以质量增量打包图像的算法

Question

我希望将图像与“质量增量”数据包一起打包为低质量图像，以便用“质量增量”修补低质量图像可以提高其质量并使其更接近原始图像。

说得更清楚，

我想将图像打包为“基础图像”（原始图像质量较差，例如 10%），以及数据包 q1、q2、q3、...。qn

这样

base-image + q1 = original image at quality 20%

base-image + q1 + q2 = original image at quality 30% 

...

base-image + q1 +q2 + .... qn = original image at quality 100%

我的要求是打包图像并通过单板计算机 (Raspberry Pi) 发送。我需要尽可能减小文件大小，但图像不应该像素化太多以至于不清楚。使用这种“增量图像质量”方法，我的想法是获得低质量的图像，并且只接收几个增量（比如直到 q3）并认为它“可以接受”，这样我就可以停止发送/接收更多数据包。

请指导我如何处理这个问题。

Answer 1

这是我在 cmets 中提到的一个快速玩具示例

原文：

以 0.2 压缩重建

import cv2
import numpy as np

# load image
img = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE);
height, width = img.shape[:2];
max_rank = min([width, height]);

# do svd
columns, diags, rows = np.linalg.svd(img, full_matrices = False);

# rebuild image with reduced rank
rank = int(max_rank * 0.2);
rebuilt = np.dot(columns[:,:rank] * diags[:rank], rows[:rank, :]);
rebuilt = rebuilt.astype(np.uint8)

# show image
cv2.imshow("Image", img);
cv2.imshow("Rebuilt", rebuilt);
cv2.waitKey(0);

这里的想法是您可以一次发送每一列、对角线和行。每当您决定停止等待时，您拥有的完整集数就是您将用于重建图像的等级。

一个更完整的例子

import cv2
import numpy as np

# receiver
client = [[], [], []]; # columns, diags, rows
def receive(column, value, row):
    # grab global
    global client;

    # add new data
    client[0].append(column);
    client[1].append(value);
    client[2].append(row);

# load image
img = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE);
height, width = img.shape[:2];
max_rank = min([width, height]);

# do svd
columns, diags, rows = np.linalg.svd(img, full_matrices = False);

# "send" data to client one rank at a time
for a in range(max_rank):
    # check progress
    print("Total Ranks Sent: " + str(a + 1));

    # get a single rank
    column = columns[:,a];
    value = diags[a];
    row = rows[a,:];

    # "send" to client
    receive(column, value, row);

    # rebuild image with current client side data
    client_cols, client_diags, client_rows = client;

    # convert to numpy
    client_cols = np.array(client_cols);
    client_diags = np.array(client_diags);
    client_rows = np.array(client_rows);
    client_cols = np.transpose(client_cols);

    # rebuild
    rebuilt = np.dot(client_cols * client_diags, client_rows);
    rebuilt = rebuilt.astype(np.uint8);

    # show
    cv2.imshow("Rebuilt", rebuilt);
    key = cv2.waitKey(0);

    # early quit
    if key == ord('q'):
        break;