前言

近年来，机器视觉行业的新一代CMOS传感器的兴起，以高帧率提供高分辨率图像。然而，更高的分辨率和帧率意味着传感器输出的数据量急剧增加。因此，图像数据的压缩变得至关重要，以确保主机能够高效处理这些数据，同时保持图像质量和处理效果不受影响。

机器视觉系统为何离不开图像压缩方案？

· 数据量过大积压存储成本

高分辨率相机（如4K/8K）或高速连续拍摄产生的数据量极大。例如，一个未压缩的1080P视频（30fps）每小时可占用约300GB的存储空间。通过压缩可将数据量减少至1/10甚至更低，显著降低存储硬件成本，延长数据保留周期。

· 实时传输的带宽限制

工业检测或自动驾驶需实时传输图像至云端/边缘服务器处理，但网络带宽有限。压缩减少传输数据量，避免网络拥塞。例如，H.264可将视频码率从200Mbps压缩至10Mbps，适应低带宽环境。

· 图像质量与信息保留的权衡

有损压缩（如JPEG）能够大大提高图像压缩比率，但是压缩率提升是以可能丢失关键细节（如微小缺陷、纹理特征）为代价的，影响检测精度。ROI（感兴趣区域）压缩：可以对关键区域（如工业零件缺陷区域）采用无损压缩，背景区域使用有损压缩，保留关键信息同时，最大可能提高压缩率。自适应压缩：结合AI预测重要区域（如自动驾驶中的行人检测区域），动态调整压缩率。

典型应用场景压缩方案选择

图1 友思特压缩方案适用的应用场景

友思特压缩解决方案

方案1：Quality+压缩方案 - 1:20+压缩比高质量压缩

Quality+（Q+）实时压缩彩色滤镜阵列（CFA - 例如，拜耳）、Mono、RGB图像和视频。

图2 Quality+ 实时压缩方案原理

Q+算法彻底改变了传统图像压缩算法，在保持原始图像质量的同时，为高带宽图像流实现了高达 1：20+ 甚至更高的压缩比。

与会降低图像保真度的传统压缩方法不同，Quality+通过保持原始信噪比（SNR）来保持图像质量，同时智能优化压缩，Quality+将图像中的无效噪声替换为压缩高效的噪声，从而在不牺牲关键细节的情况下提高压缩效率。

图3 Quality+ 实时压缩方案效果

Quality+算法支持动态训练允许系统根据特定视频流特征自适应优化压缩参数，确保针对不同应用场景（如半导体检测、高速运动捕捉）实现压缩效率最大化。Quality+运行于HawkEye系列FPGA图像采集卡，彻底释放 CPU/GPU负载算力压力，支持千兆像素/秒级吞吐量，实现无瓶颈压缩处理。

图4 Quality+ 动态训练与自适应优化压缩参数

*通过调整GOP的值，实现图像质量与压缩比例之间的平衡

Quality+具有最小的延迟和帧延迟下的处理，可确保实时响应能力，使其成为录制和流媒体应用程序的理想解决方案。

方案优势

保持图像质量：通过用压缩效率高的噪声替代原噪声，保持图像信噪比并提升压缩效果；实时训练优化：针对不同应用场景的视频优化压缩方式（如上图中通过training按钮实现实时训练）；压缩速度＞Giga Pixels/sec：在图像采集卡的FPGA上实现无限的CPU卸载编码速度；最小延迟＜一帧图像传输时间，确保实时响应；Quality+ IP：GIL 图像处理流程的一部分。

方案2：无损压缩方案

图5 无损压缩方案原理

通过在FPGA上实现的无损压缩IP，可对彩色滤光片阵列（CFA – 例如拜耳）、Mono和RGB图像和视频执行实时压缩。在下面 FPGA 资源上，在实际视频应用中实现了接近1:3的无损压缩比。

并且根据不同压缩方式，得到的压缩效果也有差异，主要有两种压缩模式：压缩单个图像帧；使用I帧和P帧对整个视频实现更高压缩比。

同时，压缩可以通过基于样本图像数据的预训练或基于实时数据的动态训练来优化。

方案3：实时JPEG压缩方案

实时JPEG图像压缩IP可在FPGA上实现高性能JPEG压缩。压缩IP具有快速处理能力、低延迟和紧凑的芯片利用率。由于其紧凑性，该压缩IP可以在小型FPGA器件上实现，以实现高性能的相机图像流压缩，或者，该IP可以在单个较大的FPGA器件上多次部署。

JPEG压缩IP的输入流为YCbCr格式，带有RGB、Mono等可选的转换器。用户可以调整图像压缩程度，从而在存储大小和图像质量之间进行选择性权衡。下表显示了使用4：2：2编码（540 MPixels/s和 1.84 GPixels/s）的压缩性能示例。最终延迟仅有130us。

图7 实时JPEG压缩方案原理

** JPEG压缩IP支持压缩比例动态调整，实现存储大小和图像质量之间进行选择性权衡