超快速2倍有损音频/图像压缩算法？

Question

我正在寻找一种音频或图像压缩算法，该算法可以压缩16位样本的洪流

• 相当可预测的数量（2-3倍）
• 非常快（例如，每个样本最多60个周期：> 100MB / s）
• 有损是可以接受的，但当然是不希望的

我的数据具有图像和音频的特征（二维，在两个维度上都是相关的，并且在一个维度上具有类似音频的特征），因此音频或图像的算法可能都适用。

一个明显的尝试是这种一维算法：

• 将数据分成64个样本的片段
• 测量这些样本之间的值范围（例如，一个段中样本可能介于3101和9779之间，相差6678）
• 再使用2到4个字节来编码范围
• 将该段中的每个16位样本线性下采样为8位。

例如，我可以在16位中存储3101，并在8位中存储缩放因子ceil(6678/256) = 27，然后将每个16位样本转换为s8 = (s16 - base) / scale的8位，其中{{1} }，其明显的解压缩“算法”为base = 3101 + 27>>1, scale = 27。）压缩率：128/67 = 1.91。

为了避免除法运算，我想出了一些主意，但是现在还没有人发明一种比保真度更好的超快算法吗？

注意： this page表示，FLAC以s16 = s8 * 27 + 3101的速度每秒压缩2200万个样本（44MB / s），这相当不错（假设其实现仍然是单一的-threaded），如果对于我的应用程序来说还不够的话。 Another page表示，FLAC具有与其他3个编解码器类似的性能（在3.4GHz i3-3240，-q5上为40MB / s），具体取决于质量水平。

Answer 1

看看PNG filters，以获取如何梳理相关性的示例。最明显的过滤器是“ sub”，它简单地减去连续的样本。差异应更集中在零附近。然后，您可以通过lz4之类的快速压缩程序运行该文件。如果其他过滤器选择可以在其他维度的相关性中找到优势，则可能会导致零附近的聚类更好。

对于有损压缩，您可以先压缩差异，然后再压缩一些低位，直到获得所需的压缩，然后仍然保留要保留的数据的特征。