四川大学计算机学院 多媒体技术 4.ppt

语义依赖（semantic-dependent）的DC方法 应用背景： 对于“局部冗余”的特殊类型。 主要应用于图象表达、处理。 原因： 数字化的image有大量的“局部冗余” 占空间大 （一幅图像中具有许多颜色相同的图块。在这些图块中，许多行上都具有相同的颜色，或者在一行上有许多连续的象素都具有相同的颜色值。） 语义依赖（semantic-dependent）的DC方法 典型： 行程编码（run-length encoding:RLE） 差异映射(difference mapping) 词典编码(Dictionary Encoding) 语义依赖（semantic-dependent）的DC方法 差异映射： 算法思想： 图象表示为相邻像素在亮度/颜色上的差异阵列，而不是像素本身的亮度/颜色值 例[Laeser et al.1986] 8 bits/pixel (256 brightness)?3 bits/pixel 语义依赖（semantic-dependent）的DC方法 词典编码 词典： 全部词语（words） 常用词语+词语结束符号 编码方法： 指向词典的指针表 指向词典的指针表（常用词语）+编码（不常用词语） 语义依赖（semantic-dependent）的数据压缩方法 缺点： 实用性有限 可以用其他更一般的编码方法获得相同效果 如huffman编码、 Lempel-Ziv编码 RLE编码 行程编码(RLE）算法: x1, x2, …… xn ----( c1 ,l1 ), ( c2,l2 ), …… ( ck,lk ) ci: 亮度/颜色 li :第i行程（相同亮度/颜色的像素的序列）的长度 不需要存储每一个象素的颜色值，而仅仅存储一个象素的颜色值，以及具有相同颜色的象素数目就可以；或者存储一个象素的颜色值，以及具有相同颜色值的行数。 具有相同颜色并且是连续的象素数目称为行程长度。 RLE编码 例： RLE编码 RLE所能获得的压缩比——主要是取决于图像本身的特点。 如果图像中具有相同颜色的图像块越大，图像块数目越少，获得的压缩比就越高。反之，压缩比就越小。 RLE是无损压缩技术。 RLE编码 应用： 尤其适用于计算机生成的图像，对减少图像文件的存储空间非常有效。（对颜色丰富的自然图像不能单纯使用RLE一种编码方法，需要和其他的压缩编码技术联合应用。） 商业数据处理（如连续多个0，空格） 分解与编码 源信息?代码（长度）： block - block block - variable variable - block variable - variable 例：“aa bbb cccc ddddd eeeeee fffffffgggggggg” block - block (120) Source massage codeword a 000 b 001 c 010 d 011 e 100 f 101 g 110 space 111 例：“aa bbb cccc ddddd eeeeee fffffffgggggggg” variable - variable (30) Source massage codeword aa 0 bbb 1 ccccc 10 ddddd 11 eeeeeee 100 fffffff 101 gggggggg 110 space 111 分解与编码 “定义字”与“自由分解”方法 定义字（defined-word）方式 源信息分解的长度在编码调用之前已确定 自由分解（free-parse）方式 编码算法本身决定源信息分解的长度（变长） 分解与编码 典型算法 定义字方式的： Shannon-Fano coding Huffman coding Universal codes (通用码) Arithmetic coding (算术编码) 自由分解方式的： Lempel-Ziv codes Algorithm BSTW Lempel-Ziv编码 variable - block 自由分解 算法： 一规则：从一个有限字母表分解出不超过规定长度的子串或词； 一编码方法：将子串顺序地映射成固定长度、可辨认的代码字。 Lempel-Ziv编码 策略：选出几乎必定出现的字串。使得概率大的字符，组成较长串；概率小的字符，组成较短串。 对有效利用冗余，因为 符号的频繁出现 字母重复 高使用模式 Lempel-Ziv编码 不断增长长度的语法分析策略： 在编码的每一步，分解出剩余源信息集合中与现有表的某项 ∞匹配的最长前缀，追加上源信息集合中该前缀的后一字符c