图像处理中的差分压缩与BLE-RLE混合编码技术

1. 项目背景与核心问题

在图像信号处理（ISP）流水线中，效果参数（如3A算法参数、色彩矩阵、降噪强度等）通常以查找表（LUT）形式存储。这些参数表往往存在以下特征：

• 相邻参数值变化平缓（如Gamma曲线、色调映射表）
• 部分区域存在重复序列（如平坦区域的固定值）
• 存储空间占用可达数百KB（尤其高精度LUT）

传统直接存储方式会浪费存储资源。我们团队在实际项目中发现，某型号ISP的AE参数表原始大小达218KB，但经过差分转换后，90%以上的差值在±3范围内。这为BLE（Byte-Level Encoding）和RLE（Run-Length Encoding）压缩提供了可能性。

2. 差分序列生成原理

2.1 差分转换算法

差分处理是压缩的前提步骤，核心操作如下：

python复制def generate_diff_sequence(original_data):
    diff_seq = []
    prev = original_data[0]
    diff_seq.append(prev)  # 保留第一个原始值
    for curr in original_data[1:]:
        diff = curr - prev
        diff_seq.append(diff)
        prev = curr
    return diff_seq

关键点说明：

1. 首值保留策略：第一个原始值必须保留，否则无法还原序列
2. 有符号差分：使用int8存储差值，支持[-127,127]范围
3. 边界处理：当差值超出127时，插入原始值作为同步点

2.2 差分效果验证

以某ISP的CCM（色彩校正矩阵）参数为例：

实测数据显示，差分转换后：

• 数值分布集中度提升83%（熵值从5.2降至3.1）
• 重复序列出现频率增加47%

3. BLE-RLE混合压缩实现