多媒体技术量化和变换编码和预测编码 幻灯片.pptVIP

本单元的内容 量化 变换编码 预测编码 本单元的内容 量化 变换编码 预测编码 量化器定义 标量量化 标量量化 LBG算法 LBG算法的局限性 本单元的内容 量化 变换编码 预测编码 为什么变换 变换是信号实现时域和变换域(频域)映射关系的运算 通常经正变换将信号在变换域分解，然后由反变换重建信号： 当 有 为什么变换 变换的本质就是将信号在一组基函数上投影，得到一组投影值，即信号的变换域表达。 变换的目的就是将一个实际的物理信号分解为变换域(频域)上有限的或无限的小的信号“细胞”，以便了解信号的性质，提取信号的有用信息 现有图像/视频编码国际标准的基本框架都是采用预测、变换、熵编码等技术将图像/视频信号压缩成一定码率的码流，其核心技术之一是变换。 变换是对信号改造和加工的过程，它有助于去除信号中冗余（相关性）和实现信号能量集中，正是图像/视频编码技术的理论基础。 实际应用中通常采用正交变换。 为什么变换 图像/视频压缩处理中常用的变换包括： 离散傅里叶变换 DFT 离散余弦变换 DCT Karhunen—Loeve变换 KL 离散小波变换…… KL变换由于去除信号中的相关性最彻底，因而被称为“最佳变换”。但KL变换的基是不固定的，需要存储变换基，计算复杂性高，使得KL变换的应用不现实。 为什么变换 图像/视频压缩处理中常用的变换 人们发现在信号满足一阶马尔科夫过程时，DCT是KL变换的很好的逼近。 DCT有固定的基与明确的物理含义，使得DCT广泛应用于图像/视频压缩，成了变换编码的主要工具。 静止图像压缩编码的国际标准JPEG和视频编码标准H.264都采用了DCT变换编码 为什么变换 变换通过将信号的能量集中在少数变换系数上给出信号的紧致表达，便于后续的压缩处理。 对于图像而言，采用符合人的视觉系统特征的量化方式，大多数高频系数在量化后会很小或者为零，量化后的变换系数矩阵变成了一个稀疏矩阵。 选择适当的扫描方式将二维矩阵表示的系数表示为一维向量，使得一维向量表示的系数具有零系数连续出现的特点，这样通过行程编码可以得到高压缩比。 KL变换 Karhunen—Loeve（KL）变换 以图像统计特性为基础的一种正交变换，也称为特征向量变换或主分量变换 KL变换的目的：去图像的相关性 相关性：用协方差矩阵度量 以下图像为例描述KL的算法 KL变换 一幅256×256图像分成1024个8×8的块 每个8×8的块按照行（或列）的顺序排成一个64维 的向量 向量 的维数 定义随机向量 使得其取值范围为 KL变换 KL正变换 KL逆变换 A是正交矩阵，mx是向量X的平均值 KL变换 KL正变换 KL逆变换 A是正交矩阵，mx是向量X的平均值 KL变换说明 Y向量的协方差矩阵Cy非对角线元素是协方差，协方差为零，表示向量分量间的相关性甚小，X向量的协方差矩阵Cx非对角线元素非零，说明相关强。 KL变换说明 KL变换后能量高度集中，压缩效果明显； KL变换是在最小方差意义下最优。 主要缺点： KL变换的矩阵计算复杂，该矩阵不是固定不变的，而是随着输入图像的不同而改变, 没有通用的变换矩阵和快速算法 正变换 U=Tu 反变换 u=T-1u=UTu 离散余弦变换(DCT)编码 余弦变换基图像 JPEG (Joint Photographic Experts Group)是1986年制定的国际静态图像压缩标准， 采取的核心压缩算法是DCT算法（Discrete Cosine Transform)。 DCT算法在历史上起到了很重要的作用，一幅640×480的彩色图像，大小为3×640×480＝921，600BYTE，使用64K/S的ISDN网络进行传输，大约需要1.9分钟。 JPEG压缩后大约38，400 BYTE,传输只需要4.8秒。 尽管JPEG算法在过去和现在很多领域还发挥者巨大作用， 但由于算法是将整体图像分割成小块（8×8或16×16)进行变换，当压缩比高时由于数据损失，在块与块 之间就会出现分割的现象： 本单元的内容 量化 变换编码 预测编码 预测编码：根据某一模型，利用信号以往的样本值对新样本值进行预测 , 对预测误差进行编码。 对于相关性较强的信号，如果建立合适的模型, 误差信号的幅值将远远小于原始信号,从而可以用较少的电