罚款），图.7 和 8 佳 能 PowerShot A700 （ 超 细 ） 和 图 。富 士 FinePix A700（Fine）bpp¼mxn2019年分别图12个。索尼DSLR A700（Fine）的BeagleBone Black原型重建图像2M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840851图十三. Canon PowerShot A700（Fine）在Raspberry Pi上的原型重建图像。852M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）8406. 比较评价和总结工作主要集中和集中在量化矩阵的设计，而不是量化级别为50，这已经进行了不同的数码相机。此外，实验还揭示和阐明了由不同的数码相机使用的量化矩阵作为量化级别50。在四台数码相机上对该算法进行了基于DCT变换的变量化图像压缩的仿真和实现，并成功地应用于标准类测试图像比较评价是图十四岁富士FinePix A700（Fine）在Raspberry Pi上的原型重建图像表5在量化等级30灰度图像下原型性能指标的比较评价数码相机名称输入灰度量化一级业绩计量的比较评价30设备映像详细信息均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%尼康CoolPix P5000（精品）BeagleBone Lenna.pngBlack 38，9367.49 e-0540.901.852.5546.16256× 256Sony DSLR A700（Fine）Cameraman.tif256× 2560.0016 27.19 1.47 5.42 32.30佳能PowerShot A700（Superfine）Raspberry PiLenna.png38，936日元256× 25645.39 1.45 3.26 31.20Fuji FinePix A700（Fine）Cameraman.tif 65，734张256×2560.0014 28.41 1.20 6.21 22.5表6彩色图像量化级30下原型性能指标的比较评价数码相机名称输入彩色图像量化一级业绩计量的比较评价30512× 512Sony DSLR A700（Fine）Lenna.tif 197，020256× 2569.30e-05佳能PowerShot A700（Superfine）Raspberry PiLenna.tif197，020日元256× 2566.47e-04 41.19 2.53 9.47 60.59Fuji FinePix A700（Fine）Baboon.tif 787，420512× 5128.74e-5 39.80 1.02 23.47 2.32设备细节均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%尼康CoolPix P5000（精品）BeagleBone Airplane.tiff黑色786，572 €1.44 e-0437.503.636.6272.4M.M. 迪耶什角Vijaya/工程科学与技术，国际期刊22（2019）840853表7量化等级为20的灰度图像原型性能指标的比较评价数码相机目标输入灰度量化级别20名称设备映像详细信息均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%尼康CoolPixP5000（精品）BeagleBone Lenna.pngBlack 38，9361.23 e-0438.752.232.1355.1索尼DSLRA700（罚款）佳能PowerShotA700（Superfine）富士FinePix A700（精细）256×256Cameraman.tif65，734英镑256× 256Raspberry PiLenna.png38，936日元256× 256Cameraman.tif65，734英镑256× 2560.0019 27.12 1.73 4.63 42.24.71e-050.0017 27.71 1.46 0.68 32.0表8彩色图像量化水平20下原型性能指标的比较评价数码相机名称输入彩色图像量化级别20设备细节均方误差（MSE）峰值信噪比（PSNR），单位为dB压缩比（CR）每像素位数（bpp）节省空间%尼康CoolPix P5000（精品）BeagleBone Airplane.tiff黑色786，572 €1.77 e-0436.624.685.1378.6512× 512Sony DSLR A700（Fine）Lenna.tif 197，020256× 2561.88e-04佳能PowerShot A700（Superfine）Raspberry PiLenna.tif197，020日元256× 25637.36 3.17 0.94 69.0Fuji FinePix A700（Fine）Baboon.tif 787，420512× 51236.95 1.08 2.76 8.0并在BeagleBone Black和Raspberry Pi目标设备上进行了功能验证为了比较结果，通过参考表1，可以看出，在30的量化水平下，重建Lenna.png灰度级图像，对于Nikon CoolPix具有40.69 dB的PSNR值和81.7的空间节省百分比，对于SonyDSLR具有42.48 dB的PSNR值和80.1的空间节省百分比，对于Canon PowerShot具有44.80 dB的PSNR值和76.8的空间节省百分比，对于Fuji FinePix具有44.41dB的PSNR值和77.3的空间节省百分比这意味着佳能PowerShot能够在选定的数码相机中产生合理的PSNR，而尼康CoolPix能够在所有实验的数码相机中产生卓越的空间节省对于甚至其他类别的灰度、彩色图像也实现了类似的结果，并且如表2所示。表3和表4提供了在低成本硬件设备上进行原型设计的详细信息据观察，所提出的图像压缩算法在20的量化级以上的重建之后提供了优异质量的图像。这可以通过参考表1和表3来证明，很明显，佳能PowerShot A700（超细）的PSNR值在30的量化级别到20的量化级别之间有2 dB的微小差异 图图11 -14分别示出了在两个硬件设备上实现的算法的重建图像质量。有关硬件性能指标的比较评估，请参阅表5-执行。7. 结论本研究主要针对各种数位相机所使用的量化过程进行实验辨识并将同样的量化方法应用于一般的图像压缩类。很明显在20和更高的量化