图像压缩编码 数字图像处理.ppt

第6章 图像压缩编码 图像压缩编码 设：n1和n2是在两个表达相同信息的数据集中，所携带的单位信息量。 压缩率：——描述压缩算法性能 CR = n1 / n2 其中，n1是压缩前的数据量，n2是压缩后的数据量 相对数据冗余： RD = 1 – 1/CR 例：CR=20; RD = 19/20 8.信息理论 3、平均码字长 借助熵的概念可以定义量度任何特定码的性能的准则，即平均码字长度。 其中βi为灰度级di所对应的码字长度。 的单位也是比特/字符。 4、编码效率 编码符号是在字母集合A={a1,a2,a3,…am}中选取的。如果编码后形成一个新的等概率的无记忆信源，字母数为n，则它的最大熵应为logn比特/符号。因此这是一个极限值。如果H(d)/ =logn，则可以认为编码效率已经达到100%，如果H(d)/ logn，则可认为编码效率较低。 根据信息熵编码理论，可以证明在 ?H条件下，总可以设计出某种无失真编码方法。 若编码结果使 远大于H，表明这种编码效率很低，占用的比特数太多。 若编码结果使 等于或接近于H，这种状态的编码方法称为最佳编码。 若要求编码结果使 H，则必然丢失信息而引起图像失真。这就是在允许失真条件下的一些失真编码方法。 5、压缩比 压缩比是衡量数据压缩程度的指标之一。目前常用的压缩比定义为 其中LB为源代码长度，Ld为压缩后代码长度，Pr为压缩比。 压缩比的物理意义是被压缩掉的数据占据源数据的百分比。当压缩比Pr接近100%时压缩效果最理想。 6、互信息 信源编码输出为bk给出的关于ai的信息量究竟为多少呢？为此将引入另外一个信息量度－互信息 对给定的两个离散信源X和Y，Y中事件bk的发生给出关于X中事件ai的互信息I(ai:bk)定义为： 其中，p(ai|bk)表示信源编码输出为bk，估计信源输入为ai的条件概率。I(ai|bk)称为条件自信息量，表示在发现信源编码输出为bk，对信源输入为ai的不确定性的猜测或知道bk后ai还保留的信息量。I(ai)表示ai的不确定性。两者值差即为bk解除的ai不确定性的多少。 设一幅灰度级为K的图像，图像中第k级灰度出现的概率为pk，图像大小为M×N，每个像素用d比特表示，每两帧图像间隔△t 信息冗余度为： 每秒钟所需的传输比特数bps为： 压缩比r为： Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 哈夫曼编码效率 由于霍夫曼编码法需要多次排序，当很多时十分不便，为此费诺(Fano)和香农(Shannon)分别单独提出类似的方法，使编码更简单。具体编码方法如下： ①把 按概率由大到小、从上到下排成一列，然后把 分成两组 ， ，并使得 ②把两组分别按0，1赋值。 然后分组、赋值，不断反复，直到每组只有一种输入为止。将每个所赋的值依次排列起来就是费诺—香农编码。 以前面哈夫曼编码的例子进行香农－费诺编码 ： 4. 算术编码 从理论上分析，采用哈夫曼编码可以获得最佳信源字符编码效果; 实际应用中，由于信源字符出现的概率并非满足2的负幂次方，因此往往无法达到理论上的编码效率和信息压缩比; 以信源字符序列{x，y}为例 设字符序列{x，y}对应的概率为{1/3，2/3}，Nx和Ny分别表示字符x和y的最佳码长，则根据信息论有： 字符x、y的最佳码长分别为1.58bit和0.588bi; 这表明，要获得最佳编码效果，需要采用小数码字长度,这是不可能实现的; 即采用哈夫曼方法对{x，y}的码字分别为0和1，也就是两个符号信息的编码长度都为1。对于出现概率大的字符y并未能赋予较短的码字; 实际编码效果往往不能达到理论效率; 为提高编码效率，Elias等人提出了算术编码算法。 算术编码的特点 算术编码是信息保持型编码，它不像哈夫曼编码，无需为一个符号设定一个码字; 算术编码分为固定方式和自适应方式两种编码; 选择不同的编码方式，将直接影响到编码效率; 自适应算术编码的方式，无需先定义概率模型，适合于无法知道信源字符概率分布的情况; 当信源字符出现的概率比较接近时，算术编码效率高于哈夫曼编码的效率，在图像通信中常用它来取代哈夫曼编码; 实现算术编码算法的硬件比哈夫曼编码复杂。 编码原理 算术编码方法是将被编码的信源消息表示成0-1之间的一个间隔，