问题描述

 一幅图像的由很多个像素点构成，像素点越多分辨率越高，像素的灰度值范围为0~255，
也就是需要8bit来存储一个像素的灰度值信息。一幅由n*m像素点构成的图像，所需存储空间大小为：n*m*8bit=8nmbit(这是非常大的，直接传输很慢)然而，正常情况下，一幅图像的某一范围内像素点的灰度值是很接近的，表现为一幅图片某一区域颜色相近。例如，一个像素灰度值序列P={1,2,2,2,1,2,60,55,78}(传输过程中把图像像素点转成序列，
而不是直接传输矩阵)，每个像素灰度值都用8bit来存储是非常消耗空间的，例如：
直接存储: 9*8bit=72bit，这是非常不划算的，我们想要无损压缩图片。即：将像素序列分段，段内的像素灰度值相似(可以用小于8bit的空间来存储一个像素灰度值)，
一段内的像素用相同的bit数来存储，只需要额外存树每段的长度和bit数即可，这样可以节省很多空间。

b[i]:第i段中每个像素的位数，1<=b[i]<=8，需要3 bit
l[i];第i段中像素的个数，1<=l[i]<=255,需要8 bit
所以每一段需要额外的 3+8=11 bit来存储段内像素的信息

分析

如何分段?
若分为 m 段，则需要的存储总位数为 : ∑ i = 1 m b [ i ] ∗ l [ i ] + m ∗ 11 若分为m段，则需要的存储总位数为: \sum_{i=1}^{m}b[i]*l[i]+m*11 若分为m段，则需要的存储总位数为:i=1∑mb[i]∗l[i]+m∗11
考虑用动态对规划来求解问题：
最优子结构 : p 1 , p 2 , p 3 , . . . . p m 考虑最后一个分段为 l [ m ] 个元素 p n − l [ m ] + 1 ∼ p [ n ] , 则子问题为 p 1 ∼ p [ l [ m ] ] 的分段 ( 前 m − 1 段 ) 子问题的最优解为 b [ i ] , l [ i ] , 1 < = i < = m − 1 最后一个分段最优和前 m − 1 个分段最优构成了原问题分段最优，最优子结构存在在求解第 i 段过程中需要前 i − 1 段分法的信息，存在重复子问题可以用动态规划的思想来求解问题最优子结构:\\ {p1,p2,p3,....pm}\\ 考虑最后一个分段为l[m]个元素\\ p_{n-l[m]+1}\sim p[n],\\ 则子问题为p_1\sim p[l[m]]的分段(前m-1段)\\ 子问题的最优解为b[i],l[i],1<=i<=m-1\\ 最后一个分段最优和前m-1个分段最优构成了原问题分段最优，最优子结构存在\\ 在求解第i段过程中需要前i-1段分法的信息，存在重复子问题可以用动态规划的思想来求解问题最优子结构:p1,p2,p3,....pm考虑最后一个分段为l[m]个元素pn−l[m]+1∼p[n],则子问题为p1∼p[l[m]]的分段(前m−1段)子问题的最优解为b[i],l[i],1<=i<=m−1最后一个分段最优和前m−1个分段最优构成了原问题分段最优，最优子结构存在在求解第i段过程中需要前i−1段分法的信息，存在重复子问题可以用动态规划的思想来求解问题

状态表示:
f[i]表示以A[i](包含)结尾的最优分段所需的bit数(最少)状态转移:
f[i] =A[i-k]+bitmax(i-k+1,i)+11 , 0<=k<=i
bitmax(i-k+1,i)为求i-k+1到i这个序列每个像素灰度值需要的的bit数
其中,k<=256（图像压缩的限制）
f[i] =A[i-k]+bitmax(i-k+1,i)+11 , 0<=k<=min(i,256)

时间复杂度分析:
遍历序列n，
遍历(i-k+1,i)
求bitmax(i-k+1,i)
时间复杂度看起来是O(n^3)
但是k<=256，所以时间复杂度为O(n) (n前常数会比较大)

代码如下

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
#include<vector>
using namespace std;
const int N=1e5+10;
const int inf=0x3f3f3f3f;int f[N];
int A[N];
int l[N],b[N];
int maxbit(int x){//求某个数存储需要的bit位数if(x==0) return 1;int res=0;while(x){x/=2;res++;}return res;
}
int get_maxbit(int l,int r){//求某一区间(区间最大值)需要的bit位数int res=0;for(int i=l;i<=r;i++) res=max(res,A[i]);return maxbit(res);
}int main(){int n;cin>>n;for(int i=1;i<=n;i++) scanf("%d",&A[i]);for(int i=1;i<=n;i++){f[i]=f[i-1]+maxbit(A[i])+11;//假设A[i]单独构成一段,作为初始情况b[i]=maxbit(A[i]);l[i]=1;for(int j=2;j<=min(i,256);j++){//从i-1到j+1遍历取min(f[i])int bit_j=get_maxbit(i-j+1,i);int t=f[i-j]+bit_j*j+11;if(f[i]>t){f[i]=t;b[i]=bit_j;//记录该段需要的bit位l[i]=j;//记录该段的长度}}}int t=n;vector<int>v;while(t){v.push_back(l[t]);//将长度信息用vector存储t=t-l[t];}reverse(v.begin(),v.end());//倒置printf("最少需要:%dbit\n",f[n]);for(int i=0,t=1;i<v.size();i++){//输出分段信息for(int j=0;j<v[i];j++)printf("%d ",A[t++]);printf("长%d,每个像素需要%dbit\n",l[t-1],b[t-1]);}return 0;
}
/*
12
10 12 15 255 1 2 1 1 2 2 1 1
#69
/*
/*
6
10 12 15 255 1 2
#57
*/

运行结果如下

结果一

结果二

感觉这道题讲的重心错了，应该重点讲解动态规划的，比较少见的动态规划题

动态规划---图像压缩相关推荐

动态规划--图像压缩
<算法设计与分析> --王晓东题目描述和解析参照:http://blog.csdn.net/liufeng_king/article/details/8648195 他在那里分析得非常 ...
动态规划经典题目-数据压缩之图像压缩
文章目录一.题目描述二.解题思路 1. 定义状态 2. 定义状态转移方程 3. 初始化 4. 计算方式三.代码实现四.执行结果五.思考一.题目描述计算机中的图像由一系列像点构成,每个 ...
图像压缩动态规划C语言实现
问题描述图像的变位压缩存储格式将所给的像素点序列{p1,p2,-,pn},0≤pi≤255分割成m个连续段S1,S2,-,Sm.第i个像素段Si中(1≤i≤m),有l[i]个像素,且该段中每个像 ...
动态规划之图像压缩问题
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 ...
【动态规划】图像压缩问题
目录问题描述递归策略算法设计解题步骤例题问题描述数字化图像是n×n的像素阵列,假定每个像素有一个0-255的灰度值,即存储一个像素需8位.为了减少存储空间,采用变长模式,即不同的像素用不 ...
图像压缩算法动态规划c语言,图像压缩算法动态规划
图片在计算机存储的是图片中的一个一个像素,也就是像素的灰度值.灰度值的范围是0~255.有灰白图像和彩色图像,它们每个像素的通道数量不同.灰白图像是单通道的,而彩色图像是3个通道的(BGR),也就是彩 ...
CVPR 2019 CLIC 图像压缩挑战赛冠军方案解读
点击我爱计算机视觉标星,更快获取CVML新技术导读:图像视频压缩是传统多媒体技术的核心,也是一项牵动整个多媒体信息产业的基础技术.深度学习在该领域的成功运用,已经引起了不少IT巨头的关注.图鸭科技是 ...
动态规划（DP）算法介绍
动态规划一,动态规划三要素:阶段,状态,决策. 如果把动态规划的求解过程看成一个工厂的生产线,阶段就是生产某个商品的不同的环节,状态就是工件当前的形态,决策就是对工件的操作.显然不同阶段是对产品的一 ...
【笔记】《算法设计与分析（第三版）》-王晓东著-第3章-动态规划
第3章动态规划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,适合于用动态规划法求解的问题,经分解得到 ...

动态规划---图像压缩

动态规划---图像压缩

问题描述

分析

代码如下

运行结果如下

结果一

结果二

动态规划---图像压缩相关推荐

最新文章

热门文章