图像处理技术研讨.ppt

第三章 图像处理技术-3 1 词典编码 词典编码，又称LZW压缩算法，是一种新颖的压缩方法，由Lemple-Ziv-Welch三人共同创造，用他们的名字命名。基本原理就是首先建立一个字典（字符串表），把每一个第一次出现的字符串放入字典中，并用一个数字来表示，该数字与此字符串在字典中的位置有关。如果这个字符串再次出现时，即可用表示它的数字代替该字符串，并将这个数字写入编码结果中。如“abc”字符串，如果在压缩时用3表示，只要再次出现，均用3表示，并将“abc”字符串存入字典中，在图像解码时遇到数字3，即可从词典中查出3所代表的字符串“abc”，在解压缩时，字典可以根据压缩数据重新生成。 LZW编码算法的具体执行如下： BEGIN s=当前要输入字符； while not EOF { c=下一个要输入字符； If s+c存在于字典中； s=s+c; Else { 输出对于s的编码； 添加字符串s+c到字典中，并用新的编码符号标记； s=c; } } 输出对于s的编码； END 举例：假设初始字典中包含3个字符，其对应编码符号如下表所示。 LZW压缩算法编码过程 最后的输出编码是124523461。相当于原来的14个字符，经过压缩编码后只需要9个字符就可以存储原来的信息，压缩率是14/9=1.56。 L ZW的简单解码算法如下： BEGIN s=NIL; while not EOF { k=下一输入编码； entry=字典中对应于k的条目； 输出entry; if(s!=NIL) 添加s+entry[0]到字典中，并用新的编码标记； s=entry; } END LZW压缩算法解码部分 2 无损预测编码 预测编码的基本思想是通过仅对每个像素的真实值与预测值的差值进行编码来消除像素间的冗余。因为图像的相邻像素间有相关性，所以才使预测成为可能。预测编码可以分为无损预测和有损预测两类。 下面的图是一个无损预测编码系统的基本组成部分。该系统包含一个编码器和一个解码器，编码器和解码器具有一个相同的预测器。输入图像的每一个连续像素标记为fn，经过编码器时，预测器会根据该像素之前输入的像素信息产生预测值。预测器输出值标记为 ，然后形成预测误差： 无损预测编码模型图 预测误差通过符号编码器进行编码以产生压缩图像数据流。解码器可根据接收到的数据流重建预测误差en，利用下面的公式得到输入图像的像素值，实现解码。 由于相邻像素的相关性，在预测比较准确时，预测误差的动态范围会远小于原始图像序列的动态范围，所以对预测误差的编码所需的比特数会大大减少，这是预测编码进行数据压缩的基本原理。 静止图像的二维预测编码 无损JPEG预测采用三邻域采样值法，由a、b、c预测X，以X’表示X的预测值，从X中减去X’得到一个差值，再对差值进行无失真的熵编码（算术编码或霍夫曼编码）。上页表中1、2、3为一维编码，4、5、6、7为二维编码。 假设表中a=10,b=10,c=12,x=10，利用第5中预测方案，得到X的预测值X’=10+（10-12）/2=9，则误差en=X-X’=10-9=1。由于编码en（=1）比编码x（=10）所需要的编码位数要少，从而实现了压缩。 在解码x时，a、b、c的值是已知的，由于解码器中的预测器与编码器中的相同，故可求出X’=10+(10-12)/2=9,从而得到x=X’+en=9+1=10从而实现了无损压缩。 3 常用的有损压缩方法 虽然人们总是期望无损压缩，但无损压缩的压缩率比较小，对于冗余度很少的信息对象用无损压缩技术并不能得到令人满意的结果。而有损压缩方法虽然会造成一些信息的损失，但对于音频、图像和视频等数据压缩后的结果并不要求与原始数据完全一致，所以有损压缩在多媒体领域得到了更广泛的应用。 3-1 量化 量化在一定程度上是任何有损压缩算法的核心。如果没有量化，许多有损压缩算法几乎不会有任何信息的损失。但人们所感兴趣的压缩信息源可能包括大量的不同输出值，为了高效的表示这些信息源，必须通过量化来减少不同输出值的数量。 1） 均匀标量量化 如果采用相等的量化间隔处理采样得到的信号值，那么这种量化称为均匀量化。均匀量化就是采用相同