第7章 多媒体数据压缩技术.pptVIP

7.1 多媒体数据压缩概述 7.1.1 多媒体数据压缩的必要性 ⑴ 原始采样的媒体数据量巨大 ⑵ 有效利用存储器存储容量 ⑶ 提高通信线路的传输效率 ⑷ 消除计算机系统处理视频I/O瓶颈 7.1.2 多媒体数据压缩的可能性 常见的图像数据冗余种类： ⑴ 空间冗余：静态图像中存在的最主要的一种数据冗余。 ⑵ 时间冗余：运动图像中经常包含的冗余。 ⑶ 结构冗余：在某些场景中，存在着明显的图像分布模式，称作结构。图像中重复出现或相近的纹理结构，结构可以通过特定的过程来生成。 ⑷ 知识冗余：这类规律性的结构可以由经验知识和背景知识得到。 ⑸ 视觉冗余：人眼对亮度变化敏感，对色度的变化相对不敏感；在高亮度区，人眼对亮度变化敏感度下降；对物体边缘敏感，内部区域相对不敏感；对整体结构敏感，而对内部细节相对不敏感。 ⑹ 图像区域的相同性冗余：图像中的两个或者多个区域所对应的所有像素值相同或者相近，从而产生数据重复性存储。 ⑺ 纹理的统计冗余：有些图像纹理尽管不严格服从某个分布规律，但是在统计意义上服从这种规律。利用这种性质可以减少表示图像的数据量，所以被称为纹理的统计冗余。 7.1.3 多媒体数据压缩的原理 1. 图像压缩系统的组成 由三部分组成：变换器、量化器和编码器。 2. 图像压缩说明 视频压缩与语音相比，语音的数据量较小，且基本压缩方法已经成熟，目前的数据压缩研究主要集中于图像和视频信号的压缩方面。 压缩处理过程有两个过程，编码过程是将原始数据经过编码进行压缩，以便存储与传输；解码过程是对编码数据进行解码，还原为可以使用的数据。 3. 与压缩相关的指标 衡量一种数据压缩技术的好坏有四个重要的指标： ⑴ 压缩比大：即压缩前后所需要的信息存储量之比要大。 ⑵ 算法简单：实现压缩的算法简单，压缩、解压速度快，尽可能地做到实时压缩解压。 ⑶ 恢复效果好：恢复效果好，要尽可能地恢复原始数据。 ⑷ 压缩能否用硬件实现。 7.1.4 数据压缩方法的分类 ⑴ 冗余压缩法 也称无损压缩法，是指使用压缩后的数据可以解压缩，且解压之后的数据与原来的数据完全相同。它利用数据的统计冗余进行压缩，可完全恢复原始数据而不引入任何失真，但压缩率受到数据统计冗余度的理论限制，一般为2:1到5:1。 ⑵ 熵压缩法 也称有损压缩法，有失真压缩，是指使用压缩后的数据进行解压缩，解压之后的数据与原来的数据有所不同，但不会让人对原始资料表达的信息造成误解。 ⑶ 熵压缩法与冗余压缩法的比较 在图像压缩系统组成中，变换和编码是无损耗的，而量化是有损耗的。无损压缩方法仅利用了统计冗余，而没有利用量化器。有损压缩方法既利用了统计冗余又采用了量化器，利用了心理视觉冗余。 根据压缩方法的原理，可将其具体划分为以下几种： ⑴ 量化与向量量化编码 ⑵ 预测编码 ⑶ 变换编码 ⑷ 信息熵编码 ⑸ 混合编码 7.2 数据压缩的技术基础 7.2.1 熵的概念 表示一条信息中真正需要编码的信息量，即数据压缩的理论极限。对于任何一种无损数据压缩，最终的数据量一定大于信息熵，数据量越接近于熵值，说明其压缩效果越好。 信息熵如何计算：在计算机内部是用二进制来表示数据的，现在要用 0 和 1 组成的二进制数码来为含有 n 个符号的某条信息编码，假设符号 Fn 在整条信息中重复出现的概率为 Pn，则该符号的熵En也即表示该符号所需的位数为： En = log2( 1/Pn )= - log2( Pn ) 整条信息的熵E也即表示整条信息所需的位数为：E = ∑En 7.2.2 数据压缩模型——主要有： 静态统计模型：预先扫描文件中的所有字符，统计出每个字符出现的概率。 自适应模型；在信息被输入之前对信息内容一无所知并假定每个字符的出现概率均等，随着字符不断被输入和编码，统计并纪录已经出现过的字符的概率并将这些概率应用于对后续字符的编码。 字典模型： 7.2.3 数据压缩编码 压缩 = 模型 + 编码 7.3 常用的无损数据压缩方法 7.3.1 香农-范诺与哈夫曼编码 1. 香农-范诺编码——算法步骤： ⑴ 将待编码的符号按符号出现概率从大到小进行排序。 ⑵ 将排好序的符号分成两组，使这两组符号概率和相等或尽可能的相近。 ⑶ 将第一组赋值为0，第二组赋值为1。 ⑷ 对每一组，只要不是一个符号，就重复步骤2的操作，否则操作完毕。 例7-1 有一串由6个字母组成的长度为50的字符串，字母分别A、B、C、D、E和F，其中A出现3次，B出现5次，C出现15次，D出现11次，E出现12次，F出现4次，请使用香农-范诺对其进行编码。 解题步骤： ⑴ 使用下表列出字母在字符串中的概率统计 ⑶ 然后对符号进行分组，将其分为概率和最接近的两组即为（C、E）和（D、B、F、A），其中（C、E）赋值为0，（D、B、F、