快速无损压缩视频流
我有一个来自固定相机的视频。分辨率和FPS都很高。我得到的数据为拜耳格式，每个像素使用10位。由于我的平台上没有10位数据类型，因此原始数据使用16位字存储在内存中。我想在通过网络传输数据之前对数据进行某种无损压缩。 摄像头不会移动，因此连续帧的大部分几乎是相同的-但由于不可避免的噪声，仍不能完全消除（降噪不是一种选择，因为降噪是无损的，即使噪声也不应“丢失” ）。 由于FPS高，即使变化的部分在任何两个连续的帧之间也变化不大。 但是，看起来相机也有些晃动。在图像空间中，即使很小，但即使静止的物体也并非完全如此。 压缩必须实时进行，因此我不能收集很多帧并将它们全部压缩在一起，但是我可以向后看一帧并将其用作参考。 基于以上所述，我的第一个想法是对数据进行位打包，以使这6个冗余位不会浪费在每个字上。但是，我认为如果使用某种熵编码（例如Huffman等），则会自动考虑冗余，因此不需要额外的包装。所以我做了以下工作： 取得两个连续帧之间的二进制差异。原始数据范围为0〜1023（例如，无符号10位）。差异数据变为有符号，范围增加到-1023〜1023，但数据变化（或正确的数学术语）变得比原始数据少得多，实际上，大多数值不足为零就不足为奇了。 将Rice编码应用于差异。据我了解，对于大多数数值较小的数据集，这似乎是一个不错的选择。 对于1280x720帧，这使我的尺寸减少了60％，并且我的测试系统（单核上的VirtualBox中的Linux）每秒可以进行约40次此类压缩（无需太多优化）。我猜不是那么好，但是很合理（或者是吗？）。 有更好的方法吗？我有任何常见的错误吗？我错过了任何常规步骤吗？以后可能会使用更高分辨率的帧-对于更大的帧大小，我应该期望更好的压缩率吗？ UPD： 我使用此库进行Rice编码。该库非常慢（作者本人将其描述为学习而不是实际使用），例如，它在循环中一对一地读写位，这会降低性能。最初它只给我约20 FPS，经过一些非常基本的优化后，它变成了40 FPS（如上所述），后来我对其进行了更多优化，变成了80 FPS。这是在没有向量化的单个i7内核上。 至于向量化，不幸的是，我无法想到一种对Rice代码进行向量化的方法（甚至根本不知道它是否可能-在Rice代码上找不到任何数据，我对霍夫曼代码的发现表明：它是顺序的，无法有效地向量化，这可能适用于Rice代码以及其他可变长度代码）。 我还尝试了一种完全不同的方法：将数据分成小块（例如，每个像素为64像素）并使用简单的零抑制。我们找到一个块中最大的数字，将表示它所需的位数写到该块的开头（在我的情况下，这需要再增加4位），然后将该块中的所有数字减少到相同的位数。位。我预计压缩率会很差，但是如果片段很小，那么它们中的许多都不会产生噪声尖峰，因此它们的二进制差异可以减小到每个值4〜6位，实际上只有比Rice代码差5％左右，但速度大约是Rice代码的两倍（例如我的情况下为160 FPS）。我曾尝试对其进行矢量化处理，但对矢量化处理还是有点不满，所以也许正因为如此，我只能实现约1.8倍的进一步加速。 由于负数没有前导零，因此我在二进制差之后和莱斯/零抑制之前应用了之字形编码。