用人工智能压缩图像的尝试2

收集42亿个8×8像素图，对它们排序，让形状接近的图排在接近的位置。然后输入ANN1，它以8×8×3字节为输入，32比特为输出。再训练ANN2，它以32比特index为输入，8×8的pixels为输出。

总数据量为：(8×8×3+4)B×4G=784GB
相当于有一个2列42亿行的表，ANN1用pixels查询index，ANN2用index查询pixels。

编码时，输入为pixels
index=ANN1(pixels)
pixels2=ANN2(index)
Δp=pixels2-pixels
压缩Δp为P，并和4字节的index一起储存为图像文件。

解码时，取出index和P
pixels=ANN2(index)+解压缩(P)

预测Δp不太复杂，则P可以被压缩得很小。而index只有4字节，总的压缩率很好。

使用两个ANN实属迫不得已，如果可以用查表法解决，这需要记录784GB数据，并且运算量很大。使用两次ANN，目的是找出与输入的pixels最接近的那个记录pixels。

改进

4字节有42亿种变化，这或许太大了。取3字节有1600万种变化。更进一步，取2字节，只有65536种变化。

3字节方案：收集5×5、6×6或4×4像素图1600万个，如上述方法训练ANN。放弃Δp，直接用index存储。压缩率也好计算：5×5像素用3字节表示，压缩率=1/25。

2字节方案：收集4×4或3×3像素图65536个，训练ANN。若取2×2像素，则压缩率只有1/6，还不如jpg，没有竞争力啊。