6.4.4浔嗦.ppt

6.4.4 词典编码 词典编码(Dictionary Encoding)。 利用数据本身包含重复代码的特性，例如文本文件和光栅图像。 LZW就是字典编码的一种。由Lemple-Ziv-Welch 三人共同创造。基本原理就是首先建立一个字符串表，把每一个第一次出现的字符串放入串表中，并用一个数字来表示，这个数字与此字符串在串表中的位置有关，并将这个数字存入压缩文件中，如果这个字符串再次出现时，即可用表示它的数字来代替，并将这个数字存入文件中。压缩完成后将串表丢弃。 6.4.4 词典编码 符号串 A B B A B A B A C 1 6.4.4 词典编码 6.4.4 词典编码 6.4.4 词典编码 6.4.4 词典编码 6.4.4 词典编码 6.5 常用的有损数据压缩方法 预测编码 变换编码 6.5.1 预测编码 预测编码： 预测编码是根据离散信号之间存在着一定关联性的特点，利用前面一个或多个信号对下一个信号进行预测，然后对实际值和预测值的差（预测误差）进行编码。如果预测比较准确，误差就会很小。在同等精度要求的条件下，就可以用比较少的比特进行编码，达到压缩数据的目的。 6.5.1 预测编码 预测编码中典型的压缩方法有差分脉冲编码调制（DPCM，Differential Pulse Code Modulation）、自适应差分脉冲编码调制（ADPCM，Adaptive Differential Pulse Code Modulation）等，它们较适合于声音、图像数据的压缩，因为这些数据由采样得到，相邻样值之间的差相差不会很大，可以用较少位来表示。 6.5.1 预测编码 脉冲编码调制PCM 脉冲编码调制（PCM，pulse code modulation）是概念上最简单、理论上最完善的编码系统。它是最早研制成功、使用最为广泛的编码系统，但也是数据量最大的编码系统。 6.5.1 预测编码 PCM的编码原理比较直观和简单，它的原理框图如下图6-15所示。在框图中，它的输入是模拟信号，首先经过时间采样，然后对每一样值都进行量化，作为数字信号的输出，即PCM样本序列x(0),x(1),…,x(n)。图中的“量化，编码”可理解为“量化阶大小(step-size)”生成器或者称为“量化间隔”生成器。 均匀量化 如果采用相等的量化间隔处理采样得到的信号值，那么这种量化称为均匀量化，也称为线性量化，如图6-16所示。量化后的样本值Y和原始值X的差 E=Y-X 称为量化误差或量化噪声。 非均匀量化 对输入信号进行量化时，大的输入信号采用大的量化间隔，小的输入信号采用小的量化间隔，如图6-17所示，这样就可以在满足精度要求的情况下用较少的位数来表示。量化数据还原时，采用相同的规则。 6.5.1 预测编码 差分脉冲编码调制DPCM 为了压缩数据，可以不对每一样值都进行量化，而是预测下一样值，并量化实际值与预测值之间的差值，这就是DPCM（Differential Pulse Code Modulation，差分脉冲编码调制）。 6.5.1 预测编码 自适应脉冲编码调制ADPCM 自适应技术的概念是预测器的预测系数和量化器的量化参数，能够根据图像的局部区域分布特点而自动调整。 6.5.1 预测编码 自适应预测 为了减少计算工作量，预测参数仍采用固定的，但此时有多组预测参数可供选择，这些预测参数根据常见的信源特征求得。编码时具体采用哪组预测参数需根据特征来自适应地确定。为了自适应地选择最佳参数，通常将信源数据分区间编码，编码时自动地选择一组预测参数，使该实际值与预测值的均方误差最小。随着编码区间的不同，预测参数自适应地变化，以达到准最佳预测。 6.5.1 预测编码 自适应量化 在一定量化级数下减少量化误差或在同样的误差条件下压缩数据，根据信号分布不均匀的特点，希望系统具有随输入信号的变化区间足以保持输入量化器的信号基本均匀的能力，这种能力叫自适应量化。 自适应量化必须有对输入信号的幅值进行估值的能力，有了估值才能确定相应的改变量。若估值在信号的输入端进行，称前馈自适应；若在量化输出端进行，称反馈自适应。信号的估值必须简单，占用时间短，才能达到实时处理的目的。 6.5.2 变换编码 变换编码： 变换编码不是直接对空域图像信号进行编码，而是首先将空域图像信号映射变换到另一个正交矢量空间，产生一批变换系数，然后对这些变换系数，进行编码处理。下面图6-18所示为变换编码原理框图和图6-19所示为变换编码系统方框图。