本发明涉及图像处理技术领域，公开了一种基于字典学习的分块自适应纸箱图像压缩方法，该方法是使用学习字典、图像分割、边缘检测、自适应设定误差、二次优化稀疏系数矩阵进行编码压缩；通过使用K‑SVD算法对纸箱图像样本集训练出离线字典，将图像分块后利用改进的Canny边缘检测得到轮廓面积，确定图像块的结构复杂度后分块自适应设定稀疏表示模型的误差，同时采用OMP算法在原始误差下计算出图像块初始稀疏系数矩阵，然后根据自适应误差二次优化稀疏系数矩阵，最后提取稀疏系数矩阵的非零值及其索引，进行编码压缩，本设计可以完成图像数据稀疏和重构，减少图像数据所占的计算机存储资源，降低存储成本。