拜耳数据的无损编解码器答案

【问题标题】：Lossless codec for bayer data拜耳数据的无损编解码器
【发布时间】：2012-07-14 02:04:32
【问题描述】：

我正在使用大量以 BG 拜耳模式拍摄的相机。

现在，每次我记录一些数据时，我都会以原始拜耳模式将其保存到磁盘的 avi 容器中。问题是，这确实会在一段时间后加起来。经过一年的研究，我拥有接近 4TB 的数据...

所以我正在寻找一种无损编解码器来压缩这些数据。我知道我可以使用 libx264（带 --qp 0）或 huffYUV、dirac 或 jpeg2000，但它们都假设你有 RGB 或 YUV 数据。将 Bayered 数据转换为 RGB，然后对其进行压缩很容易，但如果您首先将数据增加三倍，则有点违背了压缩的目的。这也意味着 debayering 引入的去马赛克人工制品也将在我的源数据中，这也不是太大。最好有一个可以直接处理拜耳数据的编解码器。

更好的是，该解决方案将涉及 gstreamer（或 ffmpeg）已经支持的编解码器，因为那是我已经在使用的。

【问题讨论】：

标签： opencv ffmpeg gstreamer codec lossless-compression

【解决方案1】：

一个相当晚的建议，可能对其他人有用..

它有助于将拜耳模式解交织成四个象限，然后将该图像视为灰度图像。子图像（例如左上角的所有红色像素）的空间分辨率只有一半，但它们的像素相关性更高。这会导致使用附近像素的预测器的残差更低，从而获得更好的压缩比。我已经看到这种对 12 位原始相机数据的无损压缩达到了 2-3 倍。

【讨论】：

只是评论说这对我没有太大影响（从数量上看，中位数改进是 1%；最好的情况小 5%，最坏的情况大 7%，超过约 450 个视频帧） .例如将原始/原始拜耳图案图像编码为无损 JPEG 2000 编码图像需要原始大小的 42%（即 2.4 倍压缩），而在每个象限中具有通道的版本对于该图像仅小 3%
感谢您分享您的号码。是的，一个缺点是象限边界是预测不佳的不连续性（压缩成本很高）。另一种选择是将每个 2x2 模式视为一个半分辨率 R、G、B 像素（将传递给传统的 RGB 编解码器）。另一个拜耳样本 G2（或者更好的是，G-G2）可以用灰度编码器存储。这允许跨像素和通道去相关。
同意边界，但我希望它们占据像素的一小部分，因此不会太重要。此外，我碰巧测试的图像大多是对称的，所以不应该有太多的不连续性
有趣的“半分辨率”像素想法，你知道第二个绿色通道是否可以存储在同一个文件/流中（我是 jpeg2000 格式的新手）？我尝试过使用单独的文件，但似乎没有帮助；我还尝试了一种将 G 通道的平均值存储在 RGB 图像中的变体，然后将增量作为灰度，似乎为我的一半图像节省了 7%，但我正在努力解决使这个可逆的数学问题（我的幼稚版本失去了LSB)
JPEG XL 确实支持这个（“额外通道”），不确定 J2K。很高兴听到 mean+delta 有帮助。为了可逆性，我认为平均值和增量都需要额外的精度 - 平均值基本上是解释为一个小数位的定点数的总和。

【解决方案2】：

如果商业解决方案没问题，请查看Cineform。我已经将他们的 sdk 用于自定义视频压缩器，效果很好，而且他们有一些很棒的工具来处理原始视频。

或者，如果您更喜欢开源路线，请查看Elphel JP4。

【讨论】：

自从 Cineform 以open source 发布以来，恢复这个答案。

【解决方案3】：

我从 Wikipedia 学到的所有关于 Bayer 模式的知识，但转换为 RGB 不是更多的是去隔行而不是三倍吗？红色和蓝色的分辨率不会下降 4 倍，绿色的分辨率不会下降 2 倍吗？如果是这样，像无损 jpeg 这样的无损图像压缩方案可能就是这样。

【讨论】：

使用 BG Bayer 过滤器，基本上每个像素的绿色为 4 位，蓝色为 2bpp，红色为 2bpp，总共 8bpp。现在，如果你将这个去马赛克到 BGR，结果通常是 24bpp（每种颜色 8 个），因此数据量增加了三倍。确实，实际信息是一样的。
由于我所知道的大多数无损视频编解码器（HuffYUV、ffv1、..）的压缩率只有 3 左右，因此压缩 BGR 版本与存储原始拜耳数据相比没有任何优势。将拜耳数据压缩为灰度值，通常会导致压缩比约为 2，我认为必须有更好的编解码器。（为什么这个评论字符限制？）