【今日份知识你摄入了么？什么是图像压缩？】

你今天吸收你的知识了吗？

什么是图像压缩？

图像压缩

图像压缩是数据压缩的一种，因为图像压缩减少了对图像进行编码所需的数据位，但同时保留了图像细节。

图像压缩的应用包括：

图像压缩和深度学习

深度学习

自 1980 年代以来，深度学习 (DL) 一直用于图像压缩，并已扩展到包括多层感知器、随机神经网络、卷积神经网络和生成对抗网络等技术。

多层感知器

多层感知器

多层感知器 (MLP) 在输入神经元和输出神经元之间具有一个或多个隐藏层或神经元。理论上，具有多个隐藏层的 MLP 对于降维和数据压缩很有用。使用 MLP 的图像压缩涉及整个空间数据的单一转换。

该算法进一步开发了基于周围像素的预测技术，从而估计每个像素的值。然后 MLP 算法使用反向传播最小化来预测像素和原始像素之间的均方误差。

卷积神经网络

卷积神经网络

与传统的计算机视觉模型相比，卷积神经网络 (CNN) 减少了压缩伪影并提高了超分辨率性能。CNN的卷积运算可以用来确定相邻像素的相关性。级联卷积运算反映了复杂图像的特征。

然而，CNN模型很难在整个图像压缩过程中应用，因为这个过程需要使用梯度下降算法和反向传播，这在端到端的图像压缩中具有挑战性。

2016年，CNN首次用于图像压缩，其算法由分析模块和合成模块组成。分析模块由卷积、拆分和下采样归一化阶段组成。每个阶段都以仿射卷积开始，获得下采样输出，然后使用广义除法归一化 (GDN) 计算下采样信号。

基于 CNN 的图像压缩改进了 JPEG2000 指标，例如峰值信噪比 (PSNR) 和结构相似性 (SSIM)。该算法通过使用超先验的尺度在熵估计方面得到进一步发展。这使图像压缩性能水平更接近高效视频编码 (HEVC) 等标准。

生成对抗网络

生成对抗网络

生成对抗网络 (GAN) 是由两个相对的生成网络模型组成的深度神经网络。第一个基于GAN的图像压缩算法于2017年问世。该算法产生的压缩文件大小是WebP的一半，2.比JPEG或JPEG200小5倍，1.小7倍比BPG。该算法还使用并行计算 GPU 内核实时运行。

GAN图像压缩涉及根据输入图像的特征在微小的特征空间中重建压缩图像。与 CNN 相比，GAN 网络在图像压缩方面的主要优势在于抗损失，从而提高了输出图像的质量。同时，对抗性网络相互训练，提高了图像生成模型的性能。

基于人工智能的图像压缩框架和库

理论上，一个人可以自己编写一个完整的图像处理应用程序，但现实情况是，您还需要利用其他人开发的内容，并简单地调整或扩展现有软件以满足您自己的需求。现有许多框架和库为图像处理提供模型，其中大部分是在大型数据集上进行预训练的。

打开简历

开放式CV

开源计算机视觉 (OpenCV) 库提供了数百种机器学习和计算机视觉算法报错己阻击应用程序对图像，以及数以千计的函数来支持这些算法。许多人选择使用这个库，因为它支持所有主要的移动和桌面操作系统，以及 Java、Python 和 C++ 接口。

OpenCV 包含许多用于图像压缩功能的模块，包括图像处理、对象检测和机器学习模块。您可以使用这个库来获取图像数据并提取、增强和压缩它。

TensorFlow

TensorFlow 是谷歌的一个开源框架，支持机器学习和深度学习。TensorFlow 可以帮助您自定义构建和训练深度学习模型。TensorFlow 包含许多库，其中一些对计算机视觉应用程序和图像处理项目很有用。TensorFlow Compression (TFC) 库还提供数据压缩工具。

MATLAB 图像处理工具箱

矩阵实验室，也称为MATLAB，是一种编程语言和主流的数学和科学问题解决平台。该平台提供了一个图像处理工具箱 (IPT)，其中包含用于处理、分析和可视化图像以及开发算法的各种工作流应用程序和算法。

MATLAB IPT 可自动执行从降噪和图像增强到图像分割和 3D 图像处理的图像处理工作流程。IPT 函数通常支持生成 C/C++ 代码，对于部署嵌入式视觉系统或桌面原型设计很有用。

虽然 MATLAB IPT 不是开源框架，但您可以免费试用。

高保真生成的图像压缩

这种高保真生成图像压缩是一个 Github 项目，它利用学习的压缩和 GAN 模型来创建有损压缩系统。许多编程爱好者对这个项目非常感兴趣报错己阻击应用程序对图像，因为他们可以在 Github 上试用 HiFiC 代码。该模型在重建压缩图像中的详细纹理方面非常有效。

综上所述

本文主要讨论基于深度学习的图像压缩算法的最新技术，包括多层感知器、卷积神经网络和生成对抗网络。本文还介绍了可用于构建基于 AI 的图像压缩应用程序的现成工具：

谢谢阅读！希望本文能帮助您评估深度学习在图像压缩和优化项目中的使用！