JPEG LS算法局部梯度值计算原理
JPEG LS算法
局部梯度值计算
在完成因果模板构建后，就要对当前待编码元素的局部梯度值进行计算。
局部梯度值的计算公式如下所示：
局部梯度值D1,D2,D3表示的是当前待编码元素的邻近元素的活动水平，比如平滑性，边界性等。
局部梯度值D1,D2,D3的值也决定了当前待编码元素是进入游程编码模式还是进入正常编码模式
当D1,D2,D3的绝对值都小于等于NEAR的时候，当前待编码元素和邻近元素构成平坦区域，进入游程编码模式
当D1,D2,D3的绝对值都大于NEAR的时候，当前待编码元素和邻近元素构成非平坦区域，进入正常编码模式
这样通过局部梯度值的计算就可以决定当前待编码元素进入哪一种编码模式了
局部梯度值量化
如果同一个上下文中对少量元素进行编码，通常无法获得足够的上下文编码信息。但是如果对大量元素进行编码又会带来存储空间变大的问题。因此要对局部梯度值进行量化处理。
JPEG-LS算法中局部梯度值的量化公式如下：
局部梯度值被量化为9个整数，有效的减少了上下文参数的数量。
其中T1,T2,T3为量化的阈值，在8bit灰度图像进行无损压缩的时候三个的取值分别为
T1: 3
T2: 7
T3: 21
审核编辑：黄飞
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
JPEG
+关注
关注
0文章
66浏览量
29932
原文标题：JPEG LS算法--局部梯度值计算
文章出处：【微信号：FPGA开源工坊，微信公众号：FPGA开源工坊】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
机器学习新手必学的三种优化算法（牛顿法、梯度下降法、最速下降法）
还需要假设函数的二阶导数也是连续的（例如， f ∈ C²）。最后，我们还需要假设需要最小化的函数是凸函数。这样一来，如果我们的算法集中到一个点（一般称为局部最小值），我们就可以保证这个值
发表于 05-07 08:30
基于DSP的图像采集及JPEG-LS压缩系统
本文介绍了基于TMS320VC5509A芯片的图像采集并对图像进行JPEG-LS压缩的硬件系统,并在PC机上通过VB对图像进行显示处理。在该系统中,完成了JPEG-LS压缩算法的DSP移植,并通过运用DSP的硬件
发表于 02-24 14:35
•22次下载
JPEG2000新型码率控制算法的DSP实现
JPEG2000新型码率控制算法在渐进过程截断算法的基础上,结合逐层位平面截断算法,减少了冗余的编码量和算法复杂度,同时经过大量测试,该
发表于 11-11 14:41
•38次下载
JPEG压缩算法并行化设计
方面并行性的优势，提出了基于OpenCL的JPEG压缩算法并行化设计方法。将JPEG算法功能分解为多个内核程序，内核之间通过事件信息传递进行顺序控制，并在GPU+CPU的异构平台上完成
发表于 11-21 16:57
•4次下载
JPEG图像压缩算法流程详解
。基本系统的JPEG压缩编码算法一共分为11个步骤：颜色模式转换、采样、分块、离散余弦变换（DCT）、Zigzag 扫描排序、量化、DC系数的差分脉冲调制编码、DC系数的中间格式计算、AC系数的游程长度编码、AC系数的中间格式
发表于 12-01 09:20
•4.1w次阅读
一文看懂常用的梯度下降算法
的。梯度下降算法背后的原理：目标函数 关于参数 的梯度将是目标函数上升最快的方向。对于最小化优化问题，只需要将参数沿着梯度相反的方向前进一个步长，就可以实现目标函数的下降。这个步长又称
发表于 12-04 18:17
•1781次阅读
基于SVM的局部潜在语义分析算法研究
。该算法在语义分析使用矩阵的奇异值分解过程中引入不同类别信息，分析特征词的局部特征，使用支持向量机分类器计算文本对类别的相关度参数，并应用于局部
发表于 12-06 10:05
•0次下载
基于梯度角度的直方图HGA的图像匹配算法
针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题，提出了一种基于梯度角度的直方图（ HGA）的图像匹配算法。该算法先通过加速片段测试特征（FAST）获取的图像关键点，然后采
发表于 01-12 11:42
•0次下载
梯度下降两大痛点：陷入局部极小值和过拟合
基于梯度下降训练神经网络时，我们将冒网络落入局部极小值的风险，网络在误差平面上停止的位置并非整个平面的最低点。这是因为误差平面不是内凸的，平面可能包含众多不同于全局最小值的
梯度下降算法及其变种：批量梯度下降，小批量梯度下降和随机梯度下降
现在我们来讨论梯度下降算法的三个变种，它们之间的主要区别在于每个学习步骤中计算梯度时使用的数据量，是对每个参数更新（学习步骤）时的梯度准确性
简单的梯度下降算法，你真的懂了吗？
梯度下降算法的公式非常简单，”沿着梯度的反方向（坡度最陡）“是我们日常经验得到的，其本质的原因到底是什么呢？为什么局部下降最快的方向就是梯度
发表于 09-19 00:17
•819次阅读
工商网监
评论