图像压缩方法、装置、计算机设备和存储介质与流程

1.本技术涉及图像处理领域，尤其涉及一种图像压缩方法、装置、计算机设备和存储介质。


背景技术：

2.传统中医常用望、闻、问、切这四种方式来诊断病情。舌诊是望诊中常见的一种诊断方法，中医认为观察舌头的颜色、形态、点刺、裂纹、齿痕等信息可以得知人体的隐患。在拍摄舌诊图像之后，需要对舌诊图像进行压缩保存，以便后续进行疾病分析和诊断。现有的图像压缩方法，通常是对舌诊图像中的每一部分采用相同的压缩策略进行压缩，如此一来，会不可避免地导致舌诊图像中的重要信息丢失。
3.因此，如何在确保舌诊图像具有高压缩率的同时，避免损失舌诊图像中的重要信息成为亟需解决的问题。


技术实现要素：

4.本技术提供了一种图像压缩方法、装置、计算机设备和存储介质，可以实现在确保舌诊图像具有高压缩率的同时，对舌部区域和非舌部区域采用不同的损失比例进行过滤，可以有效避免损失舌诊图像中的重要信息。
5.第一方面，本技术提供了一种图像压缩方法，所述方法包括：
6.对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；
7.基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像；
8.基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值；
9.将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。
10.第二方面，本技术还提供了一种图像压缩装置，所述装置包括：
11.舌部分割模块，用于对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；
12.第一过滤模块，用于基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像；
13.第二过滤模块，用于基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值；
14.融合处理模块，用于将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。
15.第三方面，本技术还提供了一种计算机设备，所述计算机设备包括存储器和处理器；
16.所述存储器，用于存储计算机程序；
17.所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的图像压缩方法。
18.第四方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的图像压缩方法。
19.本技术公开了一种图像压缩方法、装置、计算机设备和存储介质，通过对待压缩的舌诊图像进行舌部分割，可以获得包含重要信息的舌部区域图像和包含非重要信息的非舌部区域图像；通过基于第一过滤阈值对舌部区域图像中的高频信息进行过滤，可以实现对舌部区域图像采用较小的损失比例进行过滤，从而最大限度地保留舌部区域图像中的重要信息；通过基于第二过滤阈值对非舌部区域图像中的高频信息进行过滤，可以实现对非舌部区域图像采用较大的损失比例进行过滤，将非舌部区域图像中的大部分不重要信息过滤掉，确保舌诊图像具有高压缩率；通过将第一过滤图像与第二过滤图像进行融合处理，可以获得压缩后的舌诊压缩图像。
附图说明
20.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本技术实施例提供的一种图像压缩方法的示意性流程图；
22.图2是本技术实施例提供的一种舌部轮廓检测的示意性流程图；
23.图3是本技术实施例提供的一种对舌部区域图像进行过滤的示意性流程图；
24.图4是本技术实施例提供的一种小波分解的示意图；
25.图5是本技术实施例提供的另一种小波分解的示意图；
26.图6是本技术实施例提供的一种图像压缩装置的示意性框图；
27.图7是本技术实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
28.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
29.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
30.应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
31.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关
联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
32.本技术的实施例提供了一种图像压缩方法、装置、计算机设备和存储介质。其中，该图像压缩方法可以应用于服务器或终端，通过基于第一过滤阈值对舌部区域图像中的高频信息进行过滤，以及基于小于第一过滤阈值的第二过滤阈值对非舌部区域图像中的高频信息进行过滤，可以实现在确保舌诊图像具有高压缩率的同时，对舌部区域和非舌部区域采用不同的损失比例进行过滤，可以有效避免损失舌诊图像中的重要信息。
33.其中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑以及台式电脑等电子设备。
34.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
35.如图1所示，图像压缩方法包括步骤s10至步骤s40。
36.步骤s10、对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像。
37.示例性的，待压缩的舌诊图像可以预先存储在本地数据库或本地磁盘的舌诊图像，还可以是当前上传的舌诊图像。
38.示例性的，在获取待压缩的舌诊图像后，需要对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像。然后，分别对舌部区域图像和非舌部区域图像采用不同的损失比例进行压缩，得到舌诊压缩图像并保存舌诊压缩图像。例如，将舌诊压缩图像存储在本地数据库或本地磁盘的舌诊图像。在本技术实施例中，为进一步保证上述舌诊压缩图像的私密和安全性，上述舌诊压缩图像可以存储于一区块链的节点中。
39.需要说明的是，通过对待压缩的舌诊图像进行舌部分割，可以获得包含重要信息的舌部区域图像和包含非重要信息的非舌部区域图像，后续可以针对舌部区域和非舌部区域采用不同的损失比例进行过滤，可以有效避免损失舌诊图像中的重要信息。可以理解的是，由于舌诊主要集中在舌尖、舌中、舌根、舌侧等，因此舌部区域是重点关注的区域。然而，在拍摄舌诊图像时往往会带有一定的面部区域，相对于舌部区域来说，面部区域是非重点信息。其中，面部区域可以是部分脸部、鼻子或者下巴等区域。在对舌诊图像进行压缩时，对舌部区域和非舌部区域采用不同的损失比例进行过滤，最大限度地保留舌部区域中的信息以及最大限度地过滤非舌部区域中的信息，实现在确保舌诊图像具有高压缩率的同时，可以有效避免损失舌诊图像中的重要信息。
40.在一些实施例中，对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像，可以包括：基于分水岭算法，对舌诊图像进行舌部轮廓检测，获得舌诊图像对应的舌部轮廓分割线；根据舌部轮廓分割线对舌诊图像进行舌部区域分割，获得舌部区域图像和非舌部区域图像。
41.需要说明的是，分水岭算法是一种图像区域分割法，在分割的过程中，它会把临近像素间的相似性作为重要的参考依据，从而将在空间位置上相近并且灰度值相近的像素点互相连接起来构成一个封闭的轮廓。由于分水岭算法可以很好地分割图像中物体的轮廓，在本技术实施例中，通过采用分水岭算法对舌诊图像进行舌部轮廓检测，可以得到更加准
确的舌部轮廓分割线，进而提高了分割舌部区域的精准性。在本技术实施例中，将对如何采用分水岭算法对舌诊图像进行舌部分割作详细说明。
42.请参阅图2，图2是本技术实施例提供的一种舌部轮廓检测的示意性流程图，具体可以包括以下步骤s101至步骤s104。
43.步骤s101、对所述舌诊图像进行二值化处理，获得对应的二值化图像。
44.示例性的，可以先对舌诊图像进行灰度化，再对灰度化后的舌诊图像进行二值化处理，获得二值化图像。
45.需要说明的是，将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。在本实施例中，具体的灰度化过程，在此不作限定。二值化处理用于将图像中的大于灰度阈值的像素值设为最大值，将小于灰度阈值的像素值设为最小值。其中，二值化处理可以采用双峰法、p参数法、最大类间方差法、最大熵阈值法等等算法实现。
46.示例性的，可以采用最大熵阈值法对灰度化后的舌诊图像进行二值化处理，获得二值化图像。其中，具体的二值化处理过程，在此不做限定。
47.步骤s102、对所述二值化图像进行开运算，获得背景图像，以及对所述二值化图像进行距离变换，获得前景图像。
48.需要说明的是，开运算是指对区域先进行腐蚀操作，然后对腐蚀的结果再进行膨胀操作。开运算用于消除小的物体，平滑形状边界，并且不改变其面积。距离变换用于骨架提取、图像窄化；距离变换的结果是得到一张与输入图像类似的灰度图像，但是灰度值只出现在前景区域，并且越远离背景边缘的像素灰度值越大。其中，距离变换算法可以包括但不限于欧几里德距离、曼哈顿距离、象棋格距离等算法。
49.示例性的，可以对二值化图像进行腐蚀操作，再对腐蚀后的图像进行膨胀操作，将膨胀得到的图像确定为背景图像。通过对二值化图像进行开运算，可以消除二值化图像中的毛刺。
50.示例性的，可以采用欧几里德距离算法对二值化图像进行距离变换，获得前景图像。其中，距离变换的具体过程，在此不作限定。
51.步骤s103、提取所述背景图像与所述前景图像之间的重合区域图像，并根据所述背景图像、所述前景图像以及所述重合区域图像进行标记图像创建，获得标记图像。
52.示例性的，在提取背景图像与前景图像之间的重合区域图像时，可以将背景图像减去前景图像，得到背景图像与前景图像之间的重合区域图像。可理解的是，
53.示例性的，可以根据背景图像、前景图像以及重合区域图像进行标记图像创建，获得标记图像。例如，创建一张初始为黑色、宽高和舌诊图像一致的标记图像，获取背景图像、前景图像以及重合区域图像对应的相同位置的像素点的最大像素值；若最大像素值取自背景图像，则在标记图像中的相同位置标记为1，像素值置为0，若最大像素值取自重合区域图像，则在标记图像中的相同位置标记为0，像素值置为150；若最大像素值取自前景图像，则在标记图像中的相同位置标记为2，像素值置为255。
54.步骤s104、根据所述分水岭算法对所述标记图像进行舌部轮廓检测，获得所述舌部轮廓分割线。
55.示例性的，在根据背景图像、前景图像以及重合区域图像进行标记图像创建，获得标记图像之后，可以根据分水岭算法对标记图像进行舌部轮廓检测，获得舌部轮廓分割线。
例如，可以对标记图像执行分水岭算法，并在标记图像中显示舌部轮廓分割线。
56.通过根据分水岭算法对标记图像进行舌部轮廓检测，可以得到更加准确的舌部轮廓分割线，进而提高了分割舌部区域的精准性。
57.示例性的，在获得舌部轮廓分割线之后，可以根据舌部轮廓分割线对舌诊图像进行舌部区域分割，获得舌部区域图像和非舌部区域图像。例如，在标记图像中，将舌部轮廓分割线内部的区域，确定为舌部区域图像，将舌部轮廓分割线外部的区域，确定为非舌部区域图像。
58.步骤s20、基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像。
59.在本技术实施例中，可以采用小波变换算法对舌部区域图像进行多尺度分解，得到不同尺度下的低频信息和高频信息；然后对高频信息进行过滤，实现对舌部区域图像的压缩，同时还可以最大限度地保留舌部区域图像中的重要信息。
60.请参阅图3，图3是本技术实施例提供的一种对舌部区域图像进行过滤的示意性流程图，具体可以包括以下步骤s201至步骤s203。
61.步骤s201、根据预设的小波基和分解层次对所述舌部区域图像进行小波分解，获得每个分解层对应的低频信息与高频信息。
62.需要说明的是，在小波变换算法中，小波基可以包括但不限于haar小波、daubechies小波、symlet小波、biorthogonal小波、morlet小波、mexican hat小波、coiflet小波、meyer小波、battle-lemarie小波以及stromberg小波等等。分解层次可以根据实际情况设定，在此不作限定。例如，分解层次可以是1层、2层、3层，等等。在本技术实施例中，以小波基为haar小波基、分解层次为2层为例说明如何对舌诊图像进行过滤。
63.示例性的，根据haar小波基对舌部区域图像进行两层小波分解，获得第一分解层对应的低频信息与高频信息以及第二分解层对应的低频信息与高频信息。其中，第二分解层对应的低频信息与高频信息是由第一分解层中的低频信息进行小波分解得到。需要说明的是，低频信息用于存储图像的近似信息；高频信息用于存储图像的细节信息。其中，低频信息包括低频子图像；高频信息包括高频水平子图像、高频垂直子图像和高频对角子图像。
64.请参阅图4，图4是本技术实施例提供的一种小波分解的示意图。如图4所示，舌部区域图像表示为a，对舌部区域图像a进行小波分解，得到第一分解层；第一分解层中的低频子图像可以表示为a1，高频水平子图像表示为h1，高频垂直子图像表示为v1，高频对角子图像表示为c1。
65.请参阅图5，图5是本技术实施例提供的另一种小波分解的示意图。如图5所示，对第一分解层中的低频子图像a1进行小波分解，得到第二分解层；第二分解层中的低频子图像可以表示为a2，高频水平子图像表示为h2，高频垂直子图像表示为v2，高频对角子图像表示为c2。
66.通过根据预设的小波基和分解层次对舌部区域图像进行小波分解，可以获得每个分解层对应的低频子图像、高频水平子图像、高配垂直子图像以及高配对角子图像。
67.步骤s202、根据所述第一过滤阈值，依次对每个所述分解层对应的高频信息进行过滤处理，获得每个所述分解层对应的过滤处理后的高频信息。
68.需要说明的是，第一过滤阈值用于对高频信息进行过滤处理；其中，过滤阈值越
大，保留的信息越多，过滤阈值越小，保留的信息越少。在本技术实施例中，第一过滤阈值可以根据实际情况设定，具体数值在此不作限定。例如，当需要保留全部的高频信息时，可以将第一过滤阈值设置为1。又例如，当需要保留一半高频信息时，可以将第一过滤阈值设置为0.5。又例如，当不需要保留高频信息时，可以将第一过滤阈值设置为0。
69.示例性的，对于第一分解层中的高频水平子图像h1、高频垂直子图像v1、高频对角子图像c1，可以根据第一过滤阈值对高频水平子图像h1、高频垂直子图像v1、高频对角子图像c1进行过滤处理，获得高频水平子图像h11、高频垂直子图像v11、高频对角子图像c11。对于第二分解层中的高频水平子图像h2、高频垂直子图像v2、高频对角子图像c2，可以根据第一过滤阈值对高频水平子图像h2、高频垂直子图像v2、高频对角子图像c2进行过滤处理，获得高频水平子图像h21、高频垂直子图像v21、高频对角子图像c21。
70.通过根据第一过滤阈值，依次对每个分解层对应的高频信息进行过滤处理，获得每个分解层对应的过滤处理后的高频信息，可以实现对舌部区域图像进行压缩。
71.步骤s203、对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第一过滤图像。
72.在申请实施例中，在获得每个分解层对应的过滤处理后的高频信息之后，需要对每个分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得第一过滤图像。可以理解的是，小波重构相当于小波逆变换。
73.示例性的，对于上述的第一分解层和第二分解层，可以对第二分解层中的低频子图像a2、高频水平子图像h21、高频垂直子图像v21、高频对角子图像c21以及第一分解层中的高频水平子图像h11、高频垂直子图像v11、高频对角子图像c11进行小波重构，获得第一过滤图像。其中，小波重构的具体过程，在此不作限定。
74.通过对每个分解层对应的低频信息与过滤处理后的高频信息进行小波重构，可以获得第一过滤图像。
75.在本技术实施例中，除了可以直接对每个分解层对应的低频信息与过滤处理后的高频信息进行小波重构，还可以根据分解层中的低频子图像的分辨率判断该分解层中的高频信息是否需要参与小波重构。在分解层中的低频子图像的分辨率满足预设条件的情况下，该分解层中的高频信息可以全部过滤掉，从而可以提高舌部区域图像的压缩率。
76.在一些实施例中，对每个分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得第一过滤图像，可以包括：确定每个分解层对应的低频子图像对应的分辨率；将分辨率大于预设的分辨率阈值的低频子图像对应的分解层，确定为目标分解层；对目标分解层之前的各分解层对应的低频信息与过滤处理后的高频信息以及目标分解层对应的低频信息进行小波重构，获得第一过滤图像。
77.示例性的，在确定每个分解层对应的低频子图像对应的分辨率时，可以根据低频子图像的像素点个数确定分辨率。需要说明的是，图像的分辨率是指单位英寸中所包含的像素点数。
78.示例性的，可以将分辨率大于预设的分辨率阈值的低频子图像对应的分解层，确定为目标分解层。其中，预设的分辨率阈值可以根据实际情况设定，具体数值在此不作限定。例如，当第二分解层中的低频子图像对应的分辨率大于分辨率阈值时，将第二分解层确定为目标分解层。又例如，当第三分解层中的低频子图像对应的分辨率大于分辨率阈值时，
将第三分解层确定为目标分解层。
79.示例性的，可以对目标分解层之前的各分解层对应的低频信息与过滤处理后的高频信息以及目标分解层对应的低频信息进行小波重构，获得第一过滤图像。
80.例如，对于第一分解层中的低频子图像a1、高频水平子图像h11、高频垂直子图像v11、高频对角子图像c11，第二分解层中的低频子图像a2、高频水平子图像h21、高频垂直子图像v21、高频对角子图像c21；当目标分解层是第二分解层时，目标分解层之前的分解层为第一分解层；可以对第二分解层中的低频子图像a2以及第一分解层中的高频水平子图像h11、高频垂直子图像v11、高频对角子图像c11进行小波重构，得到第一过滤图像。
81.又例如，对于第一分解层中的低频子图像a1、高频水平子图像h11、高频垂直子图像v11、高频对角子图像c11，第二分解层中的低频子图像a2、高频水平子图像h21、高频垂直子图像v21、高频对角子图像c21，第三分解层中的低频子图像a3、高频水平子图像h31、高频垂直子图像v31、高频对角子图像c31；当目标分解层是第三分解层时，目标分解层之前的分解层为第一分解层和第二分解层；可以对第三分解层中的低频子图像a3、第二分解层中的高频水平子图像h21、高频垂直子图像v21、高频对角子图像c21以及第一分解层中的高频水平子图像h11、高频垂直子图像v11、高频对角子图像c11进行小波重构，得到第一过滤图像。
82.通过将分辨率大于预设的分辨率阈值的低频子图像对应的分解层，确定为目标分解层，并对目标分解层之前的各分解层对应的低频信息与过滤处理后的高频信息以及目标分解层对应的低频信息进行小波重构，实现将目标分解层中的高频信息可以全部过滤掉，可以提高舌部区域图像的压缩率。
83.步骤s30、基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值。
84.需要说明的是，在本技术实施例中，通过设置第一过滤阈值大于第二过滤阈值，可以实现对舌部区域采用较小的损失比例以及对非舌部区域采用较大的损失比例进行过滤，在确保舌诊图像具有高压缩率的同时，可以有效避免损失舌诊图像中的重要信息。
85.在一些实施例中，基于预设的第二过滤阈值，对非舌部区域图像中的高频信息进行过滤，获得非舌部区域图像对应的第二过滤图像，可以包括：根据预设的小波基和分解层次对非舌部区域图像进行小波分解，获得每个分解层对应的低频信息与高频信息；根据第二过滤阈值，依次对每个分解层对应的高频信息进行过滤处理，获得每个分解层对应的过滤处理后的高频信息；对每个分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得第二过滤图像。
86.需要说明的是，对非舌部区域图像中的高频信息进行过滤的具体过程与对舌部区域图像中的高频信息进行过程的具体过程相似，详细可以参见上述实施例的详细说明，具体过程在此不作赘述。
87.通过基于第二过滤阈值对非舌部区域图像中的高频信息进行过滤，可以实现对非舌部区域图像采用较大的损失比例进行过滤，将非舌部区域图像中的大部分不重要信息过滤掉，确保舌诊图像具有高压缩率。
88.步骤s40、将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。
89.在本技术实施例中，在获得第一过滤图像与第二过滤图像之后，需要将第一过滤图像与第二过滤图像进行融合处理，获得舌诊压缩图像。
90.通过将第一过滤图像与第二过滤图像进行融合处理，可以获得压缩后的舌诊压缩图像。
91.在一些实施例中，将第一过滤图像与第二过滤图像进行融合处理，获得舌诊压缩图像，可以包括：将第一过滤图像中的像素点分别与第二过滤图像中的相同位置的像素点进行像素值对比，将相同位置的像素值较大的像素点确定为目标像素点；将目标像素点添加至空白图像中，获得舌诊压缩图像。
92.示例性的，对于第一行第一列中的像素点，若第一过滤图像中相应的像素点的像素值为100，第二过滤图像中相应的像素点的像素值为150，则可以将第二过滤图像中相应的像素点确定为目标像素点。对于第一行第二列中的像素点，若第一过滤图像中相应的像素点的像素值为120，第二过滤图像中相应的像素点的像素值为90，则可以将第一过滤图像中相应的像素点确定为目标像素点。依次类推，将得到的全部目标像素点添加至空白图像中的相应位置，获得舌诊压缩图像。
93.需要说明的是，在过滤图像中，像素值较小的像素点为背景，像素值较大的像素点为前景，如像素值0表示黑色，像素值255表示白色；通过将相同位置的像素较大的像素点确定为目标像素点，可以保留有效的图像信息。
94.通过将第一过滤图像中的像素点分别与第二过滤图像中的相同位置的像素点进行像素值对比，将相同位置的像素值较大的像素点确定为目标像素点，可以实现在图像融合过程中保留舌诊图像中的有效的图像信息。
95.上述实施例提供的图像压缩方法，通过对待压缩的舌诊图像进行舌部分割，可以获得包含重要信息的舌部区域图像和包含非重要信息的非舌部区域图像，后续可以针对舌部区域和非舌部区域采用不同的损失比例进行过滤，可以有效避免损失舌诊图像中的重要信息；通过采用分水岭算法对舌诊图像进行舌部轮廓检测，可以得到更加准确的舌部轮廓分割线，进而提高了分割舌部区域的精准性；通过根据第一过滤阈值，依次对每个分解层对应的高频信息进行过滤处理，获得每个分解层对应的过滤处理后的高频信息，可以实现对舌部区域图像进行压缩；通过将分辨率大于预设的分辨率阈值的低频子图像对应的分解层，确定为目标分解层，并对目标分解层之前的各分解层对应的低频信息与过滤处理后的高频信息以及目标分解层对应的低频信息进行小波重构，实现将目标分解层中的高频信息可以全部过滤掉，可以提高舌部区域图像的压缩率；通过基于第二过滤阈值对非舌部区域图像中的高频信息进行过滤，可以实现对非舌部区域图像采用较大的损失比例进行过滤，将非舌部区域图像中的大部分不重要信息过滤掉，确保舌诊图像具有高压缩率；通过将第一过滤图像与第二过滤图像进行融合处理，可以获得压缩后的舌诊压缩图像；通过将第一过滤图像中的像素点分别与第二过滤图像中的相同位置的像素点进行像素值对比，将相同位置的像素值较大的像素点确定为目标像素点，可以实现在图像融合过程中保留舌诊图像中的有效的图像信息。
96.请参阅图6，图6是本技术的实施例还提供一种图像压缩装置1000的示意性框图，该图像压缩装置用于执行前述的图像压缩方法。其中，该图像压缩装置可以配置于服务器或终端中。
97.如图6所示，该图像压缩装置1000，包括：舌部分割模块1001、第一过滤模块1002、第二过滤模块1003和融合处理模块1004。
98.舌部分割模块1001，用于对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像。
99.第一过滤模块1002，用于基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像。
100.第二过滤模块1003，用于基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值。
101.融合处理模块1004，用于将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。
102.需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
103.上述的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。
104.请参阅图7，图7是本技术实施例提供的一种计算机设备的结构示意性框图。
105.请参阅图7，该计算机设备包括通过系统总线连接的处理器和存储器，其中，存储器可以包括存储介质和内存储器。其中，存储介质可以是非易失性存储介质，也可以是易失性存储介质。
106.处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
107.内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种图像压缩方法。
108.应当理解的是，处理器可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
109.其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
110.对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像；基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值；将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。
111.在一个实施例中，所述处理器在实现对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像时，用于实现：
112.基于分水岭算法，对所述舌诊图像进行舌部轮廓检测，获得所述舌诊图像对应的
舌部轮廓分割线；根据所述舌部轮廓分割线对所述舌诊图像进行舌部区域分割，获得所述舌部区域图像和所述非舌部区域图像。
113.在一个实施例中，所述处理器在实现基于分水岭算法，对所述舌诊图像进行舌部轮廓检测，获得所述舌诊图像对应的舌部轮廓分割线时，用于实现：
114.对所述舌诊图像进行二值化处理，获得对应的二值化图像；对所述二值化图像进行开运算，获得背景图像，以及对所述二值化图像进行距离变换，获得前景图像；提取所述背景图像与所述前景图像之间的重合区域图像，并根据所述背景图像、所述前景图像以及所述重合区域图像进行标记图像创建，获得标记图像；根据所述分水岭算法对所述标记图像进行舌部轮廓检测，获得所述舌部轮廓分割线。
115.在一个实施例中，所述处理器在实现基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像时，还用于实现：
116.根据预设的小波基和分解层次对所述舌部区域图像进行小波分解，获得每个分解层对应的低频信息与高频信息；根据所述第一过滤阈值，依次对每个所述分解层对应的高频信息进行过滤处理，获得每个所述分解层对应的过滤处理后的高频信息；对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第一过滤图像。
117.在一个实施例中，所述低频信息包括低频子图像；所述处理器在实现对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第一过滤图像时，用于实现：
118.确定每个所述分解层对应的低频子图像对应的分辨率；将分辨率大于预设的分辨率阈值的低频子图像对应的分解层，确定为目标分解层；对所述目标分解层之前的各分解层对应的低频信息与过滤处理后的高频信息以及所述目标分解层对应的低频信息进行小波重构，获得所述第一过滤图像。
119.在一个实施例中，所述处理器在实现基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像时，用于实现：
120.根据预设的小波基和分解层次对所述非舌部区域图像进行小波分解，获得每个分解层对应的低频信息与高频信息；根据所述第二过滤阈值，依次对每个所述分解层对应的高频信息进行过滤处理，获得每个所述分解层对应的过滤处理后的高频信息；对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第二过滤图像。
121.在一个实施例中，所述处理器在实现将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像时，用于实现：
122.将所述第一过滤图像中的像素点分别与所述第二过滤图像中的相同位置的像素点进行像素值对比，将相同位置的像素值较大的像素点确定为目标像素点；将所述目标像素点添加至空白图像中，获得所述舌诊压缩图像。
123.本技术的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本技术实施例提供的任一项图像压缩方法。
124.例如，该程序被处理器加载，可以执行如下步骤：
125.对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；基于
预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像；基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值；将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。
126.其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字卡(secure digital card，sd card)，闪存卡(flash card)等。
127.进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
128.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
129.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种图像压缩方法，其特征在于，包括：对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像；基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值；将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。2.根据权利要求1所述的图像压缩方法，其特征在于，所述对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像，包括：基于分水岭算法，对所述舌诊图像进行舌部轮廓检测，获得所述舌诊图像对应的舌部轮廓分割线；根据所述舌部轮廓分割线对所述舌诊图像进行舌部区域分割，获得所述舌部区域图像和所述非舌部区域图像。3.根据权利要求2所述的图像压缩方法，其特征在于，所述基于分水岭算法，对所述舌诊图像进行舌部轮廓检测，获得所述舌诊图像对应的舌部轮廓分割线，包括：对所述舌诊图像进行二值化处理，获得对应的二值化图像；对所述二值化图像进行开运算，获得背景图像，以及对所述二值化图像进行距离变换，获得前景图像；提取所述背景图像与所述前景图像之间的重合区域图像，并根据所述背景图像、所述前景图像以及所述重合区域图像进行标记图像创建，获得标记图像；根据所述分水岭算法对所述标记图像进行舌部轮廓检测，获得所述舌部轮廓分割线。4.根据权利要求1所述的图像压缩方法，其特征在于，所述基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像，包括：根据预设的小波基和分解层次对所述舌部区域图像进行小波分解，获得每个分解层对应的低频信息与高频信息；根据所述第一过滤阈值，依次对每个所述分解层对应的高频信息进行过滤处理，获得每个所述分解层对应的过滤处理后的高频信息；对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第一过滤图像。5.根据权利要求4所述的图像压缩方法，其特征在于，所述低频信息包括低频子图像；所述对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第一过滤图像，包括：确定每个所述分解层对应的低频子图像对应的分辨率；将分辨率大于预设的分辨率阈值的低频子图像对应的分解层，确定为目标分解层；对所述目标分解层之前的各分解层对应的低频信息与过滤处理后的高频信息以及所述目标分解层对应的低频信息进行小波重构，获得所述第一过滤图像。6.根据权利要求1所述的图像压缩方法，其特征在于，所述基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤
图像，包括：根据预设的小波基和分解层次对所述非舌部区域图像进行小波分解，获得每个分解层对应的低频信息与高频信息；根据所述第二过滤阈值，依次对每个所述分解层对应的高频信息进行过滤处理，获得每个所述分解层对应的过滤处理后的高频信息；对每个所述分解层对应的低频信息与过滤处理后的高频信息进行小波重构，获得所述第二过滤图像。7.根据权利要求1所述的图像压缩方法，其特征在于，所述将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像，包括：将所述第一过滤图像中的像素点分别与所述第二过滤图像中的相同位置的像素点进行像素值对比，将相同位置的像素值较大的像素点确定为目标像素点；将所述目标像素点添加至空白图像中，获得所述舌诊压缩图像。8.一种图像压缩装置，其特征在于，包括：舌部分割模块，用于对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；第一过滤模块，用于基于预设的第一过滤阈值，对所述舌部区域图像中的高频信息进行过滤，获得所述舌部区域图像对应的第一过滤图像；第二过滤模块，用于基于预设的第二过滤阈值，对所述非舌部区域图像中的高频信息进行过滤，获得所述非舌部区域图像对应的第二过滤图像，所述第一过滤阈值大于所述第二过滤阈值；融合处理模块，用于将所述第一过滤图像与所述第二过滤图像进行融合处理，获得舌诊压缩图像。9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7任一项所述的图像压缩方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7任一项所述的图像压缩方法。

技术总结
本申请涉及图像处理领域，可以实现在确保舌诊图像具有高压缩率的同时，对舌部区域和非舌部区域采用不同的损失比例进行过滤，可以有效避免损失舌诊图像中的重要信息。涉及一种图像压缩方法、装置、计算机设备和存储介质，该方法包括：对待压缩的舌诊图像进行舌部分割，获得舌部区域图像和非舌部区域图像；基于预设的第一过滤阈值，对舌部区域图像中的高频信息进行过滤，获得舌部区域图像对应的第一过滤图像；基于预设的第二过滤阈值，对非舌部区域图像中的高频信息进行过滤，获得非舌部区域图像对应的第二过滤图像；将第一过滤图像与第二过滤图像进行融合处理，获得舌诊压缩图像。此外，本申请还涉及区块链技术，舌诊压缩图像可存储于区块链中。于区块链中。于区块链中。


技术研发人员：张雪
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.05.10
技术公布日：2023/7/27