多媒体技术应用06Chapter.ppt

第6章 多媒体数据压缩技术 多媒体数据压缩的基本概念 多媒体发展历史 多媒体数据压缩的技术基础 常用的无损数据压缩方法? 常用的有损数据压缩方法 数据压缩国际标准 数据压缩 通俗地说，数据压缩就是用最少的数码来表示信号。其作用是：能较快地传输各种信号，如传真、Modem通信等；在现有的通信干线并行开通更多的多媒体业务，如各种增值业务；紧缩数据存储容量，如CD-ROM、VCD和DVD等；降低发信机功率，这对于多媒体移动通信系统尤为重要。由此看来，通信时间、传输带宽、存储空间甚至发射能量，都可能成为数据压缩的原因。 6.1 多媒体数据压缩概述 ? 数据压缩的重要性 压缩的可能性 冗余的种类 压缩原理 压缩方法分类 6.1.1 数据压缩的重要性 多媒体数据为什么要进行压缩，主要原因有： 1. 原始采样的媒体数据量巨大: 2. 有效利用存储器存储容量 : 3. 提高通信线路的传输效率; 4. 消除计算机系统处理视频I/O瓶颈 6.1.2 压缩的可能性 6.1.3 冗余的种类 6.1.3 冗余的种类 6.1.3 冗余的种类 6.1.3 冗余的种类 6.1.3 冗余的种类 6.1.3 冗余的种类 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.4 压缩原理 6.1.5 压缩方法分类 6.1.5 压缩方法分类 6.1.5 压缩方法分类 6.1.5 压缩方法分类 6.2 数据压缩的发展历程 ? 1952 年提出有效的压缩方法Huffman 编码； 80 年代，设计出更能接近信息论中“熵”极限的编码方法——算术编码。 1984年，Terry Welch实现了LZ78算法的一个变种LZW 80年代中期以后，人们对LZ77进行了改进，目前，基于字典方式的压缩已经有了一个被广泛认可的标准，从古老的 PKZip 到现在的 WinZip，特别是随着 Internet 上文件传输的流行，ZIP 格式成为了事实上的标准， 6.3 数据压缩的技术基础 熵的概念 数据压缩模型 数据压缩编码 6.3.1 熵的概念 数据压缩不仅起源于 40 年代由 Claude Shannon 首创的信息论，而且其基本原理即信息究竟能被压缩到多小，至今依然遵循信息论中的一条定理，这条定理借用了热力学中的名词“熵”( Entropy )来表示一条信息中真正需要编码的信息量，即数据压缩的理论极限。对于任何一种无损数据压缩，最终的数据量一定大于信息熵，数据量越接近于熵值，说明其压缩效果越好，假定一种无损数据压缩之后数据量小于信息熵，只能说明一个问题，说明其数据压缩肯定出错了。 6.3.1 熵的概念 信息熵如何来计算： 在计算机内部是用二进制来表示数据的，现在要用 0 和 1 组成的二进制数码来为含有 n 个符号的某条信息编码，假设符号 Fn 在整条信息中重复出现的概率为 Pn，则该符号的熵En也即表示该符号所需的位数为：En = log2( 1/Pn )= - log2( Pn ) 整条信息的熵E也即表示整条信息所需的位数为：E = ∑En 6.3.1 熵的概念 举个例子 : 字符串：aabbaccbaa 字符串长度为 10，字符 a、b、c 分别出现了 5、3、2 次，则 a、b、c 在信息中出现的概率分别为 0.5、0.3、0.2，他们的熵分别为： Ea = -log2(0.5) = 1 Eb = -log2(0.3) = 1.737 Ec = -log2(0.2) = 2.322 整条信息的熵为： E = Ea * 5 + Eb * 3 + Ec * 2 = 14.855 位 6.3.2 数据压缩模型 在压缩程序中，用来处理输入信息，计算符号的概率并决定输出哪个或哪些代码的模块叫做数据压缩模型，主要有静态统计模型和自适应模型。 预先扫描文件中的所有字符，统计出每个字符出现的概率，这种方法在压缩术语里叫做“静态统计模型”。 在实际应用中，“静态统计模型”应用的很少。 6.3.2 数据压缩模型 真正的压缩程序中使用的大多是一种叫“自适应模型”的东西。自适应模型可以说是一台具有学习功能的自动机。它是在信息被输入之前对信息内容一无所知并假定每个字符的出现概率均等，随着字符不断被输入和编码，它统计并纪录已经出现过的字符的概率并将这些概率应用于对后续字符的编码。自适应模型还可以适应输入信息中字符分布的突然变化，可以适应不同的文件中的字符分布而不需要保存概率表。 6.3.