Hadoop平台下的分形图像压缩编码.pdfVIP

·50·《测控技术)2014年第33卷第4期

Hadoop平台下的分形图像压缩编码

李伟

(西安邮电大学自动化学院，陕西西安710121)

摘要：借助Hadoop平台实现了分形图像压缩编码，并将其应用于云渲染中对渲染后的图像进行压缩并

传至用户阶段。采用4台Pc机搭建Hadoop平台，并在此基础上进行分形图像压缩编码，实验结果表

明，采用4台Pc机的Hadoop平台并行压缩时间不到单台Pc机压缩时间的30％，证实了该方案的现实

有效性。采用分形压缩编码将云渲染后的图像传给用户具有压缩比大、传输时间短、解压缩快等特点，

对改善云渲染用户体验具有重要意义。

关键词：Hadoop；Map／Reduce；云渲染；分形图像压缩编码

中图分类号：TP311．1文献标识码：A文章编号：1000—8829(2014)04—0050—04

FractalImageCompressionImplementedonHadoopPlatform

LIWei

(SchoolofAutomation，Xi’anUniversityofPostsTelecommunications，Xi’an710121，China)

Abstract：ThefractalimagecompressionisimplementedonHadoopplaftormandappliedtothecompress

phaseofcloudrender．FourPCsareusedtobuildtheHadoopplatformandfractalimageprocessingisimple—

mentedinit．ExperimentresultshowsthatthecompressiontimeinHadoopoffourPCsislessthan30％ofthe

compressiontimeinonePC．whichconfirmstherealityofthesolution．Adoptingfraetalimagecompressionto

compresstherenderedimageandsendthecompressedfraetalcodetouserhasthecharacteristicsofbigeom—

pressionratio，lesscommunicationtimeandquickdecodingete．，whichhasimportantsignificanceforimpro—

ringuserexperienceofcloudrender．

Keywords：Hadoop；Map／Reduce；cloudrender；fractalimagecompression

分形图像压缩编码以其高压缩比、分辨率无关性、高效、可伸缩的特点。可架构在普通服务器或普通PC

快速解码等优越特性而引起世人瞩目，简库恩算法对机上，成本较低，任何人都可使用。与传统的并行计算

于N×N的图像花费在自动搜索上的次数在(2)～技术MPI相比较，MPI更适合于计算密集型任务的处

(2)量级上，庞大的定义域计算和繁琐的定义域值理，而Hadoop具有分布式文件系统的支撑，更适合处

域匹配搜索致使编码时间过长，从而影响了其实用理数据密集型或数据计算同时密集型任务。作为一个

性。并行数据处理引擎，Hadoop表现非常突出，目前已成

Hadoop是由Apache基金会开发的分布式系统基为云计算并行计算方面事实上的标准。

础架构，主要包括：HDFS分布式文件系统、MapReduce笔者利用Hadoop提供的Map／Reduce编程模型

并行计算框、HBase数据库和Zookeeper分