調色闆色度壓縮
調色闆的概述
大多數彩色圖像采集裝置及圖像處理軟體都采用24位真彩色圖像資料結構記錄圖像資訊，即以紅（R）、綠（G）、藍（B）彩色模式記錄色彩。其中在資料結構中，R、G、B各用一個位元組表示，R、G、B的取值各有 256級，可表達1677萬多種顔色。将色彩空間化減到圖像中常用的顔色。為此，我們設想利用人眼對色彩分辨能力的有限性，采用一個位元組共8位的資料結構來顯示、存儲或傳遞24位真彩色圖像，即建立256色或更少的顔色資訊作為索引值，來模拟1677萬種顔色，以實作彩色圖像的顔色壓縮，這就須建立适當的調色闆，對圖像的色彩資料的表達做轉換處理，即用适當數量（一般采用256種）的顔色索引值來填寫調色闆。
一般來講，選擇一個合适的調色闆并非一件很容易的事。盡管人眼對顔色的分辨力是有限的，但要從1677萬多種顔色中選取256種或更少的顔色作為一幅彩色豐富的圖像的顔色的替代，仍然是一件十分困難的事情。壓縮彩色圖像顔色總數的算法有多種。主要可分為以下3類:一類是依據圖像的彩色分布情況來确定調色闆，對24位彩色圖像中所有的色彩做統計分析，取統計結果位于前面的256種顔色作為表達原圖像的顔色，并把這256種顔色設定為調色闆中的顔色；一類是事先将調色闆設定好，按照一定的算法将圖像的顔色與調色闆相比對，即固定調色闆法；另一類是利用抖動算法實作圖像顔色的壓縮。
三類調色闆的比較
固定調色闆可以增大效率和一定的壓縮率，但是如果一幅圖像中所含的顔色較為接近，倒如，在一幅圖像表現的是一幅田野，田野有草綠色，蔥綠色，墨綠色，淺綠色等顔色，但通過固定調色闆算法進行彩色壓縮，這4種不同的綠色将有可能由同一種綠色來表示，這種結果損失了圖像色彩細微處的差異。是以固定調色闆算法不适宜用于色彩分布特點集中的圖像。現在主流采用抖動算法和顔色統計算法。
算法适用範圍
矢量化圖像、顔色數目較少的圖像。
算法實作(基于顔色統計的方法)
八叉樹調色算法要建立一個八叉樹，每個節點有8個子節點，共8級，一級一級的延伸下去，最後一級是“樹葉”。首先需要取得顔色的RGB值,假設顔色是淡藍色（紅：240，綠：250，藍：255）。
表1：淡藍色對應的統計表
從每個位平面的二進制數，組成一個0到7之間整數，然後這個整數就是這個顔色在八叉樹中對應級的位置，那麼我們就在八叉樹的第1級第7個子節點處添加一個節點，以此類推。随着顔色數的增加，八叉樹的樹葉就在不斷增多。當八叉樹的樹葉數量到達256的時候，我們就需要把一些葉子合并。通常就合并最後添加的顔色所在樹枝的樹葉。先合并樹葉，合并完了再網上合并樹枝。最後，所有顔色采集完了以後，就周遊整個八叉樹，取出所有樹葉的顔色，這樣就得到了調色闆。調色結果如下所示：
| 八叉樹結構 | 八叉樹調色闆 |
| 固定調色闆生成256色位圖 | 八叉樹生成256色位圖 |
圖1 八叉樹生成調色闆的結果
調色索引圖像怎麼壓縮？
思路1：将顔色按RGB大小進行排序，則索引圖像将形成彩色圖像灰階化的輪廓，這時采用現有的方法（SPECK、SPIHT、JPEG2000等）進行壓縮。但是因為顔色代表顔色索引值，索引值變化後，會産生“顔色失調”的現象。
圖2 SPIHT壓縮（bpp=0.8）
即使顔色比較相近，當壓縮比例達到一定程度，在視覺上仍然變得不可接受，嘗試根據大部分顔色的變化對索引表進行變更，仍不能有效解決問題。
圖3 SPIHT壓縮（bpp=0.2）
思路2：對圖像進行無損壓縮。嘗試DPCM和RLC編碼，壓縮率隻能達到15:1左右。
圖4 無損壓縮方法 CR=15
綜上：調色闆壓縮方法更适用于顔色數更少的矢量圖（典型如GIF壓縮）。要做到顔色不失真，壓縮率比較小。要做到壓縮率比較高，會産生局部的顔色失調。
2 基于壓縮感覺的壓縮方法
基于非均勻采樣和壓縮感覺的圖像壓縮算法：針對不同圖像内容對重構貢獻的不同，提出了一種新的采樣方式，即對圖像邊緣及其周邊像素點密集采樣，對剩餘像素點進行随機抽取。在解碼端通過采樣點位置資訊構造出各圖像塊對應測量矩陣，利用SL0算法進行重疊塊重構，提高了圖像重構精度，并有效改善了紋理區域的視覺效果。
基于分類稀疏字典和變采樣率采樣的圖像壓縮算法：該算法首先利用圖像庫訓練分類稀疏字典，在編碼端根據Canny檢測算子将原始圖像分為不同類型圖像塊，再生成與各字典比對的最佳觀測矩陣分别對各圖像塊随機投影。在解碼端利用SL0算法分别重構各類圖像塊，最終得到高精度重構圖像。
文獻中涉及到一些最優化知識，這部分知識沒有學過，故沒有去驗證。
論文的圖像采樣率分别選取為 0.3，0.4 和 0.5，壓縮比例不高。但是論文中提到可以跟其他壓縮方法相結合，對于提高壓縮品質是有幫助的。