一种基于自适应四叉树分割与标准差优化的图像压缩方法

本发明公开了一种基于自适应四叉树分割与标准差优化的图像压缩方法，所述方法针对传统四叉树压缩算法中过分割、计算效率低及高压缩率下细节丢失的问题，提出了一种动态统计驱动的高效压缩方案。具体而言，本发明通过实时计算图像区域的RGB通道标准差，结合区域面积加权收益分析，自适应控制递归分割深度，有效平衡压缩率与重建质量；引入面积加权误差约束机制，优先终止大尺寸低方差区域的分割，显著减少冗余数据量；采用标准差驱动的优先级排序策略，对高复杂度子区域进行精细处理，并结合均值颜色填充实现快速近似，在保障峰值信噪比的同时优化算法效率。通过上述技术的协同作用，本发明在保留图像高频细节的前提下，大幅降低计算复杂度与存储需求，适用于实时图像传输、移动端处理及低带宽通信场景，为高精度、低延迟的压缩需求提供了可靠解决方案。