图像压缩方法、装置、电子设备和存储介质与流程

1.本技术涉及计算机技术领域，具体涉及一种图像压缩方法、装置、电子设备和存储介质。


背景技术：

2.二十一世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。随着信息科技的不断发展，数字图像也得到了快速的发展。例如，人类可以利用数字图像进行身份识别。又例如，人类可以利用社交软件，进行数字图像的共享，等等。其中，数字图像需要大量数据来表示，因此一帧数字图像所需的存储空间一般会比较大。若计算机设备直接传输数字图像，会造成计算机设备的负担。因此，在传输数字图像之前，需要将数字图像进行压缩，从而提高传输数字图像的效率。
3.但是，本技术的发明人通过对现有技术进行实践发现，现有技术对数字图像进行压缩时，在提高数字图像的压缩效率的同时，会损伤压缩后图像的质量，使得压缩后图像的质量可靠性不高。


技术实现要素：

4.本技术实施例提供一种图像压缩方法、装置、电子设备和存储介质，可以提高压缩后图像的质量可靠性。
5.本技术实施例提供一种图像压缩方法，包括：
6.获取对象的待压缩图像和深度图像；
7.对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；
8.利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；
9.识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；
10.针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；
11.将所述多个压缩后图像区域进行整合处理，得到压缩后图像。
12.相应的，本技术实施例提供一种图像压缩装置，包括：
13.获取单元，用于获取对象的待压缩图像和深度图像；
14.对象检测单元，用于对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；
15.区域划分单元，用于利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；
16.识别单元，用于识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；
17.压缩单元，用于针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；
18.整合单元，用于将所述多个压缩后图像区域进行整合处理，得到压缩后图像。
19.在一实施例中，所述区域划分单元，可以包括：
20.区域确定子单元，用于根据所述对象区域，在所述深度图像中确定所述对象对应的深度对象区域；
21.区域判别子单元，用于利用预设深度阈值，对所述深度对象区域进行判别处理，得到判别结果；
22.区域划分子单元，用于基于所述判别结果，利用所述深度对象区域将所述待压缩图像划分为多个具有不同信息量的待压缩图像区域。
23.在一实施例中，所述区域判别子单元，可以包括：
24.第一信息提取模块，用于对所述深度对象区域进行信息提取，得到所述深度对象区域对应的像素信息；
25.计算模块，用于基于所述像素信息，计算所述深度对象区域的深度距离信息；
26.比较模块，用于将所述深度距离信息和所述预设深度阈值进行比较处理，得到所述判别结果。
27.在一实施例中，所述区域划分子单元，可以包括：
28.逻辑运算模块，用于基于所述判别结果，利用所述深度对象区域的像素信息和所述待压缩图像的像素信息进行逻辑运算处理，得到运算结果；
29.划分模块，用于基于所述运算结果，将所述待压缩图像划分成多个待压缩图像区域；
30.信息识别模块，用于对每个待压缩图像区域进行信息识别处理，得到多个具有不同信息量的待压缩图像区域。
31.在一实施例中，所述划分模块，可以包括：
32.运算识别子模块，用于对所述运算结果进行识别，得到运算结果差异集；
33.第一划分子模块，用于根据所述运算结果差异集，将所述对象区域划分成第一图像区域和第二图像区域；
34.第二划分子模块，用于基于所述第一图像区域和第二图像区域，在所述待压缩图像中划分出第三图像区域，得到多个待压缩图像区域。
35.在一实施例中，所述区域确定子单元，可以包括：
36.坐标信息识别模块，用于识别所述对象区域对应的坐标信息；
37.区域确定模块，用于利用所述坐标信息，在深度图像中确定对象对应的初始深度对象区域；
38.细化模块，用于对所述初始深度对象区域进行细化处理，得到深度对象区域。
39.在一实施例中，所述识别单元，可以包括：
40.信息比较子单元，用于将每个待压缩图像区域的信息量进行比较处理，得到比较结果；
41.排序子单元，用于基于所述比较结果，对每个待压缩图像区域的信息量进行排序，得到排序结果；
42.压缩等级确定子单元，用于基于所述排序结果，确定每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数。
43.在一实施例中，所述压缩单元，可以包括：
44.参数更新子单元，用于根据所述图像压缩参数，更新预设图像压缩逻辑中的预设参数，得到目标图像压缩逻辑；
45.压缩子单元，用于基于所述目标图像压缩逻辑，对所述待压缩图像区域进行压缩处理，得到多个压缩后图像区域。
46.在一实施例中，所述压缩子单元，可以包括：
47.第二信息提取模块，用于对所述待压缩图像区域进行信息提取，得到所述待压缩图像区域的初始像素信息；
48.运算模块，用于基于所述目标图像压缩逻辑，利用所述目标图像压缩逻辑对应的图像压缩参数和所述初始像素信息进行运算处理，得到运算后像素信息；
49.替换模块，用于利用所述运算后像素信息替换所述待压缩图像区域的初始像素信息，得到压缩后图像区域。
50.在一实施例中，所述获取单元，可以包括：
51.获取子单元，用于获取对象的初始待压缩图像和初始深度图像；
52.参数确定子单元，用于确定所述初始待压缩图像对应的第一属性参数和所述初始深度图像的第二属性参数；
53.对齐子单元，用于基于所述第一属性参数和所述第二属性参数，对所述初始待压缩图像和所述初始深度图像进行图像对齐处理，得到所述待压缩图像和所述深度图像。
54.在一实施例中，所述对齐子单元，可以包括：
55.转换关系计算模块，用于基于所述第一属性参数和所述第二属性参数，计算所述初始待压缩图像和所述初始深度图像之间转换关系；
56.第三信息提取模块，用于对所述初始待压缩图像和所述初始深度图像进行信息提取，得到所述初始待压缩图像对应的像素信息和所述初始深度图像对应的像素信息；
57.转换模块，用于根据所述转换关系，将所述初始待压缩图像对应的像素信息和所述初始深度图像对应的像素信息进行转换处理，得到所述待压缩图像和所述深度图像。
58.本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述一方面的各种可选方式中提供的方法。
59.相应的，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令被处理器执行时实现本技术实施例任一提供的图像压缩方法。
60.本技术实施例提供了一种图像压缩方法、装置、电子设备和存储介质，可以获取对象的待压缩图像和深度图像；对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域；利用深度图像和所述对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，其中，压缩等级表征待压缩图像区域包含的信息量的重要程度；针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得
到多个压缩后图像区域；将多个压缩后图像区域进行整合处理，得到压缩后图像，可以提高压缩后图像的质量可靠性。
附图说明
61.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
62.图1a是本技术实施例提供的图像压缩方法的场景示意图；
63.图1b是本技术实施例提供的图像压缩方法的流程图；
64.图1c是本技术实施例提供的图像压缩方法的又一场景示意图；
65.图1d是本技术实施例提供的三目摄像头的场景示意图；
66.图1e是本技术实施例提供的对象区域的场景示意图；
67.图1f是本技术实施例提供的图像压缩方法的又一示意图；
68.图1g是本技术实施例提供的图像压缩方法的又一示意图；
69.图1h是本技术实施例提供的图像压缩方法的又一示意图；
70.图1i是本技术实施例提供的图像压缩方法的又一示意图；
71.图2是本技术实施例提供的图像压缩方法的另一流程图；
72.图3是本技术实施例提供的图像压缩装置的结构示意图；
73.图4是本技术实施例提供的电子设备的结构示意图。
具体实施方式
74.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
75.本技术实施例提供一种图像压缩方法、装置、电子设备和存储介质。该图像压缩装置具体可以集成在电子设备中，该电子设备可以是终端或服务器等设备。
76.可以理解的是，本实施例的图像压缩方法可以是在终端上执行的，也可以是在服务器上执行，还可以由终端和服务器共同执行的。以上举例不应理解为对本技术的限制。
77.如图1a所示，以终端和服务器共同执行图像压缩方法为例。本技术实施例提供的图像压缩系统包括终端10和服务器11等；终端10与服务器11之间通过网络连接，比如，通过有线或无线网络连接等，其中，图像压缩装置可以集成在终端10中。
78.其中，终端10，可以用于：获取对象的待压缩图像和深度图像；对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域；利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，其中，压缩等级表征待压缩图像区域包含的信息量的重要程度；针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；将多个压缩后图像区域进行
整合处理，得到压缩后图像。
79.其中，终端10可以包括手机、智能电视、平板电脑、笔记本电脑、或个人计算机(pc，personal computer)等。终端10上还可以设置客户端，该客户端可以是应用程序客户端或者浏览器客户端等等。
80.其中，终端10可以将压缩后图像传输给服务器11。然后，服务器11可以对压缩后图像进行解压，并对解压后图像执行相应的操作。
81.其中，服务器11可以是单台服务器，也可以是由多个服务器组成的服务器集群或云服务器。例如，服务器可以为多个异构系统之间的互通服务器或者后台服务器，还可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器等等。如本技术所公开的图像压缩方法或装置，其中多个服务器可组成为一区块链，而服务器为区块链上的节点。
82.此外，上述服务器11生成图像压缩的步骤，也可以由终端10执行。
83.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
84.本实施例将从图像压缩装置的角度进行描述，该图像压缩装置具体可以集成在电子设备中，该电子设备可以是服务器或终端等设备。
85.如图1b所示，该图像压缩方法的具体流程可以如下：
86.101、获取对象的待压缩图像和深度图像。
87.其中，深度图像也被称为距离图像，是指将从图像采集器到场景中各点的距离作为像素值的图像，它直接放映了景物表面的几何形状。深度图像又红外传感器采集散斑结构红外光，再由深度单元解析散斑得到的深度图。在三维计算机图形和计算机视觉中，深度图像的每个像素点表示深度相机表面与被拍摄物体平面之间的垂直距离，常用16位表示，单位毫米。
88.其中，待压缩图像可以包括需要压缩的图像。
89.在一实施例中，待压缩图像可以包括多中不同类型的图像。例如，待压缩图像可以包括红外图像和颜色图像。又例如，待压缩图像可以包括红外图像、颜色图像和深度图像，等等。
90.其中，待压缩图像和深度图像可以是并列关系，也可以是包含关系。例如，当待压缩图像包括红外图像和颜色图像时，待压缩图像和深度图像是并列关系。又例如，当待压缩图像包括红外图像、颜色图像和深度图像时，待压缩图像和深度图像是包含关系。
91.其中，红外图像可以指由红外传感器采集泛红外光成像的图像。
92.其中，颜色图像可以包括基于颜色模式生成的图像。其中，颜色模式可以是将某种颜色表现为数字形式的模型，或者说是一种记录图像颜色的方式。常见的颜色空间模式有三原色光(redgreenandblue，rgb)颜色模式、红绿蓝透明(redgreenblueandalpha，rgba)颜色模式等等。例如，颜色图像可以是rgb图像，等等。
93.在一实施例中，本技术实施例提出的方法可以应用于各种场景。例如，本技术实施例提出的方法可以应用于活体检测、人脸识别或对比识别等各种应用场景。
94.例如，当将本技术实施例提出的图像压缩方法应用于人脸识别领域时，对象可以是被识别的人。待压缩图像和深度图像可以是包括了人脸的图像。
95.其中，需要说明的是，待压缩图像和深度图像是内容相同的图像。例如，如图所示，图1c中的001可以是待压缩图像，002可以是深度图像。
96.又例如，当将本技术实施例提出的图像压缩方法应用于对比识别领域时，对象可以包括被对比的人或物，等等。
97.在一实施例中，由于本技术实施例提出的方法可以应用于各种场景，因此，可以有多种方法获取到对象的待压缩图像和深度图像。
98.例如，当将本技术实施例提出的方法应用于人脸识别领域或活体检测领域时，集成了图像压缩装置的终端还可以集成有摄像头，然后终端可以通过摄像头采集对象的图像，并将图像传输到图像压缩装置进行图像压缩处理。例如，终端上可以集成有三目摄像头，其中，三目摄像头分别是彩色摄像头、深度摄像头和红外摄像头。例如，如图1d所示为集成了三目摄像头的终端的示意图。通过三目摄像头可以采集到对象的红外图像、颜色图像和深度图像。然后，可以利用图像压缩装置对红外图像、颜色图像和深度图像进行压缩，得到压缩后红外图像、压缩后颜色图像和压缩后深度图像。
99.又例如，当将本技术实施例提出的方法应用于对比识别领域时，可以将对象的待压缩图像和深度图像上传到图像压缩装置中，从而令图像压缩装置获取到对象的待压缩图像和深度图像。
100.在一实施例中，由于各种不同类型的待压缩图像可以是通过不同类型的摄像头拍摄得到的，因此不同类型的待压缩图像可能会存在拍摄角度的偏差，从而使得初始获取的待压缩图像和深度图像存在不对齐的问题。而若直接利用不对齐的初始深度图像和初始待压缩图像，对初始待压缩图像进行区域划分处理，会降低对待压缩图像进行区域划分的准确性和可靠性，从而降低了对图像进行压缩的准确性和可靠性。因此，为了提高后续处理的准确性和可靠性，可以对初始获取的待压缩图像和深度图像进行对齐处理。具体的，步骤“获取对象的待压缩图像和深度图像”，可以包括：
101.获取对象的初始待压缩图像和初始深度图像；
102.确定初始待压缩图像对应的第一属性参数和初始深度图像的第二属性参数；
103.基于第一属性参数和所述第二属性参数，对初始待压缩图像和初始深度图像进行图像对齐处理，得到待压缩图像和深度图像。
104.其中，初始压缩图像和初始深度图像可以包括未经过对齐处理的图像。
105.其中，由于初始压缩图像和初始深度图像可以是由摄像头拍摄得到的，每个摄像头都有相应的参数，因此，初始待压缩图像的第一属性参数可以是拍摄初始待压缩图像的摄像头对应的参数。同理，初始深度图像的第二属性参数可以是初始深度图像的摄像头对应的参数。
106.其中，属性参数可以包括相机内参和相机外参。其中，相机内参是用来描述真实世界物体在相机传感器上成像时3d坐标与成像后的像素坐标之间的转换关系的参数。相机外参是用来描述其他3d坐标系与相机坐标系转换关系的参数。例如，当有多个相机时，物体点在一个相机的相机坐标系坐标通过旋转矩阵r和平移矩阵t转换到另一个相机坐标系时，矩阵r和t就是这两个相机之间的外参，这个相机外参描述了两个相机坐标系的转换关系。其
中，相机坐标系是指以相机光心为坐标原点，光轴为z轴，x,y轴平行于相机成像的像素平面x,y轴的坐标系。通过深度图和相机内参转化获得的3d坐标就是在相机坐标系下的坐标。
107.其中，图像对齐处理后得到的图像可以在时间和空间上都实现对齐，即分辨率相同、视场角相同和像素一一对齐。例如，对初始红外图像、初始深度图像和初始颜色图像进行对齐，得到对齐后的红外图像、对齐后的深度图像和对齐后的颜色图像。则红外图像、深度图像和颜色图像之间的分辨率相同、视场角相同，以及像素一一对齐。
108.在一实施例中，可以根据初始待压缩图像的图像类型，确定初始待压缩图像对应的第一属性参数。
109.例如，初始待压缩图像和初始深度图像为并列关系时，初始待压缩图像可以包括初始红外图像、初始颜色图像和初始深度图像。
110.然后，可以将红外摄像头对应的相机外参和相机内参确定为初始红外图像的属性参数。类似的，可以将颜色摄像头对应的相机内参和相机外参确定为初始颜色图像的属性参数。可以将深度摄像头对应的相机内参和相机外参确定为初始深度图像的属性参数。
111.然后，可以根据每个图像的属性参数，对初始红外图像、初始颜色图像和初始深度图像进行三图对齐，得到对齐后的红外图像、对齐后的颜色图像和对齐后的深度图像。
112.在一实施例中，可以基于第一属性参数和第二属性参数，对初始待压缩图像和初始深度图像进行图像对齐处理，得到待压缩图像和深度图像。
113.其中，有多种方式可以进行图像对齐处理。
114.例如，当包括初始红外图像、初始深度图像和初始颜色图像时，可以将初始红外图像、初始深度图像和初始颜色图像相关联之后，进行对齐计算。
115.又例如，还可以令初始红外图像和初始彩色图像对齐，初始深度图像和初始彩色图像对齐，从而实现三图对齐。
116.具体的，步骤“基于第一属性参数和第二属性参数，对初始待压缩图像和初始深度图像进行图像对齐处理，得到待压缩图像和深度图像”，可以包括：
117.基于第一属性参数和第二属性参数，计算初始待压缩图像和初始深度图像之间转换关系；
118.对初始待压缩图像和初始深度图像进行信息提取，得到初始待压缩图像对应的像素信息和初始深度图像对应的像素信息；
119.根据转换关系，将初始待压缩图像对应的像素信息和初始深度图像对应的像素信息进行转换处理，得到待压缩图像和深度图像。
120.例如，红外摄像头和颜色摄像头之间具有一定的位置偏移，所以可以结合红外摄像头和颜色摄像头标定好的相机内参和相机外参，计算出初始红外图像和初始颜色图像之间的坐标转换关系。然后，通过坐标转换关系，将红外图像和颜色图像进行空间对齐。
121.又例如，红外摄像头和颜色摄像头之间具有一定的位置偏移，所以可以结合红外摄像头和颜色摄像头标定好的相机内参和相机外参，计算出初始红外图像和初始颜色图像之间的坐标转换关系。然后，通过坐标转换关系，将红外图像和压缩图像进行空间对齐。
122.在本技术实施例中，可以实现深度图像向颜色图像进行对齐，以及红外图像对颜色图像进行对齐。即不需要三图参与计算，可以有效提高嵌入式低成本设备中对齐的内存消耗，从而可以降低成本。
123.在一实施例中，获取到的待压缩图像和深度图像也可以是已经经过对齐处理后得到的图像，此时，便可以不用对图像进行对齐处理。
124.102、对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域。
125.在一实施例中，本技术实施例为了提高压缩后图像的质量，会将待压缩图像划分出多个待压缩图像区域，然后，根据每个待压缩图像区域对应的信息量，对待压缩图像区域进行压缩。其中，在待压缩图像中，包括了对象部分的区域对应的信息量一般是比较高的，所以可以对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域。
126.其中，对象区域可以是包括了对象的区域。例如，该对象区域可以是包括对象的最小长方形。又例如，该对象区域可以是包括对象的最小正方形，等等。例如，当对象是人时，该对象区域可以如图1e中的003所示。
127.其中，有多种方式可以对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域。
128.例如，可以利用卷积神经网络(convolutional neural networks,cnn)、主成分分析(principal components analysis，pca)、支持向量机(support vector machines，svm)、haar cascade或facenet等算法对待压缩图像进行对象检测处理，得到待验收图像中的对象区域。
129.在一实施例中，当检测不到待压缩图像中的对象区域时，可以返回步骤101，即重新获取待压缩图像和深度图像。
130.在一实施例中，在对待压缩图像进行对象检测时，可以检测出待压缩图像中的多个对象区域。例如，当待压缩图像中有两个对象时，可以检测出两个对象区域。又例如，当待压缩图像中有三个对象时，可以检测出三个对象区域。
131.103、利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域。
132.在一实施例中，在得到对象区域之后，可以利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域。
133.其中，信息量用于说明待压缩图像区域中信息的重要程度。例如，当信息量约大时，可以说明待压缩图像区域的重要程度越高。又例如，当信息量约多时，可以说明待压缩图像区域的重要程度越高，等等。
134.在一实施例中，可以基于对象区域，在深度图像中确定深度对象区域。然后，结合对象区域和深度对象区域，将待压缩图像划分成多个具有不同信息量的待压缩图像区域。具体的，步骤“利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域”，可以包括：
135.根据对象区域，在深度图像中确定对象对应的深度对象区域；
136.利用预设深度阈值，对深度对象区域进行判别处理，得到判别结果；
137.基于判别结果，利用深度对象区域将待压缩图像划分为多个具有不同信息量的待压缩图像区域。
138.其中，深度对象区域是在深度图像中，对对象的描述更为细致的区域。例如，如图1f所示，在待压缩图像005中，对象区域可以是图1f中的007，相应的，在深度图像004中，深度对象区域可以是图1f中的006。通过图1f中可以看出，深度对象区域可以较为详细地描绘
出对象的轮廓。
139.在一实施例中，由于深度图像和待压缩图像是经过图像对齐处理后得到的图像，因此，可以根据对象区域，在深度图像中确定对象对应的深度对象区域。具体的，步骤“根据对象区域，在深度图像中确定对象对应的深度对象区域”，可以包括：
140.识别对象区域对应的坐标信息；
141.利用坐标信息，在深度图像中确定对象对应的初始深度对象区域；
142.对初始深度对象区域进行细化处理，得到深度对象区域。
143.其中，初始深度对象区域可以是在深度图像中，和对象区域对应的区域。例如，对象区域是一个矩形，则初始深度对象区域也是一个矩形。
144.其中，对象区域的坐标信息可以是对象区域在待压缩图像中坐标信息。
145.例如，可以基于待压缩图像建立坐标系，并根据坐标系识别对象区域对应的坐标信息。例如，可以以待压缩图像的左下角为原点建立直角坐标系。然后可以根据建立的直角坐标系确定对象区域对应的坐标信息。
146.然后，可以利用坐标信息，在深度图像中确定对象对应的初始深度对象区域。例如，可以在深度图像中建立和该坐标信息相同的区域作为初始深度对象区域。
147.然后，可以对初始深度对象区域进行细化处理，得到深度对象区域。其中，对初始深度对象区域进行细化处理可以指从初始对象区域中识别出深度对象区域。
148.在一实施例中，在初始深度对象区域中，对象的轮廓边界对应的像素信息会出现较为明显的变化，因此可以基于初始深度对象区域中的像素信息，对初始深度对象区域进行细化处理，得到深度对象区域。
149.例如，可以利用滑窗法提取初始深度对象区域中的像素信息，然后对窗口厘米的像素信息进行比较，并根据比较结果筛选出可能是对象轮廓边界的像素信息。然后，可以将筛选出来的像素信息进行整合，得到深度对象区域。例如，可以利用一个尺寸为3
×
3，步长为2的滑窗提取初始深度对象区域中的像素信息，然后对窗口厘米的像素信息进行比较，并根据比较结果筛选出可能是对象轮廓边界的像素信息。然后，可以将筛选出来的像素信息进行整合，得到深度对象区域。
150.在一实施例中，在三目摄像头生成深度图像时，对于一些距离不能确定的像素值，可以将该一些距离不能确定的像素值确定为0。对于像素值确定为0的像素的利用率并不高，会影响区域划分的结果。而且，对于深度图像，一般在预设深度阈值内的像素的可靠性会较高，因此在得到深度对象区域之后，还会利用预设深度阈值，对深度对象区域进行判别处理，得到判别结果。
151.具体的，步骤“利用预设深度阈值，对深度对象区域进行判别处理，得到判别结果”，可以包括：
152.对深度对象区域进行信息提取，得到深度对象区域对应的像素信息；
153.基于像素信息，计算深度对象区域的深度距离信息；
154.将深度距离信息和预设深度阈值进行比较处理，得到判别结果。
155.其中，深度距离信息可以说明深度对象区域中的像素信息的有效程度和可靠程度。例如，该深度距离信息可以是深度对象区域中像素信息的平均值。又例如，该深度距离信息可以是深度对象区域中像素信息的标准差，等等。
156.其中，预设深度阈值可以是衡量深度对象区域中的像素信息是否可靠的指标如，预设深度阈值可以是30厘米至150厘米。
157.在一实施例中，可以对深度对象区域进行信息提取，得到深度对象区域对应的像素信息。其中，有多种方式可以对深度对象区域进行信息提取，得到深度对象区域对应的像素信息。
158.例如，可以利用开源计算机视觉库(opensourcecomputervisionlibrary，opencv)对深度对象区域进行信息提取，得到深度对象区域对应的像素信息。其中，opencv是一个跨平台计算机视觉和机器学习软件库，可以运行在多个操作系统上，同时提供了多种编程语言的接口，实现了图像处理和计算机视觉方向的很多通用算法。
159.又例如，可以利用画布(canvas)技术对深度对象区域进行信息提取，得到深度对象区域对应的像素信息。譬如，可以将深度对象区域绘制在canvas上，并通过canvas的接口提取出深度对象区域的像素信息。
160.在一实施例中，在提取出深度对象区域对应的像素信息之后，可以基于像素信息，计算深度对象区域的深度距离信息。
161.其中，有多种方式可以计算深度对象区域的深度距离信息。
162.例如，可以求深度对象区域中像素信息的平均值，从而得到深度对象区域的深度距离信息。
163.又例如，在对深度对象区域进行信息提取时，可以提取出深度对象区域中关键部位的像素信息。然后，基于关键部位的像素信息，计算深度对象区域的深度距离信息。例如，当深度对象区域是人脸时，关键部位可以是人脸的五官。例如，可以提取出五官的像素信息，然后，对五官的像素信息求平均值，得到深度距离信息。
164.在一实施例中，可以将深度距离信息和预设深度阈值进行比较处理，得到判别结果。例如，预设深度阈值为30厘米至150厘米。然后，可以将深度距离信息和预设深度阈值进行比较。当深度距离信息在30厘米至150厘米的范围内时，说明深度距离信息符合预设深度阈值。而当深度距离信息不在30厘米至150厘米的范围内时，说明深度距离信息不符合预设深度阈值。
165.然后，可以根据比较的结果生成判别结果。
166.其中，判别结果可以有多种表示方式。例如，可以利用“0”和“1”来表示判别结果。其中，若判别结果为“0”可以表示深度距离信息不符合预设深度阈值，若判别结果为“1”可以表示深度距离信息符合预设深度阈值。
167.在一实施例中，当深度距离信息不符合预设深度阈值时，可以返回步骤101，即重新获取待压缩图像和深度图像。
168.在一实施例中，当深度距离信息符合预设深度阈值时，说明深度对象区域中像素信息的可靠性和有效性都比较高，因此，可以利用深度对象区域将待压缩图像划分为多个具有不同待压缩图像区域。
169.具体的，步骤“基于判别结果，利用深度对象区域将待压缩图像划分为多个具有不同信息量的待压缩图像区域”，可以包括：
170.基于判别结果，利用深度对象区域的像素信息和待压缩图像的像素信息进行逻辑运算处理，得到运算结果；
171.基于运算结果，将待压缩图像划分成多个待压缩图像区域；
172.对每个待压缩图像区域进行信息识别处理，得到多个具有不同信息量的待压缩图像区域。
173.在一实施例中，由于深度对象区域和对象区域的像素信息是一一对应的，而对于深度对象区域而言，深度对象区域中的像素信息对对象拍摄场景的描述更为细腻，所以可以利用深度对象区域的像素信息和待压缩图像的像素信息进行逻辑运算处理，从而可以基于运算结果将待压缩图像划分成多个待压缩图像区域。
174.其中，逻辑运算可以包括与运算、或运算或非运算，等等。
175.在一实施例中，在利用深度对象区域将待压缩图像划分为多个具有不同信息量的待压缩图像区域时，可以基于深度对象区域生成区域划分图像，然后，利用该区域划分图像的像素信息和待压缩图像的像素信息进行逻辑运算处理，得到运算结果。其中，区域划分图像的尺寸可以和待压缩图像的尺寸相同。
176.其中，该区域划分图像的像素信息可以是根据深度对象区域的像素信息进行设定的。例如，在该区域划分图像中，可以是深度对象区域对应区域的像素信息为1，而非深度对象区域对应区域的像素信息为0。
177.然后，在利用区域划分图像的像素信息和待压缩图像的像素信息进行逻辑运算时，可以令区域划分图像的像素信息和待压缩图像的像素信息进行与运算，从而得到运算结果。例如，由于深度对象区域对应区域的像素信息不为零，因此，在区域划分图像的像素信息和待压缩图像的像素信息进行与运算之后，待压缩图像和深度对象区域对应区域的信息便可以被保留下来。例如，如图1g所示，图1g中的008为待压缩图像，图1g中的009为区域划分图像，图1g中的010可以是划分出来的一个待压缩图像区域。通过图1g可以看出，非深度对象区域对应的区域的信息便会被过滤掉。然后，可以基于运算结果，将待压缩图像划分成多个待压缩图像区域。
178.在一实施例中，还可以直接利用深度对象区域和待压缩图像的对象区域进行逻辑运算处理，得到运算结果。然后，在基于运算结果，将待压缩图像划分成多个待压缩图像区域。
179.例如，可以根据深度对象区域生成和对象区域相拟合的区域划分图像，即区域划分图像的尺寸和对象区域的尺寸是相同的。然后，可以利用区域划分图像和对象区域进行与运算，得到运算结果。
180.又例如，可以直接利用深度对象区域和对象区域直接进行与运算，得到运算结果。
181.在一实施例中，在基于运算结果，将待压缩图像划分成多个待压缩图像区域时，还可以结合对象区域，将待压缩图像划分成多个待压缩图像区域。具体的，步骤“基于运算结果，将待压缩图像划分成多个待压缩图像区域”，可以包括：
182.对运算结果进行识别，得到运算结果差异集；
183.根据运算结果差异集，将对象区域划分成第一图像区域和第二图像区域；
184.基于第一图像区域和第二图像区域，在待压缩图像中划分出第三图像区域，得到多个待压缩图像区域。
185.在一实施例中，由于区域划分图像的像素信息可以是根据深度对象区域的像素信息进行设定的。例如，在该区域划分图像中，可以是深度对象区域对应区域的像素信息不为
零，而非深度对象区域对应区域的像素信息为零。
186.因此，在利用区域划分图像的像素信息和待压缩图像的像素信息进行与运算时，待压缩图像中有的像素信息会被保留下来，而有的像素信息则会被过滤掉。因此，可以对运算结果进行识别，得到运算结果差异集。其中，运算结果差异集可以说明待压缩图像中哪些像素信息被保留了下来，而哪些像素信息被过滤掉了。
187.在一实施例中，由于步骤102中识别出了待压缩图像中的对象区域，相当于步骤102中已经划分出了待压缩图像中的其中一种区域了。但是，对象区域一般是长方形或者正方形，不能完全拟合对象的边界轮廓。因此，可以根据运算结果差异集，首先将待压缩图像的对象区域划分成第一图像区域和第二图像区域。
188.其中，第一图像区域可以是和对象的边界轮廓相拟合的区域。例如，如图1h所示，图1h中的011可以是第一图像区域。而第二图像区域可以是对象区域中，除了第一图像区域以外的区域。例如，如图1h所示，图1h中的012可以是第二图像区域。
189.其中，在根据运算结果差异集，将对象区域划分成第一图像区域和第二图像区域时，可以将对象区域中像素信息被保留下来的区域划分为第一图像区域。然后，可以将对象区域中的剩余区域划分为第二图像区域。
190.此外，由于和对象相关的信息的重要程度是最高的，所以在根据运算结果差异集，将对象区域划分成第一图像区域和第二图像区域时，还可以将对象区域中像素信息被保留下来的区域进行合理地膨胀，得到第一图像区域。然后，可以将对象区域中的剩余区域划分为第二图像区域。通过对对象区域中像素信息被保留下来的区域进行合理地膨胀，可以令第一图像区域可以保留更加多的信息，从而提高压缩后图像的质量。
191.在一实施例中，在划分出第一图像区域和第二图像区域之后，可以在待压缩图像中剩余的区域划分为第三图像区域。例如，如图1h所示，图中的013可以是第三图像区域。所以，待压缩图像的多个压缩图像区域可以包括第一图像区域、第二图像区域和第三图像区域。
192.在一实施例中，在得到多个待压缩图像区域之后，可以对每个待压缩图像区域进行信息识别处理，得到每个待压缩图像区域对应的信息量，从而使得可以知道每个待压缩图像区域该设置什么样的图像压缩参数进行压缩。
193.其中，在对每个待压缩图像区域进行信息识别时，可以对每个待压缩图像区域的边界进行识别，得到每个待压缩图像区域的边界轮廓。然后，根据每个待压缩图像区域的边界轮廓确定每个待压缩图像区域对应的信息量。
194.例如，图像压缩装置可以预先学习对象的各种边界轮廓，从而形成预设对象边界轮廓。后，将每个待压缩图像区域的边界轮廓和预设对象边界轮廓进行匹配处理。当待压缩图像区域的边界轮廓和预设对象边界轮廓相匹配时，则说明该待压缩图像区域为和对象边界轮廓相拟合的区域，则该待压缩图像区域的信息量最高。
195.例如，当本技术实施例的应用场景是人脸识别时，图像压缩装置可以预先学习各种人脸的边界轮廓，从而形成各种预设人脸边界轮廓。又例如，当本技术实施例的应用场景的动物识别时，图像压缩装置可以预先学习各种动物的边界轮廓，从而形成不同动物的预设边界轮廓。
196.而对于其余的待压缩图像区域，可以对其余的待压缩图像区域进行语义识别，得
到待压缩图像区域的语义信息。然后，根据待压缩图像区域的语义信息，确定信息量。例如，第三图像区域其相当于待压缩图像中的背景部分。图像压缩装置根据第三图像区域的语义信息，可以知道第三图像区域是待压缩图像中的背景部分，因此，可以根据语义信息，确定第三图像区域对应的信息量是最低的。
197.在一实施例中，当有多个对象区域时，可以基于每个对象区域，讲待压缩图像划分成多个具有不同信息量的待压缩图像区域。
198.例如，可以首先将每个对象区域都划分为第一图像区域和第二图像区域。然后，将待压缩图像中除去第一图像区域和第二图像区域的部分划分为第三图像区域。
199.例如，如图1i所示，可以将对象区域014划分为第一图像区域015和第二图像区域016。此外，可以将对象区域017划分为第一图像区域018和第二图像区域019。然后，将待压缩图像中除去第一图像区域(015和019)和第二图像区域(016和018)的部分划分为第三图像区域020。
200.104、识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，压缩等级表征待压缩图像区域包含的信息量的重要程度。
201.在一实施例中，为了提高待压缩图像的质量，在对待压缩图像进行压缩时，会根据待压缩图像区域的信息量，会根据采用不同的压缩参数对待压缩图像区域进行处理，从而实现对待压缩图像区域进行差异化压缩。
202.其中，压缩等级可以表征待压缩图像区域包含的信息量的重要程度。
203.例如，当待压缩图像区域的压缩等级较高时，说明信息量的重要程度比较高，则对待压缩图像区域的压缩程度可以比较低，从而保留待压缩图像区域较多的信息。相反，若待压缩图像区域的压缩等级较低时，说明信息量的重要程度比较低，则对待压缩图像区域的压缩程度可以比较高，从而过滤掉待压缩图像区域较多的信息。
204.其中，图像压缩参数可以确定对待压缩图像区域进行压缩时的压缩程度。例如，当图像压缩参数较大时，对待压缩图像区域的压缩程度会较大，即待压缩图像区域会被过滤掉较多的信息。而当图像压缩参数较小时，对待压缩图像区域的压缩程度会较小，即待压缩图像区域会保留较多的信息。
205.在一实施例中，步骤“识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，压缩等级表征待压缩图像区域包含的信息量的重要程度”，可以包括：
206.将每个待压缩图像区域的信息量进行比较处理，得到比较结果；
207.基于比较结果，对每个待压缩图像区域的信息量进行排序，得到排序结果；
208.基于排序结果，确定每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数。
209.例如，可以将每个待压缩图像的信息量大小进行比较，得到比较结果。然后，基于比较结果，对每个待压缩图像区域的信息量进行排序，得到排序结果。例如，可以将信息量大的排在前面，而将信息量小的排在后面。
210.接下来，可以基于排序结果，确定每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数。
211.例如，排在前面的待压缩图像区域，说明压缩等级较高。而排在后面的待压缩图像区域，说明压缩等级较低。
212.在确定了每个待压缩图像区域对应的压缩等级之后，可以确定压缩等级对应的图像压缩参数。
213.其中，可以通过预设映射表格，将待压缩图像区域对应的压缩等级映射到相应的图像压缩参数。
214.其中，预设映射表格可以是一个预预先设置好的，将压缩等级和图像压缩参数之间建立关系的表格。通过对该表格进行搜索，可以确定压缩等级对应的图像压缩参数。
215.例如，假设利用高斯滤波算子对待压缩图像区域进行压缩处理，其中，高斯滤波算子可以如下所示：
[0216][0217]
其中，x可以表示需要被压缩的待压缩图像区域。而μ和σ可以表示压缩图像参数。其中，当σ越大和μ越大时，滤波程度越高，剔除高频成分也越高。因此，当压缩等级较高时，说明该待压缩图像区域中信息量的重要程度较高，所以σ和μ可以较小。而当压缩等级较低时，说明该待压缩图像区域中信息量的重要程度较低，所以σ和μ可以较大。
[0218]
105、针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域。
[0219]
在一实施例中，在确定了每个待压缩图像区域对应的压缩参数之后，针对每个待压缩图像区域，可以采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域。
[0220]
具体的，步骤“针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域”，可以包括：
[0221]
根据图像压缩参数，更新预设图像压缩逻辑中的预设参数，得到目标图像压缩逻辑；
[0222]
基于目标图像压缩逻辑，对待压缩图像区域进行压缩处理，得到多个压缩后图像区域。
[0223]
其中，预设图像压缩逻辑可以是对压缩图像区域进行压缩时，需要遵循的逻辑。例如，该预设图像压缩逻辑可以是对待压缩图像区域进行压缩处理时所用到的函数。又例如，该预设图像压缩逻辑可以是对待压缩图像区域进行压缩处理时所用到的算法等等。
[0224]
其中，预设参数可以是预设图像压缩逻辑中对应的预设压缩图像参数。例如，该预设参数可以为0，等等。
[0225]
例如，该预设图像压缩逻辑可以是高斯滤波算子。在没确定待压缩图像区域对应的图像压缩参数之前，每个待压缩图像区域对应的高斯滤波算子中的图像预设参数是未知的。在确定了待压缩图像区域对应的图像压缩参数之后，可以将高斯滤波算子中的预设参数更新为图像压缩参数，得到目标图像压缩逻辑。
[0226]
在一实施例中，步骤“基于目标图像压缩逻辑，对待压缩图像区域进行压缩处理，得到多个压缩后图像区域”，可以包括：
[0227]
对待压缩图像区域进行信息提取，得到待压缩图像区域的初始像素信息；
[0228]
基于目标图像压缩逻辑，利用目标图像压缩逻辑对应的图像压缩参数和初始像素信息进行运算处理，得到运算后像素信息；
[0229]
利用运算后像素信息替换待压缩图像区域的初始像素信息，得到压缩后图像区域。
[0230]
例如，假设目标图像压缩逻辑是高斯滤波算子。在提取得到待压缩图像区域的初始像素信息之后，可以将初始像素信息输入到高斯滤波算子中，得到运算后像素信息。然后，可以将运算后像素信息替换待压缩图像区域的初始像素信息，得到压缩后图像区域。
[0231]
106、将多个压缩后图像区域进行整合处理，得到压缩后图像。
[0232]
在对每个压缩后图像都进行处理之后，可以将每个压缩后图像区域都整合到一起，得到压缩后图像。
[0233]
在一实施例中，可以获取初始颜色图像、初始红外图像和初始深度图像。然后，可以对初始颜色图像、初始红外图像和初始深度图像做三图对齐，得到颜色图像、红外图像和深度图像。然后，可以对红外图像进行对象检测处理，得到红外图像中的对象区域。例如，以人脸识别为例，该对象区域可以包括了人脸的最小长方形。然后，可以利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域。例如，可以将红外图像、颜色图像和深度图像都划分成3个待压缩图像区域。
[0234]
然后，利用高斯滤波算子对每个图像中的每个压缩图像区域进行压缩处理。例如，当σ越大和μ越大时，滤波程度越高，剔除高频成分也越高。因此，对于第三图像区域，可以选用较大的μ和σ。例如，可以选用5x5算子或更大。而对于第二图像区域，可以选用3x3平滑算子。而对于第一图像区域，可以不进行滤波，从而保留人脸区域最大信息。
[0235]
然后，可以将每个图像对应的压缩后图像区域进行整合，得到压缩后图像。例如，可以将红外图像对应的压缩后图像区域进行整合，得到压缩后红外图像。然后，可以将每个压缩后图像按照预设格式进行存储，从而实现进一步的压缩。例如，可以将压缩后红外图像、压缩后深度图像和压缩后颜色图像按照预设格式进行存储，从而实现进一步的压缩。
[0236]
由上可知，本实施例可以获取对象的待压缩图像和深度图像；对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域；利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，其中，压缩等级表征待压缩图像区域包含的信息量的重要程度；针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；将多个压缩后图像区域进行整合处理，得到压缩后图像。通过本技术实施例提出的方法，可以令重要程度较高的待压缩图像区域在压缩时会保留更多的信息，而重要程度较低的待压缩图像区域在压缩时会过滤掉更多的信息。通过这种差异化的压缩方式，可以实现在对待压缩图像进行压缩的同时，保留更多待压缩图像的有效信息，从而提高压缩后图像的质量。
[0237]
根据前面实施例所描述的方法，以下将以该图像压缩装置具体集成在终端举例作进一步详细说明。
[0238]
本技术实施例提供一种图像压缩方法，如图2所示，该图像压缩方法的具体流程可以如下：
[0239]
201、终端获取对象的待压缩图像和深度图像。
[0240]
例如，可以以人脸识别应用场景为例描述本技术实施例。
[0241]
例如，终端可以集成有三目摄像头。终端可以通过三目摄像头采集对象的初始待
压缩图像和初始深度图像。例如，终端可以通过彩色摄像头获取对象的初始颜色图像；通过红外摄像头获取对象的初始红外图像；通过深度摄像头获取对象的初始深度图像。
[0242]
然后，可以对初始颜色图像、初始红外图像和初始深度图像做三图对齐，得到颜色图像、红外图像和深度图像。
[0243]
202、终端对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域。
[0244]
例如，以人脸识别为例，终端可以对红外图像进行对象检测处理，得到红外图像中的对象区域，其中，该对象区域可以是包括了人脸的最小长方形。
[0245]
203、终端利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域。
[0246]
例如，终端可以确定该对象区域的坐标信息，并基于坐标信息在深度图像中确定对象对应的深度对象区域。
[0247]
然后，利用深度对象区域和对象区域进行与运算处理，得到人脸的精确区域。然后，可以对人脸的精确区域进行合理的碰撞，从而得到第一图像区域。然后，可以排除掉对象区域中和第一图像区域重合的部分，得到第二图像区域。
[0248]
此外，可以在待压缩图像中排除掉和对象区域重合的部分，得到第三图像区域。
[0249]
然后，可以对第一图像区域、第二图像区域和第二图像区域进行信息识别，从而得到多个具有不同信息量的待压缩图像区域。
[0250]
204、终端识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，压缩等级表征待压缩图像区域包含的信息量的重要程度。
[0251]
例如，可以根据不同待压缩图像区域的重要程度，选用不同的压缩图像参数。例如，当采用高斯滤波算子对待压缩图像区域进行压缩处理时，可以根据不同待压缩图像区域的重要程度，选用不同的平滑因子对待压缩图像区域进行滤波。
[0252]
例如，对于第一图像区域，可以不进行压缩处理。对于第二图像区域，可以选用最小平滑的高斯滤波算子。而对于第三图像区域，可以选用最大的平滑高斯滤波算子。
[0253]
其中，高斯滤波分子可以表示如下：
[0254][0255]
其中，x可以表示需要被压缩的待压缩图像区域。而μ和σ可以表示压缩图像参数。
[0256]
其中，当σ越大和μ越大时，滤波程度越高，剔除高频成分也越高。因此，对于第三图像区域，可以选用较大的μ和σ。例如，可以选用5x5算子或更大。而对于第二图像区域，可以选用3x3平滑算子。而对于第一图像区域，可以不进行滤波，从而保留人脸区域最大信息。
[0257]
205、终端针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域。
[0258]
例如，终端采用不同压缩图像参数的高斯滤波算子对红外图像、颜色图像和深度图像对应的区域进行滤波，得到每个图像对应的压缩后图像区域。
[0259]
206、终端将多个压缩后图像区域进行整合处理，得到压缩后图像。
[0260]
例如，终端可以将每个图像对应的压缩后图像区域进行整合处理，并将图像按原格式进行保存，得到压缩后图像。
[0261]
例如，终端可以将红外图像对应的压缩后图像区域进行整合处理，并将红外图像
按原格式进行保存，得到压缩后红外图像。
[0262]
又例如，终端可以将颜色图像对应的压缩后图像区域进行整合处理，并将颜色图像按原格式进行保存，得到压缩后颜色图像。
[0263]
由上可知，本实施例中，终端可以获取对象的待压缩图像和深度图像；终端对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域；终端利用深度图像和对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；终端识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，其中，压缩等级表征待压缩图像区域包含的信息量的重要程度；终端针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；终端将多个压缩后图像区域进行整合处理，得到压缩后图像，可以提高压缩后图像的质量可靠性。
[0264]
为了更好地实施以上方法，本技术实施例还提供一种图像压缩装置，如图3所示，该图像压缩装置可以包括获取单元301、对象检测单元302、区域划分单元303、识别单元304、压缩单元305和整合单元306，如下：
[0265]
获取单元301，用于获取对象的待压缩图像和深度图像；
[0266]
对象检测单元302，用于对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；
[0267]
区域划分单元303，用于利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；
[0268]
识别单元304，用于识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；
[0269]
压缩单元305，用于针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；
[0270]
整合单元306，用于将所述多个压缩后图像区域进行整合处理，得到压缩后图像。
[0271]
在一实施例中，所述区域划分单元303，可以包括：
[0272]
区域确定子单元，用于根据所述对象区域，在所述深度图像中确定所述对象对应的深度对象区域；
[0273]
区域判别子单元，用于利用预设深度阈值，对所述深度对象区域进行判别处理，得到判别结果；
[0274]
区域划分子单元，用于基于所述判别结果，利用所述深度对象区域将所述待压缩图像划分为多个具有不同信息量的待压缩图像区域。
[0275]
在一实施例中，所述区域判别子单元，可以包括：
[0276]
第一信息提取模块，用于对所述深度对象区域进行信息提取，得到所述深度对象区域对应的像素信息；
[0277]
计算模块，用于基于所述像素信息，计算所述深度对象区域的深度距离信息；
[0278]
比较模块，用于将所述深度距离信息和所述预设深度阈值进行比较处理，得到所述判别结果。
[0279]
在一实施例中，所述区域划分子单元，可以包括：
[0280]
逻辑运算模块，用于基于所述判别结果，利用所述深度对象区域的像素信息和所
述待压缩图像的像素信息进行逻辑运算处理，得到运算结果；
[0281]
划分模块，用于基于所述运算结果，将所述待压缩图像划分成多个待压缩图像区域；
[0282]
信息识别模块，用于对每个待压缩图像区域进行信息识别处理，得到多个具有不同信息量的待压缩图像区域。
[0283]
在一实施例中，所述划分模块，可以包括：
[0284]
运算识别子模块，用于对所述运算结果进行识别，得到运算结果差异集；
[0285]
第一划分子模块，用于根据所述运算结果差异集，将所述对象区域划分成第一图像区域和第二图像区域；
[0286]
第二划分子模块，用于基于所述第一图像区域和第二图像区域，在所述待压缩图像中划分出第三图像区域，得到多个待压缩图像区域。
[0287]
在一实施例中，所述区域确定子单元，可以包括：
[0288]
坐标信息识别模块，用于识别所述对象区域对应的坐标信息；
[0289]
区域确定模块，用于利用所述坐标信息，在深度图像中确定对象对应的初始深度对象区域；
[0290]
细化模块，用于对所述初始深度对象区域进行细化处理，得到深度对象区域。
[0291]
在一实施例中，所述识别单元304，可以包括：
[0292]
信息比较子单元，用于将每个待压缩图像区域的信息量进行比较处理，得到比较结果；
[0293]
排序子单元，用于基于所述比较结果，对每个待压缩图像区域的信息量进行排序，得到排序结果；
[0294]
压缩等级确定子单元，用于基于所述排序结果，确定每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数。
[0295]
在一实施例中，所述压缩单元305，可以包括：
[0296]
参数更新子单元，用于根据所述图像压缩参数，更新预设图像压缩逻辑中的预设参数，得到目标图像压缩逻辑；
[0297]
压缩子单元，用于基于所述目标图像压缩逻辑，对所述待压缩图像区域进行压缩处理，得到多个压缩后图像区域。
[0298]
在一实施例中，所述压缩子单元，可以包括：
[0299]
第二信息提取模块，用于对所述待压缩图像区域进行信息提取，得到所述待压缩图像区域的初始像素信息；
[0300]
运算模块，用于基于所述目标图像压缩逻辑，利用所述目标图像压缩逻辑对应的图像压缩参数和所述初始像素信息进行运算处理，得到运算后像素信息；
[0301]
替换模块，用于利用所述运算后像素信息替换所述待压缩图像区域的初始像素信息，得到压缩后图像区域。
[0302]
在一实施例中，所述获取单元301，可以包括：
[0303]
获取子单元，用于获取对象的初始待压缩图像和初始深度图像；
[0304]
参数确定子单元，用于确定所述初始待压缩图像对应的第一属性参数和所述初始深度图像的第二属性参数；
[0305]
对齐子单元，用于基于所述第一属性参数和所述第二属性参数，对所述初始待压缩图像和所述初始深度图像进行图像对齐处理，得到所述待压缩图像和所述深度图像。
[0306]
在一实施例中，所述对齐子单元，可以包括：
[0307]
转换关系计算模块，用于基于所述第一属性参数和所述第二属性参数，计算所述初始待压缩图像和所述初始深度图像之间转换关系；
[0308]
第三信息提取模块，用于对所述初始待压缩图像和所述初始深度图像进行信息提取，得到所述初始待压缩图像对应的像素信息和所述初始深度图像对应的像素信息；
[0309]
转换模块，用于根据所述转换关系，将所述初始待压缩图像对应的像素信息和所述初始深度图像对应的像素信息进行转换处理，得到所述待压缩图像和所述深度图像。
[0310]
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
[0311]
通过上述的图像压缩装置，可以提高压缩后图像的质量可靠性。
[0312]
本技术实施例还提供一种电子设备，如图4所示，其示出了本技术实施例所涉及的电子设备的结构示意图，该电子设备可以是终端或者服务器等，具体来讲：
[0313]
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0314]
处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、对象界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
[0315]
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
[0316]
电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0317]
该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与对象设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0318]
尽管未示出，该电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
[0319]
获取对象的待压缩图像和深度图像；
[0320]
对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；
[0321]
利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；
[0322]
识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；
[0323]
针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；
[0324]
将所述多个压缩后图像区域进行整合处理，得到压缩后图像。
[0325]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0326]
由上可知，本实施例可以获取对象的待压缩图像和深度图像；对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；将所述多个压缩后图像区域进行整合处理，得到压缩后图像，有利于提高压缩后图像的质量可靠性。
[0327]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0328]
为此，本技术实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种图像压缩方法中的步骤。例如，该指令可以执行如下步骤：
[0329]
获取对象的待压缩图像和深度图像；
[0330]
对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；
[0331]
利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；
[0332]
识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；
[0333]
针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；
[0334]
将所述多个压缩后图像区域进行整合处理，得到压缩后图像。
[0335]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0336]
其中，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆
体(ram，random access memory)、磁盘或光盘等。
[0337]
由于该存储介质中所存储的指令，可以执行本技术实施例所提供的任一种图像压缩方法中的步骤，因此，可以实现本技术实施例所提供的任一种图像压缩方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
[0338]
根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述图像压缩方面的各种可选实现方式中提供的方法。
[0339]
以上对本技术实施例所提供的一种图像压缩方法、装置、电子设备和存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种图像压缩方法，其特征在于，包括：获取对象的待压缩图像和深度图像；对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的对象区域；利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；将所述多个压缩后图像区域进行整合处理，得到压缩后图像。2.根据权利要求1所述的方法，其特征在于，所述利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域，包括：根据所述对象区域，在所述深度图像中确定所述对象对应的深度对象区域；利用预设深度阈值，对所述深度对象区域进行判别处理，得到判别结果；基于所述判别结果，利用所述深度对象区域将所述待压缩图像划分为多个具有不同信息量的待压缩图像区域。3.根据权利要求2所述的方法，其特征在于，所述利用预设深度阈值，对所述深度对象区域进行判别处理，得到判别结果，可以包括：对所述深度对象区域进行信息提取，得到所述深度对象区域对应的像素信息；基于所述像素信息，计算所述深度对象区域的深度距离信息；将所述深度距离信息和所述预设深度阈值进行比较处理，得到所述判别结果。4.根据权利要求2所述的方法，其特征在于，所述基于所述判别结果，利用所述深度对象区域将所述待压缩图像划分为多个具有不同信息量的待压缩图像区域，包括：基于所述判别结果，利用所述深度对象区域的像素信息和所述待压缩图像的像素信息进行逻辑运算处理，得到运算结果；基于所述运算结果，将所述待压缩图像划分成多个待压缩图像区域；对每个待压缩图像区域进行信息识别处理，得到多个具有不同信息量的待压缩图像区域。5.根据权利要求4所述的方法，其特征在于，所述基于所述运算结果，将所述待压缩图像划分成多个待压缩图像区域，包括：对所述运算结果进行识别，得到运算结果差异集；根据所述运算结果差异集，将所述对象区域划分成第一图像区域和第二图像区域；基于所述第一图像区域和第二图像区域，在所述待压缩图像中划分出第三图像区域，得到多个待压缩图像区域。6.根据权利要求2所述的方法，其特征在于，所述根据所述对象区域，在所述深度图像中确定所述对象对应的深度对象区域，包括识别对象区域对应的坐标信息；利用所述坐标信息，在深度图像中确定对象对应的初始深度对象区域；对所述初始深度对象区域进行细化处理，得到深度对象区域。
7.根据权利要求1所述的方法，其特征在于，所述识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度，包括：将每个待压缩图像区域的信息量进行比较处理，得到比较结果；基于所述比较结果，对每个待压缩图像区域的信息量进行排序，得到排序结果；基于所述排序结果，确定每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数。8.根据权利要求1所述的方法，其特征在于，所述针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域，包括：根据所述图像压缩参数，更新预设图像压缩逻辑中的预设参数，得到目标图像压缩逻辑；基于所述目标图像压缩逻辑，对所述待压缩图像区域进行压缩处理，得到多个压缩后图像区域。9.根据权利要求8所述的方法，其特征在于，所述基于所述目标图像压缩逻辑，对所述待压缩图像区域进行压缩处理，得到多个压缩后图像区域，包括：对所述待压缩图像区域进行信息提取，得到所述待压缩图像区域的初始像素信息；基于所述目标图像压缩逻辑，利用所述目标图像压缩逻辑对应的图像压缩参数和所述初始像素信息进行运算处理，得到运算后像素信息；利用所述运算后像素信息替换所述待压缩图像区域的初始像素信息，得到压缩后图像区域。10.根据权利要求1所述的方法，其特征在于，所述获取对象的待压缩图像和深度图像，包括：获取对象的初始待压缩图像和初始深度图像；确定所述初始待压缩图像对应的第一属性参数和所述初始深度图像的第二属性参数；基于所述第一属性参数和所述第二属性参数，对所述初始待压缩图像和所述初始深度图像进行图像对齐处理，得到所述待压缩图像和所述深度图像。11.根据权利要求10所述的方法，其特征在于，所述基于所述第一属性参数和所述第二属性参数，对所述初始待压缩图像和所述初始深度图像进行图像对齐处理，得到所述待压缩图像和所述深度图像，包括：基于所述第一属性参数和所述第二属性参数，计算所述初始待压缩图像和所述初始深度图像之间转换关系；对所述初始待压缩图像和所述初始深度图像进行信息提取，得到所述初始待压缩图像对应的像素信息和所述初始深度图像对应的像素信息；根据所述转换关系，将所述初始待压缩图像对应的像素信息和所述初始深度图像对应的像素信息进行转换处理，得到所述待压缩图像和所述深度图像。12.一种图像压缩装置，其特征在于，包括：获取单元，用于获取对象的待压缩图像和深度图像；对象检测单元，用于对所述待压缩图像进行对象检测处理，得到所述待压缩图像中的
对象区域；区域划分单元，用于利用所述深度图像和所述对象区域，对所述待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别单元，用于识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，所述压缩等级表征所述待压缩图像区域包含的信息量的重要程度；压缩单元，用于针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；整合单元，用于将所述多个压缩后图像区域进行整合处理，得到压缩后图像。13.一种计算机设备，其特征在于，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行权利要求1至11任一项所述的图像压缩方法中的操作。14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至11任一项所述的图像压缩方法中的步骤。15.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现权利要求1至11任一项所述的图像压缩方法中的步骤。

技术总结
本申请公开了一种图像压缩方法、装置、电子设备和存储介质；本申请可以获取对象的待压缩图像和深度图像；对待压缩图像进行对象检测处理，得到待压缩图像中的对象区域；利用深度图像和所述对象区域，对待压缩图像进行区域划分处理，得到多个具有不同信息量的待压缩图像区域；识别每个待压缩图像区域对应的压缩等级，以及压缩等级对应的图像压缩参数，其中，压缩等级表征待压缩图像区域包含的信息量的重要程度；针对每个待压缩图像区域，采用压缩等级对应的图像压缩参数对待压缩图像区域进行压缩处理，得到多个压缩后图像区域；将多个压缩后图像区域进行整合处理，得到压缩后图像，可以提高压缩后图像的质量可靠性。可以提高压缩后图像的质量可靠性。可以提高压缩后图像的质量可靠性。


技术研发人员：洪哲鸣 王少鸣 郭润增
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.03.24
技术公布日：2023/10/7