图像与视频编码.ppt

课程内容 图像压缩的基本概念 图像压缩算法 图像压缩编码标准 为什么需要压缩？ 举例1：一张A4(210mm×297mm) 大小的照片，若用中等分辨率(300dpi)的扫描仪按真彩色扫描，其数据量为多少？（注：dpi表示每英寸像素，1英寸＝25.4mm） 若按每像素3个字节计算，上述结果为约26M 举例2：目前的WWW包含大量的图像信息，如果图像信息的数据量太大，会使本来就已经非常紧张的网络带宽变得更加不堪重负（WWW变成了World Wide Wait） 视频数据量： 对于电视画面的分辨率640*480的彩色图像，每秒30帧，则一秒钟的数据量为：640*480*24*30=221.12M 实时传输：在10M带宽网上实时传输的话，需要压缩到原来数据量的0.045 存储： 1张CD可存640M，如果不进行压缩，1张CD则仅可以存放2.89秒的数据 可见，单纯依靠增加存储器容量和改善信道带宽无法满足需求，必须进行压缩 数据冗余 设：n1和n2是指原始图像和编码后图像每个像素的平均比特数 压缩率（压缩比）——用于描述图像压缩效果 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=(n1-n2)/n2 编码冗余 如果一个图像的灰度级编码，使用了多于实际需要的编码符号，就称该图像包含了编码冗余 例：如果用8位表示下面图像的像素，我们就说该图像存在着编码冗余，因为该图像的像素只有两个灰度，用一位即可表示。 像素冗余 由于任何给定的像素值，原理上都可以通过它的相邻像素预测到，单个像素携带的信息相对是小的。对于一个图像，很多单个像素对视觉的贡献是冗余的。这是建立在对邻值预测的基础上。 例：原图像数据：234 223 231 238 235 压缩后数据：234 11 -8 -7 3，我们可以对一些接近于零的像素不进行存储，从而减小了数据量 视觉信息冗余 一些信息在一般视觉处理中比其它信息的相对重要程度要小，这种信息就被称为视觉心理冗余。 保真度标准——评价压缩算法的标准 客观保真度标准：图像压缩过程对图像信息的损失能够表示为原始图像与压缩并解压缩后图像的函数。 一般表示为输出和输入之差： 两个图像之间的总误差： 均方根误差： 主观保真度标准：通过视觉比较两个图像，给出一个定性的评价，如很粗、粗、稍粗、相同、稍好、较好、很好等，可以对所有人的感觉评分计算平均感觉分来衡量 图像传输模型 信源编码：完成原数据的压缩。 信道编码：为了抗干扰，增加一些容错、校验位、版权保护，实际上是增加冗余。 信道：如Internet、广播、通讯、可移动介质。 图像压缩的分类 行程编码（RLE） 行程：具有相同灰度值的像素序列 编码思想： 将一行中颜色值相同的相邻象素（行程）用一个计数值（行程的长度）和该颜色值（行程的灰度）来代替，从而去除像素冗余。 行程编码（RLE） 对于有大面积色块的图像，压缩效果很好 对于纷杂的图像，压缩效果不好，最坏情况下（图像中每两个相邻点的颜色都不同 ），会使数据量加倍，所以现在单纯采用行程编码的压缩算法用得并不多，PCX文件算是其中之一 二维行程编码 二维行程编码要解决的核心问题是：将二维排列的像素，采用某种方式转化成一维排列的方式。之后按照一维行程编码方式进行编码 两种典型的二维行程编码的排列方式 二维行程编码 数据量：64*8=512(bit) 二维行程编码 LZW编码 LZW是一种比较复杂的压缩算法，压缩效率较高 基本原理： 每一个第一次出现的字符串用一个数值来编码，再将这个数值还原为字符串。 例如：用数值0x100代替字符串“abccddeee”，每当出现该字符串时，都用0x100代替，从而起到了压缩作用。 数值与字符串的对应关系在压缩过程中动态生成并隐含在压缩数据中，在解压缩时逐步得到恢复。 LZW是无损的。GIF和Tiff图像都采用了这种压缩算法。 LZW算法由Unisys公司在美国申请了专利，以前要使用它首先要获得该公司的认可 哈夫曼编码 哈夫曼(Huffman)编码是一种常用的压缩编码方法，是Huffman于1952年为压缩文本文件建立的。 基本思想 通过减少编码冗余来达到压缩的目的。 统计符号的出现概率，建立一个概率统计表 将最常出现(概率大的)的符号用最短的编码， 最少出现的符号用最长的编码。 例子：建立概率统计表和编码树 例子的编码过程(思考编码是否唯一)： 解码过程 哈夫曼编码过程 (1)? 首先统计出每个符号出现的频率，比如上例中a1到a6的出现频率分别为0.1、0.4、0.06、0.1、0.04、0.3。 (2) 从左到右把上述频率按从小到大的顺序排列。 (3) 每一次选出最小的两个值，作为