我一直在阅读Image Compression (Lossy and Non-lossy)的网页。关于图像压缩算法的困惑
现在，这是我的问题，我成功地使用opencv制作人脸检测项目 - 但是 - 我的项目指南不满意 - 我的项目只是捕获捕捉设备[网络摄像头]中的帧，并将帧函数来检测这些帧中的脸部并在Windows中输出检测帧。
我的项目指南要我实现一些算法无论是图像压缩或变形等，但不开心的看到图书馆等大量使用 -
所以我想知道是什么 - 这可能使用C或C++编码 - 图像压缩算法？如果是，代码大小不会很大？ （我的项目应该是一个小的）
请帮助我，假设我想使用RLE压缩使用C++我应该怎么做呢？
你想发明自己的图像压缩或实现其中一个标准的？ （我认为这是某种类/作业，你不会在现实世界中做到这一点！）
你可以使用像运行长度一样的东西压缩一些简单的图像，特别是如果你可以减少颜色数量即。一个卡通或图形，但对于一个真正的照片风格的图像，它不会工作 - 这就是为什么像jpeg或小波这样复杂的有损技术被发明的原因。
需要了解多少文件格式，如BMP，JPG等 - – Tempo
BMP是微不足道的， JPEG非常复杂 - 如果您知道FFT的数学运算，但理论相对简单但格式复杂 –
这是非常有可能的，而且RLE压缩很容易。如果你想看看RLE的一个相对直接的方法，它不会使用大量的代码，那么请考虑实现packbits的一个版本。
这里还有一个链接，以及：http://michael.dipperstein.com/rle/index.html（包括与源代码为传统的RLE和PACKBITS实现）
顺便说一句，请记住，你可以，有噪声的数据，实际上更结束数据比使用RLE方案的未压缩。对于大多数“真实世界”的图像，尽管采用了某种形式的低通滤波和相对较好的信噪比（即40db以上），但您应该预期大约1.5：1至1.7：1的压缩比。
无损压缩的另一种选择是huffman编码...该算法更容忍噪声图像，因为它通常可以防止使用RLE压缩算法编码时可能出现的这些类型图像的数据扩展。
最后，你没有提到你是使用彩色还是灰度图像......如果它是彩色图像，请记住，如果在平面彩色图像中压缩每个颜色通道，通道图像，而不是尝试压缩连续的RGB数据。
你想基于与空间填充曲线或空间索引色彩还原实行压缩。 A si将二维复杂度降低到一维复杂度，它看起来像四叉树，有点像分形。你想寻找尼克的希尔伯特曲线四叉树空间索引博客！
这里是另一个有趣RLE编码的想法：Lossless hierarchical run length encoding。也许这是给你的东西？
RLE是去这里最好的方式。即使是“最简单”的压缩算法也不是微不足道的，并且需要对颜色空间变换，离散正弦/余弦变换，熵等有深入的了解。
回到RLE ...通过像素循环使用像这样的东西：
cv::Mat img = cv::imread("lenna.png");
for(int i=0; i < img.rows; i++)
for(int j=0; i < img.cols; j++)
// You can now access the pixel value with cv::Vec3b
std::cout << img.at<cv::Vec3b>(i,j)[0] << " " << img.at<cv::Vec3b>(i,j)[1] << " " << img.at<cv::Vec3b>(i,j)[2] << std::endl;
计数相似的像素的数量在一排，并将它们存储在任何数据结构（可能是< #Occurences, Vec3b >元组中一个vector？）。一旦你有了最终的vector，不要忘记在上面提到的vector（也许在一个简单的compressedImage结构中）存储图像的大小，并且你只是压缩了一个图像。要将它存储在一个文件中，我建议你使用boost::serialize或类似的东西。
您的最终结构可能看起来类似于：
struct compressedImage {
int height;
int width;
vector< pair<int, Vec3b> > data;
};
编码愉快！
如果需要抽象栅格类型，可以使用GDAL C++库。下面是通过默认或请求光栅格式支持的列表：
“是否有可能使用C或C++ - 图像压缩算法的代码”。恩，是的。你认为图像压缩库是用什么编写的> – Lagerbaer
需要了解多少文件格式如BMP，JPG等 – Tempo