数字图像处理是指为了获得期望的结果,对数字图像进行处理和变换的技术。图像能够让信息的传输和表达更加的简单快捷。随着信息技术的不断发展,数字图像在新闻、医学、国防、制造业等各个领域都得到了广泛应用。对数字图像的无损压缩指能将压缩后的图像完全重构出原图像的操作。在许多应用领域,如图像归档、高精度图像分析、医学图像、艺术作品的保存、历史文档、遥感图像等都迫切需要高性能的无损压缩算法。因此,本文主要围绕基于预测的无损彩色图像压缩算法进行研究,提出两种不同结构的无损彩色图像压缩算法。本文主要通过以下几个方面展开研究:首先介绍图像压缩以及色彩空间的理论基础,研究几种经典的基于预测的无损压缩算法,分析经典预测算法的像素预测模型、算法编码结构以及各种算法的优缺点。然后提出一种改进的帧内预测模式选择算法。该算法充分利用了帧内预测算法根据图像纹理方向进行预测的特性,尽量减少最优预测模式的选择范围,提高算法的运行速度。最后的实验结果表明该算法相对H.264帧内预测算法预测速度有一定的提升,并且该算法的预测精度与H.264帧内预测算法接近。与Pan算法相比,虽然该算法的复杂度稍高,但是像素预测精度要优于Pan算法。接着提出一种基于帧内预测的无损彩色图像压缩算法。该算法选择在RGB色彩空间中进行简单的算术运算来降低R、B分量的纹理复杂度,并选择本文提出的改进的帧内预测模式选择算法作为像素预测算法。最后依据帧内预测算法的特性,使用方向梯度进行像素预测差值的修正。实验结果表明该算法相对JPEG-LS算法在图像压缩率上有一定的提升,但在算法复杂度上,仍然需要进一步优化。最后提出一种基于梯度预测的无损彩色图像压缩算法。该算法选择YCg Co作为图像压缩的彩色模型。对包含的图像细节信息较多的Y分量,该算法使用GAP梯度预测算法进行像素预测。对Cg、Co分量,由于包含的纹理信息较少,因此该算法使用简化的帧内预测算法进行预测,最后对预测像素的差值进行修正和编码。实验结果表明,该算法对图像的压缩性能要优于JPEG-LS算法,但是在算法复杂度上仍然高于JPEG-LS算法。