图像有损压缩应用与实例要点.pptVIP

图像有损压缩 目录 1.有损图像压缩基本知识介绍 所谓有损压缩是利用了人类对图像或声波中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息；虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响缩小，却换来了大得多的压缩比。有损压缩广泛应用于语音，图像和视频数据的压缩。 有损压缩编码不具有可恢复性和可逆性，该编码在压缩时舍弃冗余的数据。 例如：人眼较难分辨的颜色或人耳难以分辨的方向源信号，实际取决于初始信号的类型、信号的相关性以及语义等内容。这些被舍去的信息值是无法再找回的，所以还原后的数据与原始数据存在差异。 比如：我们对一幅图像的亮度的敏感度远比颜色的敏感度要强，所以我们可以对颜色进行压缩，进而达到存储，传输的要求。 2.图像有损压缩技术 2. 1常见有损压缩技术 预测编码 变换编码 基于模型编码 分形编码 2.1.1预测编码 预测编码是根据离散信号之间存在着一定关联性的特点，利用前面一个或多个信号预测下一个信号进行，然后对实际值和预测值的差（预测误差）进行编码。如果预测比较准确，误差就会很小。在同等精度要求的条件下，就可以用比较少的比特进行编码，达到压缩数据的目的。 预测编码中典型的压缩方法有脉冲编码调制（PCM Pulse Code Modulation）、差分脉冲编码调制（DPCM，Differential Pulse Code Modulation）、自适应差分脉冲编码调制（ADPCM，Adaptive Differential Pulse Code Modulation）等，它们较适合于声音、图像数据的压缩，因为这些数据由采样得到，相邻样值之间的差相差不会很大，可以用较少位来表示。 变换编码的原理 变换编码是指先对信号进行某种函数变换，从一种信号（空间）变换到另一种（空间），然后再对信号进行编码。如将时域信号变换到频域，因为声音、图像大部分信号都是低频信号，在频域中信号的能量较集中，再进行采样、编码，那么可以肯定能够压缩数据。 变换编码系统中压缩数据有变换、变换域采样和量化三个步骤。变换本身并不进行数据压缩，它只把信号映射到另一个域，使信号在变换域里容易进行压缩，变换后的样值更独立和有序。这样，量化操作通过比特分配可以有效地压缩数据。 在变换编码系统中，用于量化一组变换样值的比特总数是固定的，它总是小于对所有变换样值用固定长度均匀量化进行编码所需的总数，所以量化使数据得到压缩，是变换编码中不可缺少的一步。在对量化后的变换样值进行比特分配时，要考虑使整个量化失真最小。 变换编码是一种间接编码方法。它是将原始信号经过数学上的正交变换后，得到一系列的变换系数，再对这些系数进行量化、编码、传输。图3是变换编码系统方框图。 图中接收端输出信号与输入信号的误差是因为输入端采用量化器的量化误差所致。当经过正交变换后的协方差矩阵为一对角矩阵，且具有最小均方误差时，该变换称为最佳变换，也称Karhunen-Loeve变换（K-L变换）。如果变换后的协方差矩阵接近对角矩阵，该类变换称为准最佳变换，典型的有DCT（离散余弦变换）、DFT（离散傅立叶变换）、WHT等。 离散余弦变换（DCT） 离散余弦变换（Discrete Cosine Tranform，简称DCT）是一种与傅立叶变换紧密相关的数学运算。在傅立叶级数展开式中，如果被展开的函数式是偶函数，那么其傅立叶级数中只包含余弦项，再将其离散化可导出余弦变换，因此称之为离散余弦变换。时间域中信号需要许多数据点表示；在x轴表示时间，在y轴表示幅度。信号一旦用傅立叶变换转换到频率域，就只需要几点就可以表示这个相同的信号。如我们已经看到的那样，原因就是信号只含有少量的频率成分。这允许在频率域中只用几个数据点就可以表示信号，而在时间域中表示则需要大量数据点 这一技术可以应用到彩色图像上。彩色图像有像素组成，这些像素具有RGB彩色值。每个像素都带有x，y坐标，对每种原色使用8x8或者16x16矩阵。在灰度图像中像素具有灰度值，它的x，y坐标由灰色的幅度组成。为了在JPEG中压缩灰度图像，每个像素被翻译为亮度或灰度值。 为了压缩RGB彩色图像，这项工作必须进行三遍，因为JPEG分别得处理每个颜色成分，R成分第一个被压缩，然后是G成分，最后是B成分。而一个8x8矩阵的64个值，每个值都带有各自的x，y坐标，这样我们就有了一个像素的三维表示法，称作控件表达式或空间域。通过DCT变换，空间表达式就转化为频谱表达式或频率域。从而达到了数据压缩的目的。 DCT式目前最佳的图像变换，它有很多优点。DCT是正交变换，它可以将8x8图像空间表达式转换为频率域