数字图像处理第三图象处理中的压缩编码.pptVIP

第三章 图象处理中的压缩编码/解码 压缩编码可分为有损压缩和无损压缩两种编码。 无损压缩能够完全重建原图象数据，而有损压缩不能完全重建原数据，产生失真。 无损压缩压缩比较低，用于压缩比要求低、精度高的情况。实际应用中只在各种数据文件保存中使用。而有损压缩虽不能完全重建原数据，产生失真，但是实际应用压缩系统中，各种因素会造成很大误差，作到无损压缩也不能够完全重建原图象数据。 3.1标量量化的JPEG压缩编码 在JPEG压缩编码中，分块大小为8×8、16×16。8×8块是进行变换的，而16×16的宏块是用来对运动矢量进行预测的。二维离散余弦变换可定义如下： 这里M和N为8和16。经离散余弦变换后，每个变换块的能量向低频方向集中。 JPEG编码的特点 在JPEG压缩编码标准中，用Q因子来控制量化步长。Q越小量化步长越大，量化误差也就越大。在Q较小的低位率编码时，块与块之间出现方块效应，这是JPEG压缩方法的最大缺点。所以在低位率编码时，一般不宜采用JPEG压缩编码。Q的取值在0和1之间，Q为1时不进行标量量化，Q为0时意谓着量化步长为无穷大。 基于DCT的压缩编码和解码系统 DCT压缩编码的子块扫描编码原理 采用小波变换的连续标量量化压缩编码方法 Shapiro的建立在小波零树的连续标量量化，充分利用各尺度间的相关性，在数据压缩编码系统中取得优异的压缩性能。采用小波变换的数据压缩系统中，对不同的子带或频率分量应采用相应的标量量化器。各尺度间的频率对应关系，以及人眼的视觉属性对频率的不同分辨，需要对不同尺度的分量采用不同的量化步长。根据人眼的视觉属性对频率的不同分辨，采用不同量化步长，可使更多的小波变换的系数被量化为零，使压缩比进一步提高而不影响视觉。 一幅8?8小波域内多尺度关系 具体的量化编码方法 首先确定图象的第一次扫描的阈值T0，本例中取T0为32(63/2)。在某方向上系数中小于T0的值都认为是零，而在[32,64]间隔内的值认为是1。如果只进行一次扫描，大系数值为[32,64]区间的中值48。如果再对其进行较细的间隔量化，[32,48]内的数为0，[48,64]内的数为1。按照上述方法对其再进一步小步长量化。 3.2矢量量化编码 矢量量化(VQ)能够充分利用带内和带外相关性，以及灵活划分成高维矢量空间，把信号以某种方式转换。所以矢量量化被应用于各种数据压缩系统中，并且人们还不断研究各种快速度算法。VQ编码从理论上讲，当VQ码本较长时，编码可无限接近熵限。令{yn}是能够从离散字符A中产生的码元。通常应用中yn是一个对Xn量化得到的序列 矢量量化的编码和解码 其中Yin作为输出矢量的映射表示或码字。如果这个码具有码长固定为b比特，那么Yin具有长度为b。 对于可变码长的码，Yin具有可变的长度，b是它们的平均长度。这样压缩图象可以用Yin表示，压缩信号表示长度比原信号的长度短。一旦有了专用的码本，译码器操作就可以完全进行。编码器操作要求选择一个映射规则。一个基本仙农信源模型一个对于给定码本最佳编码器，以获得最小平均率失真。用测量重建表示矢量X的率失真，那么系统总的失真用平均失真来测量 3.3小波树结构快速矢量量化编码方法 本节提出基于人眼视觉属性和应用小波树结构快速图象编码的矢量量化图象编码方法，简称为树结构快速矢量量化编码。本树结构快速矢量量化编码方法与传统的树结构快速矢量量化编码方法最大不同是引入小波零树，以零树为树结构矢量量化的树结构，可实行预测，从而极大地提高了效率。树结构快速矢量量化编码方法能获得40倍压缩比，峰值信噪比为36.21dB， 综合性能指标优于其它方法，有可能实现实时数据压缩。 小波变换的特点 小波分解之所以成为图象压缩编码中强有力工具，是因为其能有效地消除象素相关性，使能量集中于较少一些系数上，多尺度/多分辨的结构和允许对每个频带的统计性及人眼视觉属性进行匹配的有效的编码方法。而矢量量化把信号分解为能充分利用带内和带外剩余相关性的某种方式的码流。 3.3.1小波树及其树结构矢量量化 树结构矢量量化过程 正如DCT中把同一块中的系数进行之字形扫描，将系数进行重新排列，并且在每个块结束加一个结束标志EOB一样。重新排列后的系数能保证在相同空间位置对应的信号幅度上是递减的。 小波零树正是对DCT编码的一种模拟，希望对零树编码中获得较大的增益。人眼视觉属性是指人眼对高频分量不敏感，而对低频分量反应很敏感。 小波变换可把图象分解成四个子图象：对角方向的高频子图象，水平方向的子图象，垂直方向的子图象和低频子图象。按照人眼视觉属性和多尺度分辨要求的二级小波分解和矢量量化位率分配 。 ＶＱ最佳位率分配 ＶＱ获得最佳位率分配如图4-5所示：对角高频区位率分配为0bpp，不对