photoshop实用教材第十六部.ppt

如果将信源所有可能事件的信息量进行 平均码长与熵 总 结 LZW：发明人(Lempel-Ziv-Welch) 减少像素间冗余 无损压缩 特点： 码字为固定长度 不需要符号出现概率的知识 是一种字典方法 压缩的数据并与一个字典库(库开始是空的)中 步骤1：将词典初始化为包含所有可能的单字 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 (1)??? 统计出每级灰度出现的频率： 灰度值： 0 10 20 30 40 出现频率： 1/16 1/16 7/16 3/16 4/16 霍夫曼编码举例二 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 (2)从左到右把上述频率按从小到大的顺序排列。 灰度值： 0 10 30 40 20 出现频率： 1/16 1/16 3/16 4/16 7/16 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 (3)?????选出频率最小的两个值（1/16，1/16）作为二叉树的两个叶子节点，将频率和2/16作为它们的根节点,新的根节点再参与其它频率排序： 2/16 3/16 5/16 7/16 1/16 1/16 2/16 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 （4）?选出频率最小的两个值（2/16，3/16）作为二叉树的两个叶子节点，将频率和5/16作为它们的根节点,新的根节点再参与其它频率排序： 4/16 5/16 7/16 1/16 1/16 2/16 3/16 5/16 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 （5）?选出频率最小的两个值（4/16，5/16）作为二叉树的两个叶子节点将频率和9/16作为它们的根节点,新的根节点再参与其它频率排序： 7/16 9/16 1/16 1/16 2/16 3/16 5/16 4/16 9/16 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 （6）最后两个频率值（7/16，9/16）作为二叉树的两个叶子节点，将频率和1作为它们的根节点。 1/16 1/16 2/16 3/16 5/16 4/16 9/16 7/16 1 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 （7）分配码字。将形成的二叉树的左节点标0，右节点标1。把从最上面的根节点到最下面的叶子节点途中遇到的0,1序列串起来，就得到了各级灰度的编码. 0 10 0 30 1 40 0 20 0 1 1 1 0 30 10 40 20 20 40 20 0 20 20 30 30 20 40 20 40 7.2 哈夫曼编码 各灰度的编码如下： 灰度值： 20 40 30 10 0 哈夫曼编码： 0 10 111 1101 1100 则图所示的图像哈夫曼编码为： 11111010100101100000111111010100 共用了32比特，原图像占128比特，压缩比较高。 0 10 0 30 1 40 0 20 0 1 1 1 0 假设某个字符的出现概率为 80%，该字符只 需要 -log2(0.8) = 0.322 位编码，但 Huffman 编码一定会为其分配 由此可得知，整个信息的 80% 在压缩后几 乎相当于理想长度的 3 倍左右。 一位 0 或一位 1 的编码。 存在问题分析: LZW编码 字符串插入字典中。 字符串数据在字典库中的位置索引， 的字符串对比， LZW压缩使用字典库查找方案。 它读入待 如有匹配的字符串，则输出该 否则将该 步骤2：当前字符C:=字符流中的下一个字符。 字符，当前前缀P初始化为空。 LZW编码算法 * * 图像编码 （1）图像编码概述 （2）信息理论基础与熵编码 赫夫曼编码 （3）LZW编码 与文字信息不同，图像信息占据大量的存储容量，而且传输的带宽有限。 如一幅512×512的黑白图象的比特数为 512×512×8 = 2,097,152 bit