数字视频1..ppt

1.3 视频信号数字化 1.4.1 视频信号的数字化 从1.2节讨论知道，视频信号是通过扫描来分解图像并经光电变换得到的，即视频信号是一行行组成，这说明在垂直方向已经离散化。在实际中，我们只要在每条一行上等间隔地抽取图像值，即可完成图像的抽样。 （3）抽样信号的频谱： 抽样前模拟信号的频谐 结论: 每增加一个比特，即总分层数增加一倍，信噪比增加6db。 选择n可用主观评价方法，比较原图像与量化图像的差别，当量化引起的差别已觉察不出或可以忽略时，所对应的最小量化层比特即为n。 目前，对于一般应用，如广播电视、视频通信等，量化比特数n取8bit，已基本满足视觉要求。对于一些较高要求的应用，如高质量医学图像、遥感图像等，则需要10 Bit或更高量化比特数。而对一些较低图像质量要求的应用场合，如可视电话，还采用了5bit。 1.3.2 CCIR601建议（视频数字化标准） F）视频模拟信号电平与量化级之间的对应关系 Y ：共220个量化级，黑电平对应于第16级，峰值白电平对应于235级 。 R-Y / B-Y ：共225个量化级，零信号对应于255量化级的中心，即第128级 3、说明 1）上述为4：2：2标准。 对于一些高质量的应用 CCIR601建议给出4：4：4格式 ； 而对于一些较低图像质量的应用可采用4：1：1格式 ；或4：2：0格式，甚至2：1：1格式。DVD（数字视盘）采用的是4：2：2格式，而VCD采用2：1：1格式 。前者图像质量达水平480线，后者图像质量只有水平240线。 图1－23给出了几种不格式的样点位置示意图 2）每个采用点采样值的线性量化比特数分两种情况，用于演播室的定为10bit，用于电视传输的定为8bit 1.4 图像信号的统计特性 图像的统计特性是进行图像编码的基本依据，因此对它的研究是非常必要的。 通过大量的统计实验发现，各抽样的亮度值并不是孤立的，比如图像的同一行相邻像素之间，相邻行像素之间，以及活动图像相邻帧的对应像素之间往往存在有很强的相关性。 经典图像编码方法就是利用图像信号这种固有的统计特性，通过除去相关性来减少传输数码率。 因此必须知道能描述这种相关性的统计特性。 图像的统计特性一般包含空域、频率域和时间域上的统计特性。。 目前常采用的方法对CCITT，SMPTE 和EBU（国际电报电话咨询委员会，电影电视工程师协会，欧洲广播联盟）提供的一些标准图像进行研究，并以此作为其他各种的实验依据。 1.4.1 空间域上的统计特性 1、图像信号的自相关系数 1）图像信号的自相关系数公式 设（i1,j1），（i2,j2）为N×N图像中的两个点，图像的规一化自相关系数表示为 ： 式中，E[ ]： 表示数学期望 M：表示图像亮度平均值 ： 为图像方差 ： 2）一维自相关系数 A）一维自相关系数一维概念 同一行上的两个像素：（i2=i1 ,j2=j1+τ） 同一列上的两个像素：（i2=i1+τ,j2=j1） τ为两个像数之间的距离。 B）一维自相关系数计算公式： 对应同一行上的两个像素，它们的自相关系数计算公式为： C）一维自相关系数规律 在像素间隔τ为1～20个像素时。自相关系数平均值的曲线基本上呈指数规律衰减。 可用下面的数学模型来近似表达： 可通过对实际图像统计计算得到。一般电视图像 值在0.9－0.98之间。 3）二维自相关系数 A）二维自相关系数概念 二维自相关系数表示f（i,j）和f(i+τ1 , j+τ2)两个像素的自相关系数，τ1 ，τ2分别表示像素在垂直和水平方向距离。 B）二维自相关系数规律 二个一维相关系数的乘积构成二维自相关系数 由实验统计确定。 为相关距离 二维相关系数呈现由中心向四周按指数规律衰减的性质。 图1－24(a)是戴胸花女郎所计算出的自相关系数, 图1－24 (b)给出了像素间隔为1～20时自相关系数的平均值 2、相邻像素差值的统计特性 实际上这是从不同角度讨论图像的空域统计特性。 1）相邻像素差值 像邻像素差值最简单的一种是指同一行或同一列两个相邻像素之间的差值。它们分别为： 同一行（也称水平方向）相邻像素差值：dH(i,j)=f(i,j)－f(i,j+1) 同一列（也称垂直方向）相邻像素差值：dV(i,j)=f(i,j)－f(i+1，j) 2）相邻像素差