六图像压缩的动态规划.docxVIP

图像压缩的动态规划摘 要本文的关键目标是设计并实现图像压缩的动态规划。该文主要是为了解决如何利用动态规划来解决图像压缩的问题。该文中介绍了动态规划的基本思想，还向读者阐述了图像压缩的动态规划算法的实现。最后本文还对这个算法进行了一些详细的分析。关键词：图像压缩;最优子结构;动态规划;最优解问题描述在计算机中，常用像素点的灰度值序列{p1,p1,……pn}表示图像。其中整数pi,1=i=n，表示像素点i的灰度值。通常灰度值的范围是0~255。因此最多需要8位表示一个像素。压缩的原理就是把序列{p1,p1,……pn}进行设断点，将其分割成一段一段的。分段的过程就是要找出断点，让一段里面的像素的最大灰度值比较小，那么这一段像素(本来需要8位)就可以用较少的位(比如7位)来表示，从而减少存储空间。b代表bits,l代表length,分段是，b[i]表示每段一个像素点需要的最少存储空间(少于8位才有意义)，l[i]表示每段里面有多少个像素点，s[i]表示从0到i压缩为一共占多少存储空间。如果限制l[i]=255,则需要8位来表示l[i]。而b[i]=8，需要3位表示b[i]。所以每段所需的存储空间为l[i]*b[i]+11位。假设将原图像分成m段，那么需要位的存储空间。??图像压缩问题就是要确定像素序列{p1,p1,……pn}的最优分段，使得依此分段所需的存储空间最小。问题分析动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。我们可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。具体的动态规划算法多种多样，但它们具有相同的填表格式。3 算法描述3.1最优子结构性质??????设l[i],b[i],1=i=m是{p1,p1,……pn}的一个最优分段，则l[1],b[1]是{p1,……,pl[1]}的一个最优分段，且l[i],b[i],2=i=m是{pl[1]+1,……,pn}的一个最优分段。即图像压缩问题满足最优子结构性质。3.2递推关系??????设s[i],1=i=n是像素序列{p1,p1,……pi}的最优分段所需的存储位数，则s[i]为前i-k个的存储位数加上后k个的存储空间。由最优子结构性质可得：，式中2.3构造最优解?????数组l[i],b[i]记录了最优分段所需的信息最优分段的最后一段的段长度和像素位数分别存储在l[n]和b[n]中,其前一段的段长度和像素位数存储于l[n-l[n]]和b[n-l[n]]中，依此类推，可在O(n)时间内构造最优解。?具体算法#include stdafx.h#include iostream using namespace std; const int N = 7;int length(int i);void Compress(int n,int p[],int s[],int l[],int b[]);void Tracebace(int n,int i,int s[],int l[]);void Output(int s[],int l[],int b[],int n);int main(){int p[] = {0,10,12,15,255,1,2};//图像灰度数组下标从1开始计数int s[N],l[N],b[N];cout图像的灰度序列为：endl;for(int i=1;iN;i++){coutp[i] ;}coutendl;Compress(N-1,p,s,l,b);Output(s,l,b,N-1);return 0;}void Compress(int n,int p[],int s[],int l[],int b[]){int Lmax = 256,header = 11;s[0] = 0;for(int i=1; i=n; i++){b[i] = length(p[i]);//计算像素点p需要的存储位数int bmax = b[i];s[i] = s[i-1] + bmax;l[i] = 1;for(int j=2; j=i j=Lmax;j++){if(bmaxb[i-j+1]){bmax = b[i-j+1];