Compression 超快2x有损音频/图像压缩算法？

我正在寻找一个音频或图像压缩算法，可以压缩16位样本洪流

• 相当可预测的数量（2-3倍）
• 在非常高的速度下（例如，每个样本最多60个周期：>100MB/s）
• 损失是可以接受的，但当然是不可取的

我的数据具有图像和音频的特征（二维，在两个维度上相关，在一个维度上类似音频），因此音频或图像的算法可能都是合适的

一个显而易见的尝试是这种一维算法：

• 将数据分成64个样本的段
• 测量这些样本之间的值范围（例如，一段中的样本可能在3101和9779之间，差值为6678）
• 使用2到4个额外字节对范围进行编码
• 将该段中的每个16位采样线性降采样到8位

例如，我可以将3101存储在16位中，并将缩放因子ceil（6678/256）=27存储在8位中，然后将每个16位样本转换为8位，作为

s8=（s16-base）/scale

，其中

base=3101+27>>1，scale=27

，使用明显的解压“算法”压缩比：128/67=1.91

我已经尝试了一些避免除法运算的方法，但是现在还没有人发明了一种超高速算法，可以比这个算法更好地保持保真度吗

注意：说FLAC在

-q6

时每秒压缩2200万个样本（44MB/s），这非常好（假设它的实现仍然是单线程的），如果对我的应用程序来说还不够的话。表示FLAC的性能（在3.4GHz i3-3240，-q5上为40MB/s）与其他3种编解码器类似，具体取决于质量级别。

请查看示例，了解如何梳理出相关性。最明显的过滤器是“sub”，它简单地减去连续的样本。差异应该更多地聚集在零附近。然后你可以通过一个快速的压缩机来运行它，比如。如果其他过滤器选择能够在其他维度的相关性中找到优势，那么它们可能会在零附近产生更好的聚类

对于有损压缩，您可以在压缩之前消除差异，降低一些低位，直到获得所需的压缩，并且仍然保留希望保留的数据的特征