08有损压缩算法.ppt

《多媒体技术教程》 第一章 多媒体技术 163@163.com 第八章　有损压缩算法 8.1　简介 8.2　失真量度 8.3　比率失真理论 8.4　量化 8.5　变换编码 8.6　小波编码 8.7　小波包 8.8　小波系数的嵌入零树 8.9　层次树的集合划分 8.10　进一步探索 8.1　简介 在多媒体应用中的图像压缩需要较高的压缩率，因而通常采用有损压缩方法 什么是有损压缩？ 被压缩的图像和原图像一般不完全相同 比无损压缩的压缩率高出很多 8.2　失真量度 图像压缩中最常用的失真量度有三种： 均方差（MSE）σ2量度：其中xn，yn和N分别为输入数据序列、重现数据序列和数据序列的长度 信噪比（SNR）量度，以dB为单位：其中σx2为原数据序列的均方， σd2为均方差 峰值信噪比（PSNR）： 8.3 比率失真理论 有损压缩中永恒的问题就是比率和失真之间的权衡 8.4 量化 必须通过量化减小不同的值的数量 有损压缩的主要损失途径 三种不同形式的量化： 均匀标量量化：中高型和中宽型量化 非均匀标量量化：压缩扩展量化 标量量化 均匀标量量化 均匀标量量化器将输入值域划分成等距的区间，不过有时可能需要除去两边最外部的区间 每个区间对应的输出值取该区间的中点值 区间的长度称作步长，记为Δ 两种均匀标量量化： 中高型量化器用于输出级数为偶数的情形 中宽型量化器则用于输出级数为奇数的情形（如图8.2） 在遇到Δ ＝1的特殊情况时，量化器的输出值可以由如下公式计算： 考察一个M级量化器的性能。判定边界集合为B={b0,b1,…,bM} ,输出值集合为Y={y1,y2,…,yM} 假设输入均匀分布于区间[-Xmax, Xmax]上，则量化器的比率为： 均匀分布源的量化误差 粒度失真：量化器引起的量化误差 为了全面了解粒度失真，我们注意到中高型量化器的判别边界bi为[(i-1)Δ，iΔ]，（i＝1, .., M/2），这里只考虑数据X为正值的情况（X为负值的情况对应另一半判定边界） 输出值yi为对应区间的中点iΔ＝ Δ/2 （i＝1, .., M/2），这里仍然只考虑数据为正值的情况。这样总失真就是数据为正值时失真总和的两倍： 由于重现值yi为每个区间的中点，所以量化误差必然落在 [－Δ/2, Δ/2]区间内。图8.3为一个均匀分布源的量化误差图： 矢量量化 香农关于信息理论的著作中最基本的思想，就是任何压缩系统对矢量或成组样本进行操作的效果要比其对单独的信号或样本进行操作的效果好 矢量量化的思想和标量量化的思想类似，只不过将其扩展到了多个维度 与一维情形不同，码向量没有固定的排列顺序，因而需要一个指针集来对码本进行索引 8.5 变换编码 变换编码的基本原理：如果Y是对输入向量X进行线性变换T的结果，线性变换T使得Y的元素间的相关性比X中元素的相关性更弱，那么对Y的编码效率就比对X编码的效率高 如果大部分信息能够用变换后的向量中的前几个分量精确地描述，那么对剩余的分量可以只进行粗粒度的量化甚至将其设为零 本节将讨论解除输入信息相关性的工具：离散余弦变换(DCT)，另外还将分析Karhunen-Loeve变换(KLT)，这是一种解除输入X的相关性的最优方法 空间频率和DCT 空间频率是指一个图像块中的像素点 DCT DCT的作业就是将原信号分解成DC分量和AC分量，IDCT则重现（重组）信号 DCT的定义： 以二维DCT为例，设一个有两个整数变量i和j的函数f(I,j)（图片中的一块)。二维DCT将其变换成一个新的函数F(u,v)，其中整数u和v的取值范围与i和j相同，该变换的一般定义如下： 其中i,u＝0,1,…,M-1；j,v=0,1,…,N-1；常数C(u)和C(v)由下式得出： 二维离散余弦变换（2D DCT）： 其中i,j,u,v=0,1,…,7，常数C(u)和C(v)由前式得出 二维逆离散余弦变换（2D IDCT) 2D IDCT和2D DCT几乎完全相同，只是将f(i,j)和F(u,v)颠倒一下，另外C(u)和C(v)出现在Σ号里面： 其中i,j,u,v=0,1,…,7 一维离散余弦变换（1D DCT）： 其中i=0,1,…,7，u =0,1,…,7 一维逆离散余弦变换（1D IDCT）： 其中i=0,1,…,7，u =0,1,…,7 DCT是一种线性变换： 通常，如果一个变换T满足下面的性质，它就是线性变换其中α和β是常数，p和q是任意函数、变量或者常数 由式8.19的定义，可以很容易证明DCT的这个性质，因为DCT中只使用了简单的算术运算 余弦基函数 如果两个函数Bp(i)和Bq(i