目前常用的图像压缩算法和视频压缩算法有哪些，基于深度学习的图像/视频压缩算法

很多朋友对目前常用的图像压缩算法和视频压缩算法有哪些，基于深度学习的图像/视频压缩算法不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

数据压缩是在保留相同或大部分数据的前提下，减小文件大小的过程。其原理是消除不必要的数据或以更有效的格式重新组织数据。压缩数据时，可以选择使用有损方法或无损方法。有损方法将永久擦除一些数据，而无损方法可以保证保存所有数据。使用哪种方法取决于您希望保持文档的精确度。

本文将向您介绍六种不同的无损数据压缩算法和四种基于深度学习的图像/视频压缩算法。六种无损数据压缩算法无损压缩算法通常用于存档或其他高保真目的。这些算法允许您减小文件大小，同时确保文件可以完全恢复。有很多无损压缩算法供你选择。下面是六种常用算法。1.LZ77

LZ77算法于1977年发布。作为许多其他无损压缩算法的基础，它使用了“滑动窗口”的概念。在这个概念中，LZ77管理着一本字典。字典用的是三元组：Offset:短语开头和文件开头之间的距离；游程长度：组成短语的字符数偏离字符：指示新短语的标记，以及匹配后前向缓冲区中的第一个符号。

当解析文件时，字典将实时更新，以反映最新的压缩数据和大小。例如，如果文件包含字符串“abbadabba”，则压缩到字典中的项是“abb(0，1，' d')(0，3，' a ')”。可以看看下表中的反汇编过程：在这个例子中，压缩后的数据并不比初始数据小多少。但一般来说，当文件很长时，这种压缩效果就会出现。2.LZR

LZR是由Michael Rodeh于1981年提出的，它是在LZ77的基础上发展起来的。该算法的目标是成为LZ77的线性时间替换算法，但编码后的Udell指针可能指向文件的任意偏移量，这意味着需要相当大的内存，因此性能不如LZ77。3.LZSS

LZSS，全名莱姆佩尔-齐夫-斯托尔-希曼斯基，于1982年提出。这也是一种改进LZ77的算法。它引入了一种方法来检测文件大小是否真的减小了。如果不能达到压缩效果，将保持原来的输入格式。LZSS还取消了偏离字符的使用，只使用成对字符。这种压缩算法广泛用于归档格式，如RAR和网络数据压缩。4.紧缩

DEFLATE算法是1993年提出的。作者是菲利普卡兹。该算法结合了LZ77或LZSS预处理器和霍夫曼编码。霍夫曼编码公司在1952年提起诉讼。它是一种熵编码，主要是根据字符出现的频率来分配代码。5.LZMA

LZMA算法，全称是伦佩尔-齐夫马尔可夫链算法(LZMA)，于1998年提出，是LZ77的改进版本，旨在归档. 7z格式的7-ZIp文件。它使用链压缩方法，并在比特级而不是字节级应用改进的LZ77算法。压缩算法的输出随后通过算术编码进行处理，以便进一步压缩。根据实施情况，可能会引入其他压缩步骤。6.LZMA2

LZMA2算法是2009年提出的，是LZMA的改进版本。它提高了LZMA在多线程和处理不可压缩数据方面的性能。基于深度学习的图像/视频压缩算法有四种，除了上面介绍的静态压缩算法，还有基于深度学习的压缩算法可供选择。1.基于多层感知器的压缩算法。

多层感知器(MLP)技术使用多层神经元来获取、处理和输出数据。它可以应用于数据降维和数据压缩。第一个基于MLP的算法是在1988年提出的，目前已经应用到：二进制编码——标准，双符号编码量化——，限制特定领域内连续集到离散集的转换，像素级的数据变化——。

MLP算法利用前一步分解神经网络的输出来确定最佳二进制码组合。后来，通过使用预测技术对该方法进行了优化。预测技术可以通过反向传播提高基于相邻数据的数据的准确性。2.基于视频压缩的深度编码器-深度神经网络

DeepCoder是基于卷积神经网络(CNN)的框架，是传统视频压缩技术的替代品。该模型对预测信号和残差信号使用独立的CNN。它使用标量量化技术和传统的文件压缩算法——霍夫曼编码——来将编码特征映射到二进制流中。总的来说，该模型的性能优于著名的H.264/AVC视频编码标准。3.基于CNN的压缩算法

CNN是一种分层神经网络，通常用于图像识别和特征检测。当应用于压缩时，这些神经网络使用卷积运算来计算相邻像素之间的相关性。CNN显示了比基于MLP的算法更好的压缩结果，提高了超分辨率性能并减少了伪像。此外，基于CNN的压缩也提高了JPEG图像的质量，因为它降低了峰值信噪比(PSNR)和结构相似性(SSIM)。基于CNN的压缩也通过使用熵估计方法达到了HEVC的性能。

4.基于GAN的压缩算法。

GAN是一种神经网络，使用两个神经网络相互竞争，产生更准确的分析和预测。最早的基于GAN的压缩算法是在2017年提出的。这些算法的文件压缩比是其他常用方法(如JPEG和WebP)的2.5倍。使用基于GAN的方法，通过并行处理可以实现实时压缩。主要原理是基于最相关的特征来压缩图片。解码时，算法基于这些特征重构图像。

与基于CNN的算法相比，基于GAN的压缩算法可以通过消除对抗损失产生更高质量的图像。

总结压缩算法可以帮助您优化文件大小。不同的算法有不同的结果。本文简要介绍了六种静态无损压缩算法和四种基于深度学习的压缩算法。当然，如果这些算法都不适合你的场景，你可以查看这篇文章，找到适合你场景的算法。算法很多，总有一款适合你！黄飞

以上知识分享希望能够帮助到大家！