我正在查看将多个JPEG图像作为单个较大图像一起存储时，减少存储空间的问题。基本的直觉是，图像往往有一些相似之处（如在同一地点或在同一时间点采取的），我们可以利用这种相似性来节省空间吗？JPEG图像压缩
整个流程是：输入图像JPG - >每个图像转换成RGB图像平铺 - >重新组织相似RGB瓦片一起 - >再次变换到JPG格式。当然，在检索图像时，我们需要反向的过程。
使用Y分量的DC系数作为瓷砖重组的相似度量，对于10幅图像我获得了〜8％的空间节省。当我为100张图片做这件事时，节省下降到〜3％。
如何在重新组织后得到储蓄 - 即JPEG编码过程的哪个部分利用了此图像块重组？
相反Y分量的DC系数，在那里你能想到的，其他一些指标将通过JPEG编码来更好地利用
修订：
有一些其他除JPG以外的图像格式可以利用这种相似性聚合多个图像时更好吗？比如像PNG？
你很可能使用JFIF进行编码。
我不确定您希望这种方法如何工作。如果我理解正确，那么您将图像分解为多个图像，将它们聚合成一个超大图像，并将“相似”的图块彼此靠近排列。AFAIK，JPEG实现在图像中为每个单独的8x8瓦片执行单独的DCT，称为宏块。换句话说，JPEG不能利用相邻宏块之间的一致性（这似乎是压缩技术的基本假设）。
如果你自己的图块大于宏块，除了图像头部空间的节省之外，你不会看到任何改进。例如：将10个JPG图像头替换为1会节省90％的空间，但只能在头部。当您查看整个文件时，标题只是整个文件的一小部分，因此节省的空间很小。当将100个图像标题替换为1时，您节省了99％，但是仅在标题上再次提供。在这两种情况下，所有的宏块仍然被编码和存储，完全像以前一样。
有两个领域，你会看到好处：
首先，当你把相似的区域相邻（特别是在图像的边缘匹配完美，没有间断 - 尽管这将是非常罕见），jpeg算法的DCT（频率空间）部分通过逐渐逼近大区域（不确定最大大小是多少）来工作，然后查看大区域近似和多个较小区域之间的误差，并制作更多的本地化修正。
我怀疑这种影响很小，除非你的图像是很相似，或者很小（因此它们的边缘与它们的面积成比例）。
其次，JPEG压缩的Huffman coding部分将看到一个好处，因为相同的比特模式将出现在多个子图像，并用相同的（短）被压缩令牌）。
这个方面将不取决于您压缩图像的方式 - 只要它们在相同的图像。
感谢您的回应！我不确定你的第一部分。但是，我认为霍夫曼编码可以利用这一点_some_ extent_if_我将最终输出分割成多个图像，每个图像具有相似的图块。但是，我认为这不能解释我获得的空间节省。我已经修改了我的问题 - 请看看。 – user655617 2013-03-08 00:09:47
谢谢，这很有道理！我使用libjpeg来进行编码和解码。由于JPEG在8x8宏块内进行DCT，所以瓷砖之间的相似性（大于宏块）可能没有多大帮助。但是，我认为相邻宏块的DCT系数是相对编码的，这可能在一定程度上通过这种块重组而得到改善。我修改了我的问题 - 请看看。 – user655617 2013-03-08 00:14:09
很高兴我能帮助澄清事情。是的，libjpeg是IJG参考JPEG标准的JFIF实现。我不记得使用delta编码的DCT系数（在相邻的宏块之间）。 AFAIR中，每个宏块都变成一个单一的8x8系数矩阵，然后对其进行抽取（分割以减少存储它们所需的位数 - 这是有损压缩中的“损失”来自哪里），并在zig中读出时尚。这种排序产生长时间运行的0，它们通过运行长度编码被有效地压缩（而不是存储17个零，我们存储17,0）。 – 2013-03-08 06:14:10