图像编码与压缩解剖.ppt

算术编码不是将单个信源符号映射成一个码字，而是把整个信源表示为 实数线上的0到1之间的一个区间，其长度等于该序列的概率。 再在该区间内选择一个代表性的小数，转化为二进制作为实际的编码输出。 * 图像编码与压缩 第8章 * 本章内容 ●信息论中的有关概念，编码压缩的可能性及技术指标等 ●统计编码 ●预测编码 ●变换编码 ●混合编码 ●静态图像压缩标准：JPEG、JBIG、JPEG2000等 * 二、统计编码 统计编码 根据信源的概率分布特性，分配具有惟一可译性的可变长码字，降低平均码字长度，以提高信息的传输速度，节省存储空间。 基本原理 在信号概率分布已知的基础上，概率大的信号对应的码字短，概率小的信号对应的码字长，这样就降低了平均码字长度。 * 哈夫曼编码步骤 (1) 缩减信源符号数量 将信源符号按出现概率从大到小排列，然后结合 （一）哈夫曼编码 * 哈夫曼编码步骤 (2) 对每个信源符号赋值 从（消减到）最小的信源开始，逐步回到初始信源 （一）哈夫曼编码 * 哈夫曼编码结果分析: 平均长度 信源熵 编码效率 （一）哈夫曼编码 * 优点： 实现Huffman编码的基础是统计源数据集中各信号的概率分布。 Huffman编码在无失真的编码方法中效率优于其他编码方法，是一种最佳变长码，其平均码长接近于熵值。 缺点： 当信源数据成分复杂时，庞大的信源集致使Huffman码表较大，码表生成的计算量增加，编译码速度相应变慢 不等长编码致使硬件译码电路实现困难。上述原因致使Huffman编码的实际应用受到限制。 （一）哈夫曼编码 * 哈夫曼编译码系统的构成流程 * 哈夫曼编码 —— 图像压缩中的应用 我们知道，对一幅图像进行编码时，如果图像的大小大于256时，这幅图像的不同的码字就有可能是很大，例如极限为256个不同的码字。 这时如果采用全局Huffman编码则压缩效率不高。甚至有可能与原来的等长编码的数据量相同。 * 哈夫曼编码 —— 图像压缩中的应用 常用的方法是： 将图像分割成若干的小块，对每块进行独立的Huffman编码。例如：分成 的子块，就可以大大降低不同灰度值的个数（最多是64而不是256）。 * 哈夫曼编码 —— 图像压缩中的应用 8*8分块的编码压缩比为2.12:1 16*16分块的编码压缩比为1.64:1 全图的编码压缩比为1.09:1 * 算术编码原理： 按照符号序列的出现概率对概率区间分割，用一个实数代表一个数据流的输入符号，再将这个实数（二进制小数）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。 （四）算术编码 * 算术编码示例 编码来自1个4-符号信源{a1, a2, a3, a4}的由5个符号组成的符号序列：b1b2b3b4b5 = a1a2a3a3a4 （四）算术编码 0.068 * （五）行程编码 仅存储一个像素值以及具有相同颜色的像素数目的图像数据编码方式称为行程编码，或称游程编码，常用RLE（Run-Length Encoding）表示。该压缩编码技术相当直观和经济，运算也相当简单，因此解压缩速度很快。RLE压缩编码尤其适用于计算机生成的图形图像及二值图像，对减少存储容量很有效果。 例如：信息单元03 04，03表示其后的象素个数是3个，04表示这些象素使用的是颜色索引表中的第五项的值。压缩数据展开后就是04 04 04 .同理04 05 可以展开为05 05 05 05.。 行程编码是一种无失真编码 * 三、 预测编码 预测编码的基本思想： 在某种模型的指导下，根据过去的样本序列推测当前的信号样本值，然后用实际值与预测值之间的误差值进行编码。 如果模型与实际情况符合得比较好且信号序列的相关性较强，则误差信号的幅度将远远小于样本信号。 * 预测编码基本原理 对实际值与预测值之间的误差值进行编码 差分脉冲编码调制(Differential Pulse Code Modulation, DPCM) * 五、混合编码 —— 设计思想 每一种编码方式都有其擅长的一点，以及局限的一点，混合编码的思想就是将两种以上的编码方式的优点进行综合，达到提高编码效率的目的。 * 算术编码不是将单个信源符号映射成一个码字，而是把整个信源表示为 实数线上的0到1之间的一个区间，其长度等于该序列的概率。 再在该区间内选择一个代表性的小数，转化为二进制作为实际的编码输出。 *