第十五讲图像的编码和压缩资料.pptVIP

符号集 x1 x2 x3 x4 x5 x6 概率分布 0.40 0.20 0.12 0.11 0.09 0.08 Huffman编码 符号集 经排序的概率分布 第一次合并后排序 第二次合并后排序 第三次合并后排序 第四次合并后排序 第五次合并后排序 x1 0.40 0.40 0.40 0.40 0.60 1 x2 0.20 0.20 0.23 0.37 0.40 x3 0.12 0.17 0.20 0.23 x4 0.11 0.12 0.17 x5 0.09 0.11 x6 0.08 符号集 经排序的概率分布 第一次合并后排序 第二次合并后排序 第三次合并后排序 第四次合并后排序 第五次合并后排序 x1 0.40 0.40 0.40 0.40 0.60 1 x2 0.20 0.20 0.23 0.37 0.40 x3 0.12 0.17 0.20 0.23 x4 0.11 0.12 0.17 x5 0.09 0.11 x6 0.08 0 1 1 00 01 01 000 001 1 1 1 000 000 001 010 011 010 011 0010 0011 符号集 x1 x2 x3 x4 x5 x6 概率分布 0.40 0.20 0.12 0.11 0.09 0.08 Huffman编码 1 000 010 011 0010 0011 用二叉树方法实现Huffman编码方法也较为便利。 计算该信源的熵、编码后的平均码长，并思考对于同一图像采用Huffman编码，编码是否唯一？ ？ 0.23 0.4 x1 0.6 0.11 x4 1 0 1 0 0.37 0.20 x2 0.08 x6 0 .09 x5 0.17 1 0 1 0 1 0 0.12 x3 Steps of Huffman coding Source reduction principle: ordering the probabilities of the symbol in a descending order and combining the lowest probability symbols into a single symbol. Huffman coding The average length of this code is: Lavg = (0.4)(1) + (0.3)(2) + (0.1)(3) + (0.1)(4) + (0.06)(5) + (0.04)(5) = 2.2 bits/symbol The entropy of the source is: H(z) = -0.4log2(0.4)-0.3log2(0.3)-2×0.1log2(0.1)-0.06log2(0.06)-0.04log2(0.04) = 2.1435 Huffman code efficiency is: 香农编码(Shannon Coding) 编码方法： 1、将输入灰度级按出现的概率由大到小排列； 2、按 计算各概率对应的码长； 3、计算各灰度级对应的累加概率：  4、把各个累加概率由十进制数转换成二进制数： 转换规则：乘2取整，先取的整数为高位，后取的整数为低位。 5、将二进制表示的累加概率去掉多于ti的尾数，即得Wi对应的码字。 算术编码(Arithmetic Coding) 思想： 按照符号序列的出现概率区间分割，用一个实数代表一个数据流的输入符号，再将这个实数转化为一定位数的二进制代码。对于较长的消息，二进制代码的位数也会增加。它们是通过算术运算逐步形成码字的，因而得名。 设四阶Markov信源符号集为｛a, b, c, d｝，其概率分布为｛0.2, 0.2, 0.4, 0.2｝。 （1）若对该信源进行Huffman编码，可得其平均码长为2.0比特/字符 （2）若信源发出序列为｛b, c, a, c, d｝，算数编码过程如下： 各个数据符号在半封闭实数区间[0，1）内按概率进行赋值范围设定为 数据流 b c a c d 编码区间 [0.2,0.4 ） [0.28,0.36 ） [0.28,0.296 ） [0.2864, 0.2928 ） [0.29152, 0.2928 ） 区间长度 0.2 0.08 0.016 0.0064 0.00128 新子区间左端＝前一子区间左端＋新子区间左边累加概率×前子区间长度 新子区间长度＝当前区间概率×前子区间长度 Arithmetic coding Source A