由于3CCD专业摄像机是采用三个传感器(3CCD)来分别获得图像的各像素点三个通道的颜色值，进而获得图像的全彩色图，因此3CCD专业像机成本昂贵，且制造困难。当前数码彩色相机普遍使用带有彩色滤光片阵列(CFA)的单个传感器来捕获图像，其中Bayer阵列应用最为广泛。随着Bayer格式图像数据量急剧增加，给信道带宽和数据存储容量带来很大的压力，图像压缩是目前解决这一问题最有效的方法。由于Bayer阵列每个像素只能获得一个通道的颜色信息，信息的缺失使得Bayer格式图像不适合直接压缩，因此需要通过图像变换过程将其变换成适合压缩的图像。
　　“结构变换”法是应用最广泛的图像变换算法，但低通滤波在去除因丢失像素导致的高频分量的同时也除去了图像边缘的高频，降低了重建图像质量。为了避免低通滤波模糊掉部分图像边缘，本文提出基于边缘增强的“结构变换”算法，在低通滤波算法之后利用Sobel边缘检测算子进行边缘增强，以减弱图像边缘处的失真，提高重建图像质量。
　　由于以前的Bayer格式图像压缩算法较少考虑时间冗余，本文将帧间压缩算法引入Bayer格式图像压缩技术中。在帧间压缩的运动补偿模块，本文提出了一种基于烟花算法的块匹配运动估计算法，跟传统的块匹配算法相比，平均搜索点数更少，精确度更高，表现出了非常优良的性能和很高的效率。
　　图像不同区域有着不同特性，细节和边缘丰富的区域需要更高的重建质量，本文提出基于区域的自适应图像变换算法。运动估计检测出的局部运动块往往有着丰富的边缘和细节，作为图像的感兴趣区域，采用本文提出的重建质量更佳的基于边缘增强的“结构变换”算法。非局部运动块则选择复杂度较低的“结构变换”算法。采用这个自适应模式可以兼顾速度和重构质量，最终实现Bayer格式图像的高效压缩。实验结果表明，本文所提方法比传统的“结构变换”等算法有着更高的压缩比和重建图像质量，尤其是在运动序列图像中压缩性能远超传统算法。