第6章 图像编码2.ppt

5.6 算术编码（Arithmetic coding）; 与Huffman码不同，算术编码是一种非分组编码方法，或叫非块码。正因为算术编码不是分组编码。因此，其译码也是一个字符一个字符的译码。 算术编码的基本原理 设：有一4符号的信源，其分为 ，其概率如下表和下图所示。;;图中符号出现的概率表示在概率区间之中，区间宽度表示概率值大小，图中子区间的边界值实际上是从下到上符号的累积概率，在算术编码中通常用二进制小数来表示概率。其中 的概率值在表中。;概率区间表示概率大小;这里请注意二进制数的计算规律： 1）逢二进一； 2）二进制数的表示;指向下端点;因此，得到码字0.011。后续的符号编码将在前面编码指向的字区间内进行。; 将[0.011,0.111]再按符号的概率值划分成4份，其概率关系一样。第二个符号仍然是 a3 ，指针指向 a3 区间的下端，0.1001，也就是码字为0.1001，然后 a3 所对应的子区间再被划分为4份，概率关系一样。 ;指向下端点; 第三个符号为 a2 ，指针指向 a2 区间的下端，即0.10011，余下以此类推。 ;指向下端点; 上述递归过程，可将算术编码的基本原理 总结如下： （1）初始状态 编码原点（指针所指之处）C0=0 区间宽度为 A0=1.0 （2）新编码点 C1=原编码点＋原区间×Pi 新区间 A1=原区间A0×pi;第一个符号：a3;第二个符号：a3;第三个符号：a2;;第四个符号：a4;解码过程是： （收到的码字串) －(已解符号子区间的下端点） ÷ （字符概率) ;在解码过程中，当收到码字串0.1010011时，由于这个码字串指向子区间[0.011,0.111]，因此，解出的第一个符号应为 a3 ，然后用相反的步骤，从码字串中减去已解符号子区间下端点的数值（累积概率），并将差值除以该子区间的宽度（概率值）则得到码字串，即：;由上图所示，该字串仍然落在[0.011,0.111]区间内，因此，解出的第二个字符为 a3;第三个字符：;第四个字符;字符落在[0.111,1.0]之间 因此是 a4;在算术编码中，值得注意的问题是进位问题。在Huffman码中没有这类问题。 如上述的例子，编完第3个符号之后得到的码字是0.10011，对第四个符号编码时前3位0.100就变成0.101。( a2 0.10011, a4 0.1010011) 这就是相加过程中的进位引起的。; 5.5 预测编码 在20世纪40年代，Weiner提出了最佳线性预测理论，1952年Oliver 和Harrison 等人认识到了线性预测在通信中的作用，并建议把它用于降低冗余度。多年来，人们在大量的试验的基础上成功地试制了多种设备。在我国，70年代就已经研制了采用预测编码的可视电话设备。; ;5.7.3DPCM编码;5.7.1 预测编码的基本原理 ; 编码原理图中，xi 是下一个样值。根据前面出现的n个样值，可以得到 xi 的预测值 。 ; 式中 是 的前n个样值。 是预测参数。设 为 与 之间的误差值，则; (5—39);编码 ;假如直接对样值x编码，那么正如前面谈到的那样，代码平均长度有一个下限 ，这个下限就是信源的熵 ，即;同样道理，如果对误差信号进行编码，那么，它也应该有一个下限，设为 。显然，预测编码可以压缩数码率的条件是;熵是概率分布的函数，分布越均匀熵越大。熵值大，则其平均码长之下限必然会加大，码率就会增高。反之，分布越集中熵值越小，其平均码长之下限就会越短，码率就会降低。如果预测比较准确，那么误差就会集中于不大的数值内，从而使 H(E)小于 H(X) 。; 由于图像信号中样值的高度相关性，使得相邻样值之间的差别总是十分微小的，所以其差值分布十分集中。预测前后的概率分布情况如图5—22所示。; 样值 差值 0 图5—22预测前后的概率密度分布示意图 （a）为图像信号概率密度分布 （b）为差值信号概率密度分布; 相邻像素间差值信号分布密度曲线 ; 对于视频信号性质来说，帧内像素相关系数在0.85左右，帧间相关系数在0.95左右。由此可见，图像像素间的相关性是很大的，其压缩潜力也是很大的。由上面的定性分