我们都说无损压缩吧，保留点阵数据。
此法压缩的数据已经接近BMP格式的图片大小，我的机器花费大约1秒处理200*200的图片，比未压缩的字符的压缩比率为50%。具体图片比较黑暗则压缩更好。
引用：
未压缩文本：295k
压缩文本：143k
高阶压缩：127k
BMP图片(200*200一样的图片)：117k
压缩结果类似：
引用：
200,200='c,'c,'c,'c,'c,Eg,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'
c,'c,Eg,Eg,Eg,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,R9,R9,
R9,R9,0i,0i,0i,0i,0i,0i,0i,0i,0i,0i,0i,0i,Eg,Q9,){,)c,0i,Eg,Eg,0i,0i,0i,R9,R9,R9,R9,)c,/E,'c,0i,R9,0i,R9,R9,R9,R9,R9,R9,0i,)c,)c,R9,R9,R9,R9,R9,R9,R9,R9,R9,R9,EE
我这里的思维是用自定义的进制来处理数字压缩的问题。
原理：按字符来算，一个数字用2进制是最长的，用十进制则更短，用16进制更短，那用尽量大的进制则字符越少。
进阶压缩算法：选择起始点算法，分段压缩，邻近同样字符用范围数表示。
先说一下本次的算法：
//program by lulu
//www.china6u6.com
import flash.display.BitmapData;
//自定义宽和高
var max_w:Number = 200;
var max_h:Number = 200;
var myBitmap:BitmapData = new BitmapData(max_w, max_h, true, 0x000000);
myBitmap.draw(_root);
view_mc.attachBitmap(myBitmap, 10);
//是否压缩
//我的测试数据：
//true:1382 ms
//false:364 ms
var is_compress:Boolean = true;
//
//定义进制字符,在这里差不多把所有的字符用上了，用的越多压缩越好，不过选择ffffff所达到的字符数最好
//这里对于图片加密也有很大的帮助！
var code:String = "0123456789qwertyuiop[]asdfghjkl;zxcvbnm./QWERTYUIOP{}|ASDFGHJKL:ZXCVBNM<>?~!@#$%^&*()_+'";
var code_array:Array = code.split("");
//多少个字符就是多少进制了
var byte:Number = code.length;
function getcode(i:Number):String {
//取整求余法
var return_code:String = "";
while ((i=Math.ceil(i/byte))>byte) {
return_code += code_array[i%byte];
}
return_code += code_array[i];
return return_code;
}
//
//记录的数组
var p_array:Array = new Array();
var timer:Number = getTimer();
function save2array():Void {
for (var i:Number = 0; i<max_w; i++) {
p_array[i] = new Array();
for (var j:Number = 0; j<max_h; j++) {
//这里不加判断的话，速度可以提高些
if (is_compress) {
p_array[i].push(getcode(myBitmap.getPixel(i+1, j+1)));
} else {
p_array[i].push(myBitmap.getPixel(i+1, j+1));
}
}
}
}
save2array();
trace("转换时间: "+(getTimer()-timer)+" ms");
//分隔符要用那些没有做在进制字符的
var my_data:String = max_w+","+max_h+"=";
//trace(my_data);
my_data += p_array.join(",");
trace("字符长度："+my_data.length);
//字符长度
//我的测试数据：
//false:302419
//true:147174
//trace(my_data);
执行时间不多，对于程序的有效行比较好。
大家可以看一下代码的执行效果
进阶压缩的原理：
引用：
'c,'c,'c,'c,'c,Eg,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,Eg,
Eg,Eg,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,'c,
看到上面的数据了，对于重复的点，可以考虑这样处理：
引用：
'c(5),Eg,'c(10),Eg,Eg,Eg,'c(15),
这个算法需要再对数组处理，本人未写出，提高的压缩比率是客观的。
当然"()"需要在后期先处理，把"()"的多个字符先行恢复。
引用：
0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
对于上面字符，可以看出来，如果相片偏暗，以黑色为基点运算就好，相片偏亮，则适宜以白色为基点运算。
分段压缩的算法效率不大，毕竟现在已经是三个字符表示了，如果分区间，可以用两个字符表示颜色，但是还要用一个字符表示区间。
图片压缩方法
相邻的点的颜色一样，采用"(个数)"表示
如果颜色相差不大，差值为n，则在二维数组中进行比较，把某些点近似为该点，这样就有更多的个数了，字符数量就更加少。
