基于灰度图像的霍夫曼编解码技术161120058陈琪.docxVIP

《信息编码理论》课程题目：基于c++哈夫曼编码的图像编解码算法的仿真实现姓名：陈琪学号：161120058 学院：物理与信息工程学院专业： 081001 通信与信息系统年级：2016级 2016年11月24日【摘要】哈夫曼编码（Huffman coding）是一种常用的信源熵编码，是一种以哈夫曼树为核心的数据编码方式，在数据压缩中得到广泛应用。在计算机信息处理中，哈夫曼编码是一种一致性编码方法，用于数据的无损压缩。本论文首先介绍了图像压缩相关知识。随后，分析概述了哈夫曼压缩编码的原理及方法，并采用Microsoft Visual Stdio软件对两幅图片进行压缩编码程序设计，获得压缩信息及哈夫曼编码表，分析压缩后的图像像素数据及压缩比。并对图像进行重构。【关键字】哈夫曼编码图像压缩c++1引言1.1图像数据压缩背景图像压缩作为图像处理的一个重要组成部分，一直受到广大研究人员的关注。在几十年研究人员的努力下，图像压缩算法从最初的编码方法上的研究到后来的空间变换编码上的研究，随着小波理论、分形理论、人工神经网络理论和视觉仿真理论建立，图像压缩编码方法向着更高的压缩比和更好的压缩效果方向发展。根据压缩机制的不同，可把压缩分为无损压缩和有损压缩。无损压缩删除的是冗余信息，重构后的数据和原始数据完全相同。无损编码主要可分为三大类：基于统计概率方法，基于字典编码方法和预测编码。基于概率的方法通过用短的代码代表出现概率夫的符号，用长的代码代表出现概率小的符号，实现数据压缩，侧如电影《风声》中所说的Morse码。基于统计的方法是指根据每个字符出现的概率进行编码，常见的方法[1]有1952年Huffman提出的霍夫曼编码[2]和1960年Elias提出的算术编码(Arithmetic Coding)[3]。1.2图像数据压缩的原理对数字图像进行压缩通常利用两个基本原理[4]：一是数字图像的相关性。在图像的同一行相邻象素之间，相邻象素之间，活动图像的相邻帧的对应象素之间往往存在很强的相关性，去除或减少这些相关性，也即去除或减少图像信息中的冗余度也就实现了对数字图像的压缩。帧内象素的相关称做空域相关性。相邻帧间对应象素之间的相关性称做时域相关性。二是人的视觉心理特征。人的视觉对于边缘急剧变化不敏感(视觉掩盖效应)，对颜色分辨力弱，利用这些特征可以在相应部分适当降低编码精度而使人从视觉上并不感觉到图像质量的下降，从而达到对数字图像压缩的目的。图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程[5]。压缩技术分为无损压缩和有损压缩两大类，前者在解码时可以精确地恢复原图像，没有任何损失；后者在解码时只能近似原图像，不能无失真地恢复原图像。假设有一个无记忆的信源,它产生的消息为{ai},1≤i≤N,其出现的概率是已知的,记为P(ai)。则其信息量定义为:由此可见一个消息出现的可能性越小，其信息量就越多，其出现对信息的贡献量越大，反之亦然。信源的平均信息量称为“熵”（entropy），可以表示为：对上式取以2为底的对数时，单位为比特（bits）：根据香农（Shannon）无噪声编码定理，对于熵为H的信号源，对其进行无失真编码所可能达到的最低比特数为，这里为一任意小的正数，因此可能达到的　最大压缩比：其中B是原始图像的平均比特率。在图像压缩中，压缩比是一个重要的衡量指标。可以定义压缩比为：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：2哈夫曼编码2.1 哈夫曼编码简介Huffman（哈夫曼）编码是统计编码的一种，属于无损压缩编码。该编码是在1952年为文本文件建立的，编码方法简单且有效，因而得到广泛的应用。现在已经派生出很多变体。它的基本原理是用较短的代码代替出现概率较高的数据，用较长的代码代替出现概率较低的数据，所有代码都采用二进制码，其码的长度是可变的，且每个数据的代码各不相同。它提出的这种编码也称为最佳变长码，其优点是编码的效率高，但这种编码依赖于源的统计特性，同时我们看到，Huffman编码只能通过查表的方法建立消息和码字之间的关系，所以如果消息数很大，需要存储的码表也需很大，从而会影响存储量、编码以及译码速度等各个方面的性能[6][7]。2.2哈夫曼编解码其具体步骤如下：1.将信源符号按出现概率从大到小排成一列，然后把最末两个符号的概率相加，合成一个概率。2.把这个符号的概率与其余符号的概率按从大到小排列，然后再把最末两个符号的概率加起来，合成一个概率。3.重复上述做法，直到最后剩下两个概率为止。4.从最后一步剩下的两个概率开始逐步向前进行编码。每步只需对两个分支各赋予一个二进制码，如对概率大的赋予码0，对概率小的赋予码