正交变换的实例-Read.PPT

一、信号的分解 静态图像压缩－Huffman编码 静态图像压缩－DPCM 对一个特定域内的象素x1~xN进行加权求和： 求得上述结果和待预测象素值的差值： 对差值量化后的指数进行熵编码。 静态图像压缩－去除相关 128 127 129 128 128 -1 1 0 静态图像压缩－量化的概念 原8×8图像，点与点之间有相关性 2D－DCT 经2D－DCT后，能量集中在左上角，64个数据之间的范围太大，不利于编码。 是JPEG推荐的量化矩阵。将矩阵 的元素除以矩阵 的元素后再取整，从而将动态范围缩小，得 数据小 数据大 量化后的矩阵，压缩了动态范围，大部分数据为零。 传输 解码 逆量化 逆DCT Huffman编码 得到原矩阵的近似 原图像 经量化编码及DCT反变换后的图像 静态图像压缩－编码的概念 电报用“莫尔斯”码 e 概率 0.1031 . t 0.0796 - a 0.0642 .- … z 0.0005 --.. 1 将信源符号出现的概率按递减顺序排列； 2 将两个最小概率相加，继续之，大的在上 部， 小的在下部； 3 每一对组合中，上面为1，下面为零；或反之； 4 画出每个信源符号概率到1的路径，记下路径 的 1 和 0 ； 5 由右到左，写下这些符号，即为Huffman码。 静态图像压缩－Huffman编码 1 0 1 0.35 1 1 0 信号源 a b d c e g f 概率 0.20 0.19 0.17 0.18 0.15 0.01 0.10 0.11 0 0.26 1 0 0 0.39 0 0.61 1 1.0 码字 11 10 010 011 001 0000 0001 静态图像压缩－游程编码 若沿某一特定方向上的一串m个象素具有相 同的灰度值 p，则只要传输(p,m)即可。 23，23，23，23，0，0，0，0，0，0，0，0，0，0， 0，0， 0，0，0，1… 可以表示为：(23,4), (0,15),… 静态图像压缩－有损压缩 变换编码（Transform Coding） 有损压缩 基于模型的编码方法（MBA） 分形编码（Fractal） 矢量量化（Vector Quantization） 人工神经网络方法（ANN） 静态图像压缩－变换编码 离散余弦变换（DCT） 变换编码 K-L变换 Gabor变换 小波变换（DWT） 静态图像压缩－K-L变换 K－L变换是最佳变换，将原始信号中 相关性很强的空域变换到相关性彻底 去除的变换域； 无快速算法而难以实现。 静态图像压缩－DCT变换 在统计意义上达到最接近K－L变换的结果 以DCT为基础的JPEG编码标准广泛应用 压缩比可以达到33～55:1； 缺点：传统的块效应，压缩比受限制； 静态图像压缩－DCT变换 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 DCT: 要分成8×8，或16×16的块来做， 这样才最接近K-L变换，当然，也 就产生了“块效应”。 静态图像压缩－JPEG标准 JPEG：Joint Photographic Experts Group JPEG标准框图： DCT Huffman 0,1,1,1,1,… JPEG图例： 原图 压缩9.2倍 JPEG图例： 压缩18.4倍 原图 JPEG图例： 压缩27.6倍 原图 JPEG图例： 压缩55.2倍 原图 静态图像压缩－Gabor变换 Gabor变换具有对信号进行时频分析的功能； 较好地与人类视觉系统（HVS）的接收野相 符合，可以利用视觉系统的信息处理机制和 图像性质的一致性达到“视觉无损”和“信息 保持”的一致性。 结合熵编码，可达到8:1的无损压缩。 静态图像压缩－DWT变换 小波变换编码步