第八章清华大学数字图像处理课件.ppt

设一幅灰度级为K的图像，图像中第k级灰度出现的概率为pk，图像大小为M×N，每个像素用d比特表示，每两帧图像间隔△t 数字图像的熵H 图像的平均码字长度R为： 编码效率η定义为： 信息冗余度为： 每秒钟所需的传输比特数bps为： 压缩比r为： Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 Huffman编码 2. 香农—范诺编码 香农—范诺(Shannon-Fannon)编码也是一种典型的可变字长编码。与哈夫曼编码相似，当信源符号出现的概率正好为2的负幂次方时，香农—范诺编码的编码效率可以达到100%。 香农—范诺编码的理论基础是符号的码字长度N i完全由该符号出现的概率来决定，对于二进制编码即有： 编码步骤 (1) 将信源符号按其出现的概率由大到小顺序排列，若两个符号的概率相等，则相等概率的字符顺序可以任意排列； (2) 根据式(8-11)计算出各概率符号所对应的码字长度N i； (3) 将各符号的概率累加，计算累加概率P，即： (4) 把各个累加概率P由十进制转换为二进制； (5) 根据式(8-11)取二进制累加概率前N i位的数字，并省去小数点前的“0.”字符，即为对应信源符号的香农—范诺编码码字。 编码举例 例: 设一幅灰度级为8的图像中，各灰度级分别用S0、S1、S2、S3、S4、S5、S6、S7表示，对应的概率分别为0.40、0.18、0.10、0.10、0.07、0.06、0.05、0.04。现对其进行编码。 编码步骤如下 (1) 将信源符号按其出现概率由大到小顺序排列，为0.40，0.18，0.10，0.10，0.07，0.06，0.05，0.04； (2) 对于概率0.40对应的符号S0，根据(8-11)计算N0=2，将累加概率0.00转换位二进制小数为0.00，取前N0=2位，并去除小数点前的字符，即S0字符编码为00； (3) 对于概率0.18对应的符号S1，根据(8-11)计算N1=3，将累加概率0.40转换位二进制小数为0.0110，取前N1=3位，并去除小数点前的字符，即S1字符编码为011； (4) 对于概率0.10对应的符号S2，根据(8-11)计算N2=4，将累加概率0.58转换位二进制小数为0.10010，取前N2=4位，并去除小数点前的字符，即S2字符编码为1001； (5) 对于概率0.10对应的符号S3，根据(8-111)计算N3=4，将累加概率0.68转换位二进制小数为0.10100，取前N3=4位，并去除小数点前的字符，即S3字符编码为1010； (6) 对于概率0.07对应的符号S4，根据(8-11)计算N4=4，将累加概率0.78转换位二进制小数为0.11000，取前N4=4位，并去除小数点前的字符，即S4字符编码为1100； (7) 对于概率0.06对应的符号S5，根据(8-11)计算N5=5，将累加概率0.85转换位二进制小数为0.1101100，取前N5=5位，并去除小数点前的字符，即S5字符编码为11011； (8) 对于概率0.05对应的符号S6，根据(8-11)计算N6=5，将累加概率0.91转换位二进制小数为0.1110100，取前N6=5位，并去除小数点前的字符，即S6字符编码为11101； (9) 对于概率0.04对应的符号S7，根据(8-11)计算N7=5，将累加概率0.68转换位二进制小数为0取前N7=5位，并去除小数点前的字符，即S7字符编码为11110； 香农—范诺编码效能 (1) 图像信息熵为 (2) 平均码字长度为 4. 算术编码 从理论上分析，采用哈夫曼编码可以获得最佳信源字符编码效果; 实际应用中，由于信源字符出现的概率并非满足2的负幂次方，因此往往无法达到理论上的编码效率和信息压缩比; 以信源字符序列{x，y}为例 设字符序列{x，y}对应的概率为{1/3，2/3}，Nx和Ny分别表示字符x和y的最佳码长，则根据信息论有： 字符x、y的最佳码长分别为1.58bit和0.588bi; 这表明，要获得最佳编码效果，需要采用小数码字长度,这是不可能实现的; 即采用哈夫曼方法对{x，y}的码字分别为0和1，也就是两个符号信息的编码长度都为1。对于出现概率大的字符y并未能赋予较短的码字; 实际编码效果往往不能达到理论效率; 为提高编码效率，Elias等人提出了算术编码算法。 算术编码的特点 算术编码是信息保持型编码，它不像哈夫曼编码，无需为一个符