近几年来,二维码在货物买卖中承担着基础性作用,推动了货物交易的速度,获得效率上的优化。但是QRCode目前只用于对文本信息的存储,虽然QRCode能够存储文本信息,但是文本信息并没有图片信息形象、生动,比如库房、考勤系统的图像,用文字则不好表达。目前也缺乏相关QRcode对图像及文字说明的存储技术研究。因此,本文主要研究QR码对图像的直接存储,通过利用QRCode的高数据和高纠错能力,不依靠任何数据库,直接把图像及图像的文字说明存储到QRCode中,使得QRCode像一条纽带,把物品生命周期中各阶段发生的信息联接在一起,真正的提高工作效率。本文主要针对两种类型的图像,即:鉴别需求型图像和真彩需求型图像,分别采用不同的处理方式,并根据实际情况进行了优化研究。鉴别需求型图像是对图像进行线条提取的处理方式,该方式牺牲了图像的真彩性,适合指纹、人像等类型图像的处理;而真彩需求型图像则不适合牺牲其真彩性,利用保持图像真彩性的压缩技术,对图像进行压缩编码,在尽可能保持图像原始信息的基础上,压缩图像以满足二维码处理能力的要求。因此,本文主要对图像的线条提取和压缩编码两方面进行了算法的研究和优化,并根据实际情况开发出了相关的二维码apk,这样在手机安卓系统上实现了二维码图像存储的应用。针对本文算法实际的应用情况,主要在以下几个方面进行了具体的研究和优化:(1)对于本课题中涉及到的鉴别需求型图像,如人像,指纹图像等,可能图像中目标及周边的色调相对复杂,或者纹理线条很多、很复杂,传统的线条图像提取方法效果不够理想,针对传统方法提取线条图像遇到的问题,结合本文应用情况,提出将滤波修正和自商图像算法结合的方式来提取线条图像的算法优化方式。即:将带通滤波、低通滤波和自商图像算法相结合,通过修正参数的方法来对图像进行灰度特征的提取,提取到合适的灰度特征图像后再进行图像的二值化得到最终的线条图像。如此优化不仅可减轻光照对人脸图像的影响,而且可根据具体应用需求进行线条宽度调整,以适应各种复杂情况的出现。在满足压缩比的情况下,该方法可得到效果及优的线条图像。(2)对于真彩需求型图像所采用的压缩算法进行了优化。本文通过对编码单元模式划分复杂度过高问题的影响因素进行分析,提出基于深度学习的视频编码单元选择算法,该算法首先选择编码复杂度很高的块划分进行研究,主要针对超级块划分模式的选择进行了优化。提出应用深度学习中的全连接神经网络模型作为划分模型,输入特征向量为36个,输出是具体的块划分模式,训练方式选择离线训练。其次,为了进一步的简化模型结构同时提升分类器的性能,将对复杂度很高的四叉树递归划分方式进行优化,并根据具体的QP值和块大小来得到不同的结构,以便得到一个四层二分类模型。最后,通过对不同复杂视频图像应用简化版的四叉树进行测试,测试结果与原四叉树递归算法相比编码复杂度降低很多,编码复杂度平均降低比例高达77.84%,编码效率得到了很大的提升,也可以实现对静态图像压缩效率的改进。(3)根据实际情况进行了应用研究,首先,完成一般图片格式到Web P格式的转换,然后对Web P格式真彩型图像通过运用优化后的帧内预测算法进行压缩,将此算法封包、调用,实现对真彩需求型图像的二维码压缩编码;其次,通过对图像线条提取的算法优化,将优化后的算法程序进行封包、调用,实现对鉴别需求型图像的二维码压缩编码;最后,在安卓开发环境中,将压缩好的图像通过相关算法完成从图像到二维码的相互转化。优化各个组件,打包成apk,实现QRcode对不同类型图像的存储。最终通过开发出的二维码apk,实现在手机安卓系统上对二维码图像存储的应用。