狂信者
精华
|
战斗力 鹅
|
回帖 0
注册时间 2018-1-7
|
本帖最后由 余生皆假期 于 2018-2-8 13:08 编辑
直接压缩显然是不对的，对于重复率较高的图片，有着更好的压缩方法。
对于无损压缩，目前主流的压缩算法 lzss, lzw 及其变体等，等于文本处理效果显著，对于图像处理却十分勉强。
对于重复率较高的图片，考虑以下方案：
假设目前有两张相似的图片 A, B。
1.将 B 划分为 8*8 的图块，在 A 中查找最相似的图块的坐标，例如对于 B 中一个坐标(8, 8)的图块，在 A 中搜索 x(0-15), y(0-15) 的范围。
比较图块的相似度有很多种算法（SAD, SSD等），这里我们用 SAD 计算【图块中【每个像素的差的绝对值】的和】。
我们给搜索加上一个终止条件，比如误差小于 200 就认为搜索到了而不必一定要找到最小误差。
这样我们可以得到一个数组，表示图像 B 的所有图块信息，数组中每个元素是一个保存了一份图块信息的字典：
{
'x': 0, // 图块在 A 中的坐标
'y': 0, // 同上
}
暂且将这个文件以 json 格式保存为 B.json。
2.以 A 为参照，对 B.json 进行还原，还原以后会生成一个充满马赛克的图片 B1，计算 B 和 B1 的差值，生成图片 B2。
现在，我们可以通过 B.json + B2 + A，还原出无损的图片 B，看起来，相对于之前的 B + A，不但没有减少文件体积，反而还多了一个 B.json。
然而需要注意的是，差值图 B2 是存在大量重复数据的，因此可以用压缩算法进行压缩，同样的，B.json 也可以直接优化为自定义的二进制格式（例如 x, y 仅用 4 字节存储），所以文件体积反而变小了。
3.对于图片 A, B, C，以同样方法压缩，A 为关键图，其余每张图以上一张图为参照进行还原。
4.将所有数据整合为一个自定义格式的文件后进行压缩。
这其实就是视频压缩的原理，以上仅仅只是一个非常朴素的编码方案，目前主流算法例如 H.264 要先进得多，即便如此，这个方案也比直接压缩效率要高。（我做 galgame CG包时测试过）
结论：楼主用关键帧/临近帧处理把图片压缩最优。
ps：刚刚又测试了一下，这个方案还是略优的，素材是万华镜CG包。
|
|
沪公网安备 31010702007642号 )
发表于 2018-2-6 22:43
大概需求是这样 有一批图片 基本上99%的像素都是一样的 重复率很高 因为占用空间还蛮大的 想知道有没有办法压缩要求就是不改变已有图片的质量 试了下打成tar包大小基本没变 有什么别的工具适合这个场景? 
好专业的回复 我先慢慢爬楼 顺便补一句 图片是png, 需要先转成bmp吗
多谢
