第2章 多媒体数据压缩编码技术201136.ppt

线性自适应预测 非线性自适应预测 发展历史 傅里叶生平 1768年生于法国 1807年提出“任何周期信号都可用正弦函数级数表示” 1829年狄里赫利第一个给出收敛条件 拉格朗日反对发表 1822年首次发表在“热的分析理论”一书中 傅立叶的两个最主要的贡献—— “周期信号都可表示为谐波关系的正弦信号的加权和”——傅里叶的第一个主要论点 “非周期信号都可用正弦信号的加权积分表示”——傅里叶的第二个主要论点 常用信号的傅立叶变换表 傅立叶变换作用 图像增强和图像去噪 绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘； 图像分割之边缘检测 提取图像高频分量 图像特征提取：形状特征：傅里叶描述子纹理特征：直接通过傅里叶系数来计算纹理特征其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性图像压缩可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换；图像DCT变换 DCT的原理离散余弦变换（Discrete Cosine Transform，DCT）是一种实数域变换，其变换核为实数余弦函数。对一幅图像进行离散余弦变换后，许多有关图像的重要可视信息都集中在DCT变换的一小部分系数中。因此，离散余弦变换（DCT）是有损图像压缩JPEG的核心，同时也是所谓“变换域信息隐藏算法”的主要“变换域（DCT域）”之一。因为图像处理运用二维离散余弦变换，所以直接介绍二维DCT变换。DCT的原理 一个矩阵的二维DCT定义如下：逆DCT变换定义如下： DCT的MATLAB实现第一种方法是使用函数dct2，该函数使用一个基于FFT的快速算法来提高当输入较大的输入方阵时的计算速度。dct2函数的调用格式如下：B=dct2(A,[M N])或B=dct2(A,M,N)其中，A表示要变换的图像,M和N是可选参数，表示填充后的图像矩阵大小。B表示变换后得到的图像矩阵。DCT的MATLAB实现第二种方法使用由函数dctmtx返回的DCT变换矩阵，这种方法较适合于较小的输入方阵（如或方阵）。dctmtx的调用格式如下：D=dctmtx(N)其中，N表示DCT变换矩阵的维数，D为DCT变换矩阵。 分析DCT系数的性质下面以lenna图像为例，利用DCT变换函数得到的DCT系数的性质。我们只取R层的DCT系数矩阵进行分析。下图显示了变化的结果，其中DCT系数用光谱的形式给出，直观的表明了低频和高频系数的分布规律。 分块DCT与整体DCT的三维投影 G.722：采用子带编码 ，数据速率为224kbit/s 8x8的原始图像：  推移128后，使其范围变为 -128~127重采样并进行正交变换 离散余弦正变换FDCT可看作一个谐波分析仪，每个8×8 二维原图像采样数据块，实际上是64点离散信号，它们是空间二维坐标的函数，FDCT把它作为输入，然后把它分解成64个正交基信号，每个正交基信号对应于64个独立二维空间频率中的一个。FDCT的输出是64个基信号的幅值，称作DCT系数。 DCT 后的64个 DCT 频率系数与 DCT 前的64个像素块相对应，DCT 过程的前后都是64个点，说明这个过程只是一个没有压缩作用的无损变换过程。 单独一个图像的全部 DCT 系数块的频谱几乎都集中在最左上角的系数块中。 DCT 输出的频率系数矩阵最左上角的直流 （DC）系数幅度最大 DC 系数为出发点向下、向右的其它 DCT 系数，离 DC 分量越远，频率越高，幅度值越小，图中最右下角为2，即图像信息的大部分集中于直流系数及其附近的低频频谱上，离 DC 系数越来越远的高频频谱几乎不含图像信息，甚至于只含杂波。 DCT 本身虽然没有压缩作用，却为以后压缩时的取、舍 奠定了必不可少的基础。 量化器步长是量化表的元素，它随DCT变换系数的位置和每种颜色分量的色调值不同而不同。 由于人眼对亮度信号比对色 差信号更敏感，因此使用了两种量化表，即亮 度量步长小于对应的色度量化步长；另外考虑到人眼对低频分量的图像比对高频分量的图像更敏感，因此量化表中左上角量化步长比右下角量化步长小。 使用这个量化矩阵与前面所得到的 DCT 系数矩阵： 总体上来说，DCT 变换实际是空间域的低通滤波器。对 Y 分量采用细量化，对 UV 采用粗量化。这是整个过程中的主要有损运算。量化是图像质量下降的最 主要原因。 量化表是控制 JPEG 压缩比的关键，这个步骤除掉了一些高频量；另一个重要原因是所有图片的点与点之间会有一个色彩过渡的过程，大量的图像信息被包含在低频率中，经过量化处理后，在高频率段，将出现大量连续的零。 对于前面量化的系数所作的 “Z”字形编排